yandex_simulation

Набор синтетических симуляций на локальном codex exec.

Kora: опрос AI-native аудитории СНГ

kora_cis_survey.py создает квотированную выборку предпринимателей, маркетологов и операционных специалистов из СНГ, уже использующих Claude Code, Codex или другой agentic CLI.

Скрипт проводит пакетные problem/solution-интервью, сравнивает четыре гипотезы позиционирования и агрегирует:

• текущие задачи, боли и workaround;
• победителя среди вариантов УТП;
• killer feature, must-have функции и интеграции;
• барьеры доверия;
• заявленную готовность к платному пилоту и максимальную цену.

Это ролевая симуляция, а не ответы реальных людей. Ее результаты подходят для генерации гипотез перед настоящими интервью, но не доказывают спрос или готовность платить.

python3 -m unittest -v test_kora_cis_survey.py
python3 kora_cis_survey.py \
  --respondents 100 \
  --seed 20260725 \
  --cohort mixed \
  --batch-size 5 \
  --workers 4 \
  --output-dir results/kora-cis-100-2026-07-25

Сравнение трех независимых симуляций по 100 человек:

python3 kora_cis_suite.py \
  --respondents-per-run 100 \
  --batch-size 5 \
  --workers 4 \
  --output-dir results/kora-cis-suite-2026-07-25

Suite сравнивает смешанную аудиторию, пользователей в стадии освоения и узкую когорту предпринимателей/маркетологов в стадии освоения.

Query-led симуляция на основе исследованных популярных запросов:

python3 kora_cis_survey.py \
  --respondents 100 \
  --seed 20260728 \
  --cohort popular_queries \
  --batch-size 5 \
  --workers 4 \
  --output-dir results/kora-popular-queries-2026-07-25

Отдельная симуляция активных пользователей Claude Code и Codex:

python3 kora_cis_survey.py \
  --respondents 100 \
  --seed 20260729 \
  --cohort active_claude_codex \
  --batch-size 5 \
  --workers 4 \
  --output-dir results/kora-active-claude-codex-2026-07-25

Эта когорта исключает пользователей других CLI и тех, кто запускает агентные инструменты реже раза в неделю. Внутри нее сохранены отдельные сегменты Claude Code, Codex и пользователей обоих инструментов, а задачи распределены по тем же популярным запросам.

Результаты:

• population.json - квоты и профили;
• responses.json - 100 полных синтетических интервью;
• analytics.json - агрегаты и срезы;
• report.md - человекочитаемые выводы;
• batches/ - промежуточные ответы для безопасного --resume.

Яндекс.Такси: re-engagement водителей

Генерирует популяцию синтетических водителей, находит тех, кто не работает > 7 дней, «отправляет» им персонализированное сообщение («Вижу, вы давно не работаете. В чём проблема?») и симулирует ответ — причину простоя и намерение вернуться. На выходе — аналитика оттока.

Файлы

• taxi_reengagement_codex.py — основной движок (бэкенд: локальный codex exec, без API-ключа).
• taxi_reengagement_simulation.py — версия на OpenAI Batch API (ключ читается из OPENAI_API_KEY).
• aggregate_runs.py — сшивает прогоны в общую аналитику.
• run_all.sh — гоняет 10×100 = 1000 уникальных водителей и собирает итог.

Запуск (codex-вариант, без ключа)

codex login              # один раз
python3 taxi_reengagement_codex.py 100 0   # 100 водителей, прогон 0
zsh run_all.sh           # полный прогон на 1000 + сборка

Выходные данные

• drivers_run*.json, inactive_drivers_run*.json, driver_replies_run*.json
• analytics_combined.json — распределение причин оттока, intent вернуться, тональность.

---

Created by Dali Agents · Production AI agents for support, sales, and ops.