Counter Evidence Hunter

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. 直接冲突的证据（counter_evidence）
2. 可能推翻结论的条件（flip_conditions）
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

{
  "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）",
  "canonical_time_frame": "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：

{
  "unexpected_findings": [
    {
      "finding": "string — 意外发现的内容",
      "finding_type": "assumption_crack | overconfident_signal | new_dimension",
      "suggested_counter_query": "string — 建议的反证搜索方向"
    }
  ]
}

输出格式

{
  "dynamic_queries": [
    {
      "query": "string — 动态生成的反证查询",
      "trigger": "assumption_crack | overconfident_signal | new_dimension",
      "origin": "dynamic (unexpected finding)"
    }
  ],
  "all_counter_queries": [
    // 预设 counter_queries + dynamic_queries 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",
      "expected_counter_type": "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",
      "impact_if_triggered": "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",
      "compatibility_with_mainline": "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"
      },
      "counter_evidence_sufficiency": {
        "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"
      }
    },
    "scoring_formula": "source_quality*0.25 + coverage*0.20 + freshness*0.20 + counter*0.20 + 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. 分析主线命题：拆解 mainline_claim 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 counter_queries（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 counter_queries 合并去重 → 输出 all_counter_queries
3. 执行搜索：对每条 query 执行搜索，收集结果
4. 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）
5. 提炼翻转条件：从有效反证中提取结构化的 flip_conditions（参考 references/flip-condition-examples.md）
6. 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 alternative_supports 部分）
7. 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

分段解读

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）