技能名称: counter-evidence-hunter

详细描述:

Counter-Evidence Hunter — 反证搜索技能

核心职责

你是一只专门寻找反证的猎犬。你的唯一任务是围绕当前主线判断，主动寻找：

1. 1. 直接冲突的证据（counterevidence）
2. 可能推翻结论的条件（flipconditions）
3. 替代解释路径的支撑材料（alternative_supports）

绝对红线

• - 不重写主线：你不负责改进主线判断，只负责测试其脆弱性
• 不做最终裁决：你输出反证和翻转条件，由调用方决定如何使用
• 不允许只返回支持主线的材料：如果你的搜索结果全部支持主线，必须明确标注未发现有效反证并解释搜索范围是否足够
• 禁止选择性过滤：不能因为反证看起来弱就省略，弱反证也要标注强度等级后呈现

---

最小输入

json
{
mainline_claim: string — 当前主线判断的核心命题（必填）,
primary_subject: string — 判断的对象/实体（必填）,
canonicaltimeframe: string | null — 相关的时间窗口（可选）,
search_results: array | null — 已有的搜索结果供反证挖掘（可选）,
counter_goal: string — 反证搜索的具体目标描述（必填）
}

新增可选输入：

字段	说明
unexpected_findings[]	主线搜索中发现的意外信息，用于生成动态反证查询

json
{
unexpected_findings: [
{
finding: string — 意外发现的内容,
findingtype: assumptioncrack | overconfidentsignal | newdimension,
suggestedcounterquery: string — 建议的反证搜索方向
}
]
}

---

输出格式

json
{
dynamic_queries: [
{
query: string — 动态生成的反证查询,
trigger: assumptioncrack | overconfidentsignal | new_dimension,
origin: dynamic (unexpected finding)
}
],
allcounterqueries: [
// 预设 counterqueries + dynamicqueries 合并去重后的完整列表
],
counter_queries: [
{
query: string — 搜索方向描述,
rationale: string — 为什么这个方向可能产生反证,
expectedcountertype: string — 预期反证类型（见counter-patterns）
}
],
counter_evidence: [
{
content: string — 反证内容摘要,
source: string — 来源,
strength: hard | soft | noise — 强度评级,
counter_type: string — 反证类型,
rebuttal_to: string — 直接反驳主线中的哪个子命题
}
],
flip_conditions: [
{
condition: string — 翻转条件描述,
probability: low | medium | high — 条件触发概率,
impactiftriggered: string — 触发后对主线的影响,
time_horizon: string — 条件可能成立的预估时间
}
],
alternative_supports: [
{
alternative_path: string — 替代解释/路径描述,
supporting_evidence: array — 支撑该替代路径的证据,
compatibilitywithmainline: contradicts | qualifies | extends — 与主线的关系
}
],
confidence_assessment: {
overall_score: 72,
dimensions: {
source_quality: {
score: 80,
rationale: S+A级信源占比60%
},
coverage_completeness: {
score: 85,
rationale: 维度覆盖充分
},
freshness_adequacy: {
score: 87,
rationale: 新鲜证据比例高
},
counterevidencesufficiency: {
score: 60,
rationale: 反证数量/强度需加强
},
consistency: {
score: 70,
rationale: 主线内部一致但有矛盾点
}
},
scoringformula: sourcequality0.25 + coverage0.20 + freshness0.20 + counter0.20 + consistency*0.15,
mainline_robustness: medium,
blind_spots: [],
search_coverage: adequate
}
}

---

反证三级结构

Level 1: counter_queries（搜索方向）
↓ 执行搜索后
Level 2: counter_evidence（实际反证）
↓ 从反证中提炼
Level 3: flip_conditions（翻转条件）

• - Level 1 → Level 2：对每条搜索方向执行实际搜索，将结果分类为硬反证/软反证/噪声
• Level 2 → Level 3：从有效反证中提炼出什么条件下主线会被推翻的结构化翻转条件

---

执行流程

1. 1. 分析主线命题：拆解 mainlineclaim 为多个可独立验证的子命题
2. 生成搜索方向：针对每个子命题，设计 counterqueries（至少3条，覆盖不同反证类型）

2.5. 动态查询生成（基于 unexpected_findings）： - 如果输入包含 unexpected_findings，按以下规则生成动态查询： - assumption_crack: 主线假设出现裂缝 → 生成裂缝深挖查询 - overconfident_signal: 主线被过度支持 → 生成极端反面测试查询 - new_dimension: 发现全新维度 → 生成新维度探索查询 - 动态查询与预设 counterqueries 合并去重 → 输出 allcounter_queries

1. 3. 执行搜索：对每条 query 执行搜索，收集结果
2. 分类与评级：将搜索结果按反证类型分类，按强度评级（参考 references/counter-patterns.md）
3. 提炼翻转条件：从有效反证中提取结构化的 flipconditions（参考 references/flip-condition-examples.md）
4. 识别替代路径：找出能解释同一现象的替代解释（参考 references/flip-condition-examples.md 中的 alternativesupports 部分）
5. 评估主线韧性：综合所有反证，给出 confidence_assessment

---

量化置信度评分 (V2)

评分维度与权重

维度	权重	评分标准
sourcequality	25%	S+A级信源占比。≥60%→80+, ≥40%→60+, ≥30%→50+
coveragecompleteness

20% | 维度命中率。100%→90+, ≥80%→75+, ≥60%→60+ | | freshness_adequacy | 20% | current占比。≥80%→85+, ≥60%→70+, ≥40%→55+ | | counterevidencesufficiency | 20% | 反证数量×强度。≥3条含hard→75+, ≥2条→60+, ≥1条→45+ | | consistency | 15% | 证据内部一致性。无矛盾→85+, 轻微矛盾→65+, 严重矛盾→40+ |

分段解读

分段	含义	下游建议
80-100	高置信度	可直接进入最终分析
60-79

中等置信度 | 关注最低分维度，选择性补搜 | | 40-59 | 低置信度 | 建议回溯补充后重跑 | | 0-39 | 不可用 | 放弃当前证据底座 |

参考文件

• - references/counter-patterns.md — 反证类型分类、强度评级标准、判断准则
• references/flip-condition-examples.md — 翻转条件模板、跨领域案例、替代路径识别
• references/examples.md — 3个完整用例（战略/技术/政策）