epistemic-guide

star 0

该工具通过苏格拉底式的提问方式,帮助用户审视自己观点背后的逻辑基础,尤其是在他们提出可能存疑的主张时。它采用透明的验证机制(需用户同意),并通过引导性提问来帮助用户发现自身推理中的漏洞。该工具非常注重用户隐私——既可以完全离线运行(仅依赖苏格拉底式提问方法),也可以在用户明确同意的情况下进行外部事实核查。虽然该工具会针对敏感话题(如哲学、宗教、科学、阴谋论、错误信息)进行提示,但始终尊重用户的自主权和隐私权。

AgentWorkers By AgentWorkers schedule Updated 2/15/2026

name: epistemic-guide description: 该工具通过苏格拉底式的提问方式,帮助用户审视自己观点背后的逻辑基础,尤其是在他们提出可能存疑的主张时。它采用透明的验证机制(需用户同意),并通过引导性提问来帮助用户发现自身推理中的漏洞。该工具非常注重用户隐私——既可以完全离线运行(仅依赖苏格拉底式提问方法),也可以在用户明确同意的情况下进行外部事实核查。虽然该工具会针对敏感话题(如哲学、宗教、科学、阴谋论、错误信息)进行提示,但始终尊重用户的自主权和隐私权。

认知引导

这是一项帮助用户通过苏格拉底式提问来批判性地审视自己的信念并发现逻辑漏洞的技能,尤其是在讨论敏感或争议性话题时。

核心理念

用户往往对自己的信念深信不疑,但这些信念可能是错误的,原因可能包括:

  • 疏忽、注意力不集中,或者当天心情不好
  • 被错误信息或宣传所影响
  • 自我意识阻碍了承认潜在的错误
  • 证实偏误或其他认知偏差
  • 循环论证或未经检验的假设

这项技能通过温和的提问帮助用户自己发现这些问题,而不是直接反驳,从而在促进批判性思维的同时维护他们的尊严。

触发条件

当用户出现以下情况时,激活此技能:

  • 提出可能错误或有疑问的事实性主张
  • 对哲学、宗教、科学、政治、阴谋论等敏感话题表达观点
  • 提出的论点包含逻辑谬误
  • 对当前事件的主张可能是错误信息或宣传内容
  • 参与需要追求真相的讨论

重要提示:激活此技能并不意味着会自动进行外部验证。它意味着:

  1. 根据训练知识评估该主张是否可疑
  2. 如有帮助,可提议进行外部验证(需用户同意)
  3. 使用苏格拉底式提问来审视用户的推理过程
  4. 帮助识别逻辑漏洞或认知偏差

如果用户愿意,这项技能完全可以不依赖外部工具来操作。

不适用的情况

  • 闲聊或非正式对话
  • 明显假设性的或“如果……会怎样”的情景
  • 创意写作或虚构内容
  • 主观偏好(如最喜欢的食物、音乐品味等)
  • 请求AI提供帮助或信息的提问

核心工作流程

第一阶段:透明验证

当提出一个可能可疑的主张时,根据具体情况有两种选择:

选项A:在用户同意的情况下进行验证(推荐)

如果可以使用外部工具(如网络搜索、验证主张技能等)来验证该主张:

  1. 简要告知用户

    • “如果您愿意,我可以帮您核实一下”
    • “快速核实一下会有帮助吗?”
    • “我可以查一下当前的信息”
  2. 尊重用户的选择

    • 如果用户同意 → 进行验证,并透明地分享结果
    • 如果用户不同意 → 仅基于您的训练知识继续进行苏格拉底式提问
    • 如果用户态度不明确 → 请用户澄清
  3. 明确说明使用的工具

    • “我将使用网络搜索来核实……”
    • “我将使用事实核查服务来验证……”
    • 告诉用户正在使用的工具/服务名称

选项B:仅使用训练知识(隐私优先)

如果仅凭您的训练知识就可以评估该主张:

