Causal Forge 开源项目介绍

最近自己做了个开源项目，叫 Causal Forge ，核心目标是解决因果分析中「决策不可靠」的痛点。

一、项目背景：为什么做这个工具？

我们平时接触的「因果关系」，大多来自两个孤立的维度，最终导致决策靠“拍脑袋”：

• 文本侧：政策文件、研究报告、分析文章中提出的因果判断（比如“调降利率会带动工业生产回升”），有语义、可解释，但主观、不可证伪。
• 数据侧：时间序列等数据中挖掘出的影响关系，客观、可量化，但天生不区分「因果」和「相关」，缺乏业务语义。 写报告的人讲一套，跑数据的人看一套，到底哪些因果链条可信，没有统一标准——这就是 Causal Forge 要解决的核心问题。

二、核心思路：把“文本因果”和“数据因果”放进同一条流水线

不追求“自动生成厉害的因果图”，而是聚焦更朴素、更实用的目标：让因果结论可验证、可追溯、可复盘，具体流程如下：

1. 从文本中抽取结构化的因果关系
2. 从数据中挖掘候选因果边
3. 将文本侧与数据侧的结果双向对撞、对齐
4. 通过多轮严格验证，只保留真正站得住脚的因果链条

三、适用场景

目前更适合偏研究、审计类的场景，尤其适配：

• 宏观 / 政策传导分析
• 基本面研究（如投研、行业分析）
• 风险归因与复盘
• 研究结论复核（验证研报/报告中的因果逻辑）

四、核心技术栈

不重复造轮子，基于成熟工具组合，聚焦“流水线编排+证据管理”，核心技术包括：

• LLM + 结构化抽取：将文本中的因果关系抽成 Decision/Callback/Link 等结构化对象，避免模型自由发挥，确保输出规范。
• 因果工具链组合：底层复用 causal-learn 、Tigramite 、DoWhy 、EconML 等成熟库，负责因果发现、估计、反驳与验证。
• 时间序列因果验证：不止看相关性，重点校验时序方向、反向因果可能性、跨窗口稳定性。
• 强类型 Schema 设计：将因果链、证据、验证结果均封装为可追溯的数据结构，避免散乱脚本。
• 可复现实验流水线：配置、运行产物、验证报告、失败原因全部沉淀，支持重复复现，拒绝一次性分析。

五、独特功能（核心优势）

1. 文本与数据因果双向验证（核心）

   区别于“只做文本抽取”或“只做数据因果发现”的项目，强制让两边结果对撞，只有双方都支持的候选，才进入后续验证。

2. 失败也留档，不只展示成功结论

   每条因果链若未通过验证，会详细记录“卡在哪一步”“失败原因”（如时序不成立、稳定性不足），为复盘和迭代提供依据。

3. 五道闸门式严格验证

   验证不止一步，需依次通过：必要性、充分性、时序性、不可逆性、跨周期稳定性，全部通过才认定为可信因果链。

4. 因果链条全链路可追溯

   最终结论不是“模型认为 A 导致 B”，而是能回查到对应的原始文本段落、数据切片、验证参数和过程，确保可信。

5. 偏研究/审计，而非黑盒预测器

   核心价值不是“给答案”，而是“说明答案为什么可信”，适配研究、复核等需要严谨证据的场景。

六、核心模块说明

七、项目价值总结

• 比纯 LLM 抽取更可靠：多了数据侧的验证，避免“只讲故事不落地”；
• 比纯数据因果发现更可解释：有文本语义锚点，让数据结论能对应业务逻辑；
• 比普通分析流程更可复盘：失败链条、验证过程全部保存，便于追溯问题；
• 比单次研究报告更可积累：最终沉淀为因果链仓库，让组织记住因果，而非依赖个人记忆。

八、项目地址

如果你对「把文本因果叙事和数据因果验证结合」有兴趣，欢迎查看完整文档： https://github.com/zjhong/causal-forge/blob/main/README.zh-CN.md