观点-事实分离与可信度评估引擎

它解决什么问题

金融研报、财经新闻和投资建议里常混着三类东西：可核查事实、作者判断、未经验证的断言。直接引用会出问题：把“预计营收增长”当事实、把匿名股吧帖当权威依据，或者无法解释某个观点为什么可信。这个技能把文本评估拆成可审计步骤：先分类信息类型，再判断证据来源，再评估逻辑质量，最后建立事实与观点的支撑关系。

核心工作方式

• 信息分类：REALAnalyzer 基于关键词、数据模式和观点词，把内容标为 FACT、OPINION 或 UNKNOWN；会先处理“我们认为/我们预计”等句首引导词，减少常见误判。
• 可信度评估：分 HUMAN_TESTIMONY 与 PHYSICAL_EVIDENCE 两条线。监管文件、年报、审计、主流财经媒体、券商研报等来源有基准分；角色如监管官员、高管、首席分析师、散户/KOL 也按基准分调整，并叠加时效、来源类型等修正。
• 逻辑质量：检查逻辑连接词、前提条件、数字引用和信息量，给出 strong、acceptable、weak、invalid 等判断。
• 事实-观点链接：semantic_support_score 用词汇重叠与数字匹配率连接观点与支撑事实，取匹配度最高的前 3 条。

适用边界

该技能适合中文金融文本、研报解读、新闻验证和建议审查。规则依赖关键词，不能保证 100% 准确；semantic_support_score 是简化版，高分不等于强因果；batch_analyze 不跨调用保留事实库，追加分析更适合使用状态化分析器。