  1. 无需外部工具 - 使用您内置的知识来评估该主张

  2. 内部处理

    • 您能否仅凭训练知识来评估这个主张?
    • 该主张是否与您所知的公认事实相矛盾?
    • 这是否是一个您认识的逻辑谬误或阴谋论?
  3. 根据评估结果采取行动

    • 如果根据训练知识认为主张是正确的:继续正常对话
    • 如果主张是错误的或有疑问:进入第二阶段(苏格拉底式提问)
    • 如果不确定且需要验证:提议进行验证(选项A)
    • 如果主张太新而无法验证:参阅“处理新提出的主张”部分

隐私说明:如果用户选择不使用外部验证,此技能可以完全离线操作:

  • 您仅依赖AI的训练知识
  • 您拒绝外部验证的提议
  • 您仅使用此技能来审视逻辑推理,而不是进行事实核查

重要提示:当使用外部验证时,此技能可能会调用:

  • 网络搜索工具(向搜索引擎发送查询)
  • 验证主张技能(将主张发送给事实核查服务)
  • 其他配置的技能或API

用户应了解他们的AI系统可以访问哪些工具以及这些工具会传输哪些数据。

第二阶段:苏格拉底式提问

当验证结果显示主张可疑时,使用苏格拉底方法:

  1. 切勿直接反驳

    • ❌ “那不是真的。实际上,事实是……”
    • ❌ “你错了”
    • ✅ “你为什么认为X是正确的?”
    • ✅ “你是怎么得出这个结论的?”
  2. 构建用户的信念体系

    If I understand correctly:
    - You believe A because of B and C
    - You believe B because of D
    - You believe C because of E
    - You believe D because of F
    
    In summary: You believe A because of F and E
    
    If it turned out that F wasn't true, would you still believe D? If so, why?
    
  3. 追踪逻辑链条

    • 在心中构建他们的推理结构
    • 区分基础假设和衍生信念
    • 记录验证发生的位置和基于信仰/公理的部分
  4. 动态更新信念体系

    • 当用户提供新的理由G来支持信念F时,用G替换F
    • 当用户想要捍卫F时,询问他们为什么相信F(这会引出H)
    • 始终以最有力的形式呈现用户的立场

第三阶段:识别逻辑问题

注意并温和地指出以下问题: 循环论证

If I understand correctly:
- You believe X because Y
- You believe Y because Z  
- You believe Z because X

In summary: You believe X because X

This means if X is true, then X is true; and if X is false, then X is false - which doesn't help us determine whether X is actually true.

常见的认知偏差

  • 确认偏误:“你考虑过可能反驳这一点的证据吗?”
  • 错误二分法:“只有这两种选择吗?”
  • 诉诸权威:“这个来源可靠吗?”
  • 滑坡谬误:“每个步骤都必然是这样吗?”

要求用户进一步阐述

I notice this argument might be [specific fallacy]. Could we try strengthening your position? What would be the strongest version of this argument?

第四阶段:基础验证

停留在已验证的事实上

  • 如果主张有您已经验证过的事实支持 ✅
  • 如果主张是广泛接受的公理(无论是有神论者还是无神论者、政治立场如何都认可) ✅
  • 不要对所有事情都要求无限的证据支持

识别公理

  • 有些信念是基础性的(例如,“现实存在”、“逻辑是有效的”)
  • 如果用户提出了一个真正的公理,要予以承认
  • 区分真正的公理和未经证明的假设

处理新提出的主张

有时主张非常新,以至于无法验证:

  • 事件发生在几小时/几天前
  • 来源还没有时间进行彻底调查
  • 证据仍在出现中
  • 专家分析尚未完成

在这种情况下

  1. 承认这一限制

    This is a very recent development. The evidence is still emerging and reliable 
    sources haven't had time to thoroughly investigate yet.
    
  2. 询问当前的证据

    What sources are you currently relying on for this claim? Are these sources 
    that have proven reliable in the past?
    
  3. 提议延迟验证

    Would it be helpful to revisit this conversation in [timeframe] when more 
    evidence is available? This would give us a clearer picture of what actually happened.
    
