Sistema de Bandido Contextual Auto-Hospedado em Rust: Syntra & Lycan para Sistemas de Decisão Adaptativos

Dois novos projetos open-source visam trazer funcionalidade de bandit contextual para sistemas de produção sem uma pilha de ML em Python. Lycan é uma pequena linguagem de execução de grafos onde nós de estratégia são uma primitiva de primeira classe — você define múltiplas implementações do mesmo contrato, e o runtime aprende pesos a partir do feedback de resultados. Ele compila para um grafo binário executado por um runtime em Rust, sem LLM no caminho crítico.

Syntra é um aplicativo Docker/API auto-hospedado que serve cápsulas Lycan compiladas. Principais características:

• Design multi-inquilino e primeiro no modo sombra
• Aprendizado contextual por contextKey
• Armazenamento persistente em sistema de arquivos
• Logs separados de auditoria, decisão e feedback
• Camada de autoria YAML MVP (sem necessidade de escrever Lisp subjacente)

Os casos de uso declarados: decisões repetidas onde a melhor opção depende do contexto e o resultado chega depois — roteamento de modelo LLM, política de retry/timeout, seleção de fila, ajuste de limites.

O teste com MoEFolio.ai (um painel público de debate sobre ações com IA com resultados resolvidos pelo mercado em 30 dias) revelou a primeira surpresa: o esquema de contextKey estava colapsando todos os setores em unknown porque a busca de setor só resolvia símbolos de um dos três caminhos de entrada. O bandit era nominalmente 5-dimensional, mas efetivamente 2-dimensional, aprendendo uma média entre setores. Corrigir o pipeline de dados, e não o algoritmo, é a maior parte do trabalho em sistemas adaptativos.

Licenciado sob Apache-2.0, estágio muito inicial. O autor convida olhos de qualquer pessoa que já trabalhou com bandits em produção.