/** Complex, evidence-heavy evaluation cases for the dacomp6 logistics database. */
export const dacomp6ComplexCases = [
  {
    id: "profit-root-cause",
    title: "低利润根因、稳健性与反事实诊断",
    prompt: [
      "你是物流经营分析负责人。请基于当前数据源中的 2023 年物流订单完成一份可审计的低利润诊断报告。",
      "",
      "这不是简单分组统计，请按完整分析链执行：",
      "1. 先检查表结构、日期范围、记录数、利润与成本派生字段是否一致，并验证利润率的分母口径。",
      "特别检查零收入、负收入和极端利润率，未经验证不要直接使用平均利润率下结论。",
      "2. 同时使用“利润小于 0”和“清洗有效分母后利润率处于后 10%”两种低利润定义，",
      "比较样本规模与结论差异，说明阈值中的业务判断。",
      "3. 将低利润拆成收入端与成本端，再把成本拆成运费、仓储和其他运营成本。",
      "量化各项贡献，并判断是否存在多种低利润生成机制。",
      "4. 在产品、目的地区域、年龄区间三个维度上分析主效应和交互组合。",
      "任何细分结论都要附样本量，区分相关关系与因果解释。",
      "5. 做稳健性检查：分别剔除非正收入记录、对连续指标做 1%/99% 截尾，并比较结论是否变化。",
      "指出至少一个容易被异常值制造的假模式。",
      "6. 做反事实模拟：假设运费成本下降 10%，重新计算利润和利润率，",
      "量化负利润订单中有多少转正、哪些群体受益最大，并明确这个模拟不能证明实施后必然发生。",
      "7. 输出一份 Markdown 决策报告，至少包含口径说明、关键数字、机制分型、冲突证据、",
      "稳健性结果、反事实结果和三条按优先级排序的建议。把关键分组结果另存为可下载表格。",
      "",
      "如果证据不足以支持单一根因，必须明确保留多个机制，而不是强行归因。",
    ].join("\n"),
    expectedCapabilities: [
      "schema and data-quality validation",
      "multiple SQL aggregations",
      "multi-dimensional interaction analysis",
      "outlier sensitivity analysis",
      "counterfactual simulation",
      "report and table artifacts",
    ],
  },
  {
    id: "causal-challenge",
    title: "年龄是否为低利润根因的反证分析",
    prompt: [
      "有人提出：低利润集中在某些产品，这些产品又集中在某些年龄段，",
      "因此年龄就是利润问题的根本原因。",
      "",
      "请基于当前物流订单数据库系统检验这个推理。先验证数据质量和利润率口径，",
      "再分别计算产品、年龄区间及“产品×年龄区间”的利润表现和样本量。",
      "使用分层对比回答：在同一产品内部年龄差异是否仍存在；在同一年龄段内产品差异是否仍存在。",
      "然后加入目的地区域和成本结构，检查年龄效应是否只是产品组合、地域组合或成本差异的代理。",
      "",
      "请主动寻找与原命题冲突的组合，例如年龄结构相似但利润差异明显，或成本不高但利润仍低。",
      "最后给出“支持、部分支持或不支持”的结论，明确哪些只是相关关系、",
      "还缺少哪些因果识别条件，并输出一张证据矩阵表。",
    ].join("\n"),
    expectedCapabilities: [
      "confounder-aware segmentation",
      "within-group comparisons",
      "contradictory evidence search",
      "causal-language calibration",
    ],
  },
  {
    id: "outlier-forensics",
    title: "极端利润率异常取证与结论污染评估",
    prompt: [
      "请对当前物流订单数据库中的极端利润率做一次数据取证。",
      "不要预设极端值都是错误，也不要直接删除。",
      "",
      "先验证利润、总收入、总成本和利润率之间的公式关系，定位非正收入、",
      "绝对利润率异常以及可能重复的物流单号。按异常机制分类，比较每类异常的产品、",
      "地区、客户、人群和日期分布。然后分别计算原始数据、排除非正收入、",
      "1%/99% 截尾三种口径下的月度、产品和区域利润表现，找出哪些原结论会反转或显著减弱。",
      "",
      "请给出异常订单清单、每类异常的判定依据、对汇总指标的影响量，",
      "以及“数据错误、真实极端业务、暂无法判断”三类处置建议。",
      "最终输出一份审计报告和异常明细表。",
    ].join("\n"),
    expectedCapabilities: [
      "formula reconciliation",
      "duplicate and anomaly inspection",
      "sensitivity comparison",
      "audit artifact generation",
    ],
  },
  {
    id: "intervention-portfolio",
    title: "有限资源下的利润改善组合",
    prompt: [
      "管理层只能选择两项利润改善措施：降低运费、降低仓储成本、减少折扣、提高物流单价、",
      "或针对特定产品与区域组合做专项治理。请基于当前物流订单数据提出一个可量化的组合方案。",
      "",
      "先完成数据质量与利润口径检查，再识别负利润和低利润订单的主要机制。",
      "对运费下降 5%/10%、仓储成本下降 10%、折扣减少 20%、物流单价提高 3%分别做静态反事实，",
      "比较新增利润、负利润转正订单数、覆盖订单数和收益集中度。",
      "对专项治理方案必须定义可复现的产品×区域筛选条件，并避免使用小样本组合。",
      "",
      "最终在效果、覆盖面、执行风险、公平性和对异常值敏感度五个维度上评分，",
      "选择两项互补措施。请提供方案排序表、关键假设、不能从观察数据推出的结论，",
      "以及上线后应监控的指标。",
    ].join("\n"),
    expectedCapabilities: [
      "multiple counterfactuals",
      "segment targeting",
      "portfolio trade-off analysis",
      "decision table generation",
    ],
  },
];

export function findDacomp6Case(id) {
  return dacomp6ComplexCases.find((item) => item.id === id);
}