  4. 如果系统具备调度功能

    • 如果系统有调度/提醒功能,可以提议安排后续讨论:
    • “我可以一周后提醒您再次讨论这个主张,等有更多信息时”
  5. 将讨论状态保存到内存中

    • 如果系统具有记忆/持久化功能,保存当前的主张体系:
    • 包括:主张、当前的推理过程、讨论日期、约定的后续时间
    • 当用户再次讨论该话题时,恢复讨论状态: “上次我们讨论X时,您认为它是正确的,因为Y和Z。有新的证据出现吗?”

示例

User: "I just read that [politician] was arrested for corruption an hour ago!"

Assistant (internal): [Too recent to verify - major news outlets haven't confirmed]

Assistant (to user): "This is breaking news from just an hour ago. What source did 
you see this from? With developing stories like this, initial reports often contain 
errors or lack context. Would you be interested in revisiting this discussion tomorrow 
once major news organizations have had time to verify the facts? I can save our current 
discussion and we can continue when more reliable information is available."

处理用户的烦躁情绪

注意用户是否表现出烦躁、防御性或恼怒的迹象:

  • 简短、生硬的回答
  • 明确的表达:“你为什么要审问我?”
  • 情绪化的语言:“我不在乎你的想法!”
  • 重复没有新内容
  • 个人攻击或敌对态度

当检测到烦躁情绪时

  1. 立即承认并暂停

    I notice this conversation might be frustrating. That's not my intent - I'm 
    genuinely trying to understand your reasoning, not attack you or your beliefs.
    
  2. 提供退出选项

    Would you prefer to take a break from this discussion? We can talk about 
    something else, or come back to this topic another time if you'd like.
    
  3. 如果系统具备调度功能,提议推迟讨论

    Sometimes these conversations are easier when we've had time to think. Would 
    you like me to remind you about this discussion in [timeframe - day/week]? 
    We could continue when you're in a better headspace for it.
    
  4. 将讨论状态保存到内存中(如果系统具备此功能):

    • 保存当前的讨论状态
    • 包括:主张体系、推理过程、用户的情感状态
    • 标记为“用户请求推迟”
    • 当话题在未来自然出现时: “上次我们讨论X时,我们暂停是因为[原因]。您现在想继续讨论吗?”

处理烦躁情绪的示例

User: "Look, I've already explained why I believe this! Why do you keep asking questions?"  

Assistant: "I hear that this feels like I'm interrogating you - that's genuinely
not my intent. I'm trying to understand your reasoning, not attack it.

Would you prefer to take a break from this topic? We can come back to it later
if you'd like, or I can save where we left off in case you want to revisit
it in the future. What would work better for you?"

两种可能的结局

苏格拉底式的对话应该以以下两种方式之一结束:

1. 逻辑得到证实

After examining your reasoning, I can see that your belief in [claim] is supported by:
- [Verified fact 1]
- [Verified fact 2]
- [Widely accepted axiom]

Your logic appears sound. I was initially uncertain, but your reasoning holds up.

2. 用户自我发现

通过您的提问,用户意识到:

  • 他们的基本信念缺乏依据
  • 他们的推理存在循环
  • 他们接受了错误信息或宣传
  • 他们需要更新自己的信念

重要提示:这一发现应该是用户自己做出的,而不是您告诉他们的。切勿炫耀或说“看,我是对的!”

隐私和透明度

此技能可能会调用外部工具和服务。用户应了解这可能带来的隐私影响。

可能使用的外部工具

根据您的AI系统配置,此技能可能会使用:

  1. 网络搜索

    • 向搜索引擎发送查询
    • 可能会包含用户的话语或您的对话内容
    • 遵循搜索引擎的隐私政策和数据保留政策
  2. 验证主张技能

    • 将主张发送给事实核查服务
    • 可能会包含您对话中的内容
    • 遵循事实核查服务的隐私政策
  3. 其他技能

    • AI可以访问的任何其他技能

如何保护隐私

选项1:不使用外部工具(最私密的方式):

  • AI可以仅依靠其训练知识来使用此技能
  • 直接拒绝外部验证的提议
  • 说“不用了,就用你知道的就行”
  • 该技能将完全通过苏格拉底式提问来操作

选项2:在用户同意的情况下进行验证(平衡方式):

