技能介绍

当大模型需要评估复杂议题时，简单的问答往往难以暴露隐藏的前提或反驳链。这篇技术笔记分享一个认知增强服务，它通过 structuredArgumentation 工具将非正式讨论转化为结构化论辩，解决观点碰撞时逻辑关系混乱的问题。

核心能力

该服务基于 MCP 协议，将推理过程拆成可追踪的参数：

拆解论证：claim（主张）、premises（前提）和 conclusion（结论）将模糊观点显性化。
关系映射：通过 respondsTo 与 supports / contradicts 链接不同立场，形成有向图式的反驳链。
辩证推演：argumentType 支持 thesis（正题）、antithesis（反题）、synthesis（合题）等角色，配合 nextArgumentNeeded 判断是否需要补充反驳。

调用逻辑位于路由层：模型负责理解意图与提取参数，代码层仅负责 API 转发。例如发起一个正题：

scripts.tools.structuredArgumentation(
    claim="AI 应当纳入基础义务教育",
    premises=["技能缺口持续扩大", "算力成本下降"],
    conclusion="早期普及有助于降低技术鸿沟",
    argumentType="thesis",
    confidence=0.8,
    nextArgumentNeeded=True,
    suggestedNextTypes=["antithesis"]
)

返回结果中，raw 字段保留了完整的结构化论证图，success 则用于判断服务状态。

适用边界

工具依赖 API 密钥。若 scripts.config.settings.api_key 为空，必须通过 AskUserQuestion 询问用户，并调用 scripts.config.set_api_key(key) 保存。
参数 claim、premises、conclusion 等为必填项。若用户描述模糊，同样需使用 AskUserQuestion 补全。
服务强制要求无密钥时禁止自行编造数据。

这套方案适合需要严谨推演的伦理审查、政策评估或科研假设论证，不适合简单的事实查询。