政策辩论裁判

要解决什么问题

政策议题往往牵涉多种经济学传统：新古典、凯恩斯、奥地利、制度主义等各自的前提与论证套路不同。若只想对比不同学派如何打同一辩题，或需要一份带量表、可复盘的结构化交锋记录，手工扮演双方再加点评成本很高，且难以统一回合制与评分维度。

技能如何工作

核心编排器是 DebateArena（debate_judge/arena.py）。你为辩题/resolution 选定两位辩手人设（来自 config/personas.yaml 的 8 种经济学流派，含关键假设、价值优先级、修辞风格、约束与典型论证动作），并指定一种辩论赛制（debate_judge/formats.py 中的 PolicyDebateFormat 等共 3 种），系统按回合强制发言顺序。

每场交锋由第三方 裁判 LLM 评分：ScoringRubric（debate_judge/scoring.py）在 6 个加权维度上汇总每轮得分，同时用 _FALLACY_PATTERNS 中的正则启发式标记 7 类逻辑谬误（如人身攻击、稻草人、虚假二分、诉诸权威、滑坡论证等）。各轮分数累加后生成 Final Verdict，并输出完整 DebateTranscript（发言者、内容与逐轮打分拆解）。

依赖上需要 OpenAI 兼容的 LLM 端点（Ollama、OpenAPI 等）以及 PyYAML 加载人设。

适用边界

• 会做：双 LLM 辩手 + LLM 裁判的结构化政策辩论模拟与论证质量打分。
• 不会做：不提供辩论技巧教学；不支持真人实时裁判；不自动生成辩题（议题须由你提供）；人设库以经济学流派为主，非通用论辩框架。
• 注意：谬误检测是正则启发式，不能覆盖所有谬误；裁判量表强调实质交锋而非辞藻或意识形态站队，但 LLM 裁判仍可能带有训练数据中的隐性偏差。