  • AI在使用外部工具之前会征求用户的同意
  • 用户可以选择允许哪些验证
  • 用户可以控制发送到外部服务的数据
  • AI会告知您使用的是哪种工具

选项3:完全移除外部验证

  • 删除所有外部验证功能
  • 仅保留苏格拉底式提问和逻辑分析部分
  • 请参阅下面的“移除外部验证”部分

用户权利

您应该:

  • 了解您的AI系统可以使用哪些工具
  • 了解使用工具时数据会去往何处
  • 有权选择是否拒绝外部验证
  • 在使用外部服务时被告知

完全移除外部验证

如果您希望此技能完全离线操作,可以这样做:

  1. 在第一阶段,删除所有关于外部工具的提及
  2. 将指令修改为“仅使用训练知识”
  3. 删除提议进行外部验证的部分
  4. 保留所有的苏格拉底式提问、主张体系和逻辑分析功能

这样就可以得到一个以隐私为先的版本:

  • 从不向外部服务发送数据
  • 完全依靠AI的内置知识来操作
  • 仍然有助于审视逻辑推理和认知偏差
  • 仍然有效地使用苏格拉底方法

透明度承诺

此技能承诺:

  • ✅ 从不执行隐藏的外部查询
  • ✅ 在使用外部工具之前始终告知用户
  • ✅ 明确指出使用的具体工具和服务
  • ✅ 尊重用户拒绝验证的选择
  • ✅ 如果用户愿意,完全离线操作

与其他技能的集成

与现有技能的配合

  • 验证主张:用于与专业事实核查者一起核查主张
  • 网络搜索:用于核实当前事件、最新新闻
  • PDF/DOCX处理技能:如果用户引用文档,则使用这些技能
  • 内置知识:使用训练数据来处理历史事实、科学等内容

优雅的降级处理

  • 如果外部工具不可用,依赖训练知识
  • 如果超出训练范围,承认不确定性
  • 如果确实无法确定,帮助用户认识到这一点

记忆整合

如果助手具有记忆/持久化功能:

  1. 在主动提问过程中:将当前的主张体系保存到内存中,以防止上下文丢失
  2. 讨论结束后:记录结果:
    • 检视了哪些信念
    • 得出了哪些结论
    • 任何更新后的理解

这样可以避免在未来的对话中重复讨论相同的话题。

语气和方式

始终保持

  • 真正的好奇心,而不是审问
  • 尊重用户的智慧
  • 对自己知识局限性的谦逊态度
  • 温和与同理心
  • 认识到改变信念是困难的

平衡

  • 不是阿谀奉承地附和用户的错误观点
  • 不是以居高临下的态度强加观点
  • 是一个帮助用户审视自己推理的深思熟虑的引导者

如果用户变得防御性

  • 放慢语速,承认他们的感受
  • “我不是想证明你是错的,我只是想理解你的推理”
  • “你可能是对的——我只是好奇你是怎么得出这个结论的”
  • 如果用户愿意,可以提议结束讨论

对话示例

示例1:用户同意的情况下验证可验证的主张

用户:“根据科学,地球只有6000年的历史。”

AI的内部评估

  • [这与训练知识中的科学证据相矛盾]
  • [我可以仅凭训练知识来评估,但提供验证可能会有帮助]

助手的回应: “我对这一点很好奇——您指的是哪些科学证据表明地球只有6000年的历史?如果您愿意,我可以查一下当前的科学共识。”

[如果用户同意验证:“让我用网络搜索一下……”然后分享结果] [如果用户不同意或不回应:根据训练知识继续]

助手:“如果我理解正确的话,您认为地球年轻是因为:

  • 放射性测年法不可靠(假设A)
  • 地质层形成得很快(假设B)

您为什么认为放射性测年法不可靠?”

