Epita 2025 届的符号智能项目构建了一套智能体系统,用于分析论证性文本。其中的 Argumentum 插件通过在游戏的谬误分类树中逐层向下来检测谬误,而不是一次性从一千多个标签里直接挑选。树的形状保证了每一步只会给出少数几个候选分支——答案最终给出时,通向它的路径也一并呈现。
插图:docs/publication/articles/illustrations/3b-du-chemin-a-la-carte.png,Argumentum 仓库,提交 981e5233 —— 仓库中版画的拼合图(Cards/Fallacies/Assets/Fallacy-front/):层级 7、7.3、7.3.1 和 7.3.1.2,上方为路径编号,下方为卡牌名称。
项目
这是一个公开仓库:软件智能体——分析、逻辑、谬误检测——在其中由 Semantic Kernel 编排,这是一个让语言模型能够调用工具的框架,并依托一个用 Java 编写的形式推理引擎。这个平台是教学性的:每个模块都是一次符号人工智能架构的练习,处理的是符号和规则,而不是统计数据。
一千四百零八个标签
Argumentum 的谬误分类法共有 1408 个节点,从根节点到各种特殊情形,深度最多达十层。面对完整的列表问模型“这是什么谬误?”,就等于让它从一千多个标签中抽取一个,而没有任何结构来引导选择。
然而,这棵树的形状说明了另一回事:每个节点至多有 9 个子节点,而在有子节点的节点中,有一半的子节点数不超过两个。由结构引导的选择取代了赌博。
逐步下降
插件以 CSV 格式加载分类法,这也是游戏仓库所用的格式。每一步,它都向模型展示当前节点及其后代的两个层级;模型要么确认该节点——就是它——要么要求向某个子节点下降,有时会跳过一个层级。每一步消耗一次模型调用。在树中位置过高的确认会被拒绝:深度不足两层时,标签过于笼统,不能算作答案。
举个例子,基于游戏中的一张卡牌(此处不展示任何被分析的文本)。“稻草人”卡牌位于路径 7.3.1.2:阻挠,然后是人身攻击(Ad hominem),然后是前后矛盾指控,然后是稻草人。抵达它的一次下降如下:文本试图取消对手的资格,而不是回应他——下降到阻挠;它针对的是人——下降到人身攻击(Ad hominem);它指责对方自相矛盾——下降到前后矛盾指控;攻击的对象本身被歪曲了——确认稻草人。四步,每一步都在少数子节点之间选择。
是什么限制了下降
没有深度上限:树的叶子是唯一的上限,智能体可以一直下降到叶子。防止失控的保障是模型调用预算:默认每个分支 18 次,整个分析 240 次。下降从一张保留候选项的大网开始,其中最多四个分支并行下降;在分叉处,如果有多个子节点看起来有希望,其余的将并行探索,上限为十二个子分支。当某个分支确认了一个深层节点,探索其祖先节点的同级分支便会放弃:最具体的答案胜出。而如果下降失败,插件也不会放弃——它会一次性重试选择,不再提供引导。
轨迹
每次下降都会留下它的导航轨迹:所走的路径、确认、放弃。答案可以通过其路线来解释——系统可以说明为什么提出了这个节点而不是另一个。在深层分类法上,这也许是该方法的主要产出:不仅是一个标签,还有这段旅程的理由。
项目之后
这个分类漏斗被原样移植到了 CoursIA,这是一个关于人工智能的课程资料公开仓库,它将其整合进自己的论证分析系列。至于基于插件的智能体编排,在那里仍在建设中。
来源:仓库 Argumentum,提交 32408fdd(统计于 2026 年 11 月 8 日,依据 Cards/Fallacies/Argumentum Fallacies - Taxonomy.csv 的路径列)。仓库 Epita 2025,固定在提交 acaf670e9(2026 年 11 月 6 日):fallacy_workflow_plugin.py 和 taxonomy_navigator.py —— 所引用的预算和机制均出自这些文件。移植到 CoursIA:issue #19287(已完成)和 issue #18390(进行中)。