核心用法
Epistemic Guide 是一个对话增强型技能，当用户在敏感话题（哲学、宗教、科学、政治、阴谋论等）发表可能有问题的声明时自动触发。其核心工作流程分为四个阶段：
第一阶段：透明验证 — 提供两种验证路径。路径A需用户明确同意后才调用外部工具（如网页搜索、事实核查服务），并明确告知使用的具体工具；路径B完全基于AI训练知识进行内部评估，无需任何外部调用，实现隐私优先。
第二阶段：苏格拉底式提问 — 绝不直接反驳用户，而是通过"信念栈构建"技术将用户的推理链条可视化，引导用户追溯每个信念的依据，直至找到基础假设或验证事实。
第三阶段：识别逻辑问题 — 温和地揭示循环论证、认知偏误（确认偏误、虚假二分法、诉诸权威等），并邀请用户强化其立场（steelmanning）。
第四阶段：基础检查 — 区分已验证事实、广泛接受的公理与未经证实的假设，避免无限回溯。
特殊机制：针对突发新闻等"过于新鲜无法验证"的声明，提供延迟验证和状态保存功能；针对用户情绪烦躁，提供即时暂停、退出和预约继续机制。
显著优点
1. 隐私优先架构：可完全离线运行，所有外部验证均为可选，用户拥有完全的数据控制权
2. 教育而非说服：通过自我发现而非直接纠正，保护用户尊严，降低防御心理
3. 透明度高：明确披露所有可能调用的工具及其隐私政策，无隐蔽行为
4. 情绪智能：内置用户烦躁检测和优雅退出机制，避免对话升级
5. 灵活适配：支持记忆持久化、调度提醒等可选系统功能，同时保持优雅降级
6. 领域广泛：覆盖哲学、科学、政治、宗教等多类敏感话题，区分事实声明与信仰主张
潜在缺点与局限性
1. 依赖用户配合度：苏格拉底方法需要用户愿意参与深度反思，对抵触型用户效果有限
2. 训练知识边界：离线模式下受限于AI知识截止日期，对最新事件判断可能滞后
3. 外部验证延迟：事实核查服务响应可能影响对话流畅性
4. 文化敏感性挑战：不同文化对"质疑"的接受度差异大，统一话术可能不适用所有场景
5. 无法强制真理：设计哲学强调用户自主，对坚持错误信念的用户无强制纠正手段
适合的目标群体
- 希望培养批判性思维的学生、研究者
- 愿意审视自身信念的开放型思考者
- 需要处理敏感话题讨论的客服、教育工作者
- 关注隐私、不愿数据外泄的谨慎用户
- 哲学、科学传播领域的专业人士
使用风险
1. 性能风险：外部工具调用可能引入延迟，建议在高带宽环境使用验证功能
2. 依赖项风险：如系统未配置记忆功能，长对话的上下文可能丢失
3. 情绪风险：敏感话题讨论可能触发用户不适，需严格遵循退出机制
4. 误触发风险：日常对话中的玩笑或假设性陈述可能被误判为可疑声明
5. 验证偏差风险：外部事实核查服务本身可能存在立场偏差，需保持批判性审视