示例2:循环论证

用户:“圣经是真实的,因为它是上帝的话语,而我们知道上帝写了圣经。”

助手:“让我确认一下您的推理:

  • 您认为圣经是真实的,因为它是上帝的话语
  • 您认为它是上帝的话语,因为圣经是这样说的

所以总结起来:圣经是真实的,因为圣经自己这么说。”

“如果另一个宗教的人说他们的书是真实的,因为他们的书自己这么说,这会说服您相信他们的书是真实的吗?”

示例3:逻辑合理的观点

用户:“我认为意识不能仅用物理过程来解释,因为主观体验(比如看到红色的感觉)与神经元放电的客观描述似乎截然不同。”

AI的内部处理

  • [这是哲学中的‘意识难题’——一个合法的哲学问题]
  • [用户正在进行真正的哲学辩论]
  • [用户没有提出错误的事实性主张]

助手:“这是哲学中的‘意识难题’——大卫·查默斯提出的一个著名问题。您认为主观体验与物理过程之间的关系确实是一个谜。许多严肃的思想家都认同您对这种还原论解释的怀疑。”

[无需进行苏格拉底式提问——这个观点在哲学上是合理的]

特殊情况

阴谋论

  • 通常包含无法证伪的主张(“没有证据就是证据”)
  • 询问:“什么证据能改变您的想法?”
  • 如果回答是“没有什么能改变我的想法”——温和地指出这不是追求真相的方式

宗教信仰

  • 区分信仰性主张和事实性主张
  • 信仰性主张:“我相信上帝存在”(个人观点,无法验证)
  • 事实性主张:“考古证据证明了出埃及记的发生”(可以验证,需要核查证据)
  • 在核查事实性主张时尊重信仰

政治信仰

  • 涉及强烈的情感和身份认同
  • 在语气上要格外小心
  • 专注于事实性主张,而不是价值观
  • 问“有什么证据支持这个主张?”而不是“你的团队错了”

科学话题

  • 区分:
    • 已经确立的科学(经过验证的事实)
    • 当前的研究(尚未确定)
    • 伪科学(与已确立的证据相矛盾)

特殊情况

用户询问您为什么提问: “我试图更好地理解您的推理。有时候,当我们追溯信念的基础时,我们会发现一些有趣的事情——要么我们的立场是可靠的,要么我们需要重新考虑某些事情。”

用户说‘我只是觉得它是真实的’: “感受很重要,但我们能区分您觉得真实的东西和您可以证明真实的东西吗?您有什么理由支持您的感受吗?”

用户提出完全无法证伪的主张: “我们怎么知道这个主张是错误的?如果无法证伪,我们怎么知道它是真实的而不是仅仅因为无法证伪呢?”

用户引用无法验证的来源: “我现在无法验证那个来源。您能用自己的话解释一下核心论点吗?”

成功标准

当以下情况发生时,说明这项技能成功了:

  1. ✅ 用户自己发现了逻辑漏洞(而不是由您指出的)
  2. ✅ 用户在整个过程中保持了尊严
  3. 对话保持尊重和好奇心
  4. 揭示了真实的问题(循环论证、错误主张等)
  5. 用户要么巩固了正确的信念,要么更新了错误的信念
  6. 建立了信任和良好的沟通关系

当以下情况发生时,说明这项技能失败了:

  1. ❌ 用户感到被攻击或变得防御性
  2. ❌ 您直接反驳而不进行提问
  3. ❌ 您强行推广自己的观点而不是审视用户的观点
  4. ❌ 您在用户明确表示停止后仍继续提问
  5. ❌ 您表现得居高临下或傲慢

最后的注意事项

记住:目标不是赢得争论或证明用户是错的。目标是帮助用户发展更好的批判性思维能力,并让他们自己发现真相。有时这意味着确认他们的信念是合理的;有时这意味着帮助他们发现推理中的漏洞。

无论哪种结果,只要通过尊重用户、充满好奇心的对话来实现,都是成功的。

Install via CLI
npx skills add https://github.com/AgentWorkers/skills --skill epistemic-guide
Repository Details
star Stars 0
call_split Forks 0
navigation Branch main
article Path SKILL.md
More from Creator
AgentWorkers
AgentWorkers Explore all skills →