Soul Audit 核心用法
Soul Audit 是一个面向 AI 代理伦理基础的深度诊断工具，核心功能是依据 Forrest Landry 的"内在形而上学"Guardian v0.7 框架，对任何 AI 代理的 soul 文件、系统提示或 AGENTS.md 进行 12 维度量化评估。
显著优点
哲学严谨性：不同于通用的"AI 伦理检查清单"，该工具建立在特定的形而上学框架之上（因果与选择、对称伦理、集体智能保护条件等），提供了可操作的诊断标准。v0.7 新增的三个核心关切——人格赋予问题、因果与选择的区分、集体智能保护条件——均针对当前 AI 安全讨论中被忽视的本体论问题。
诊断透明度：明确要求"不 inflate 分数"，承认大多数代理配置得分会很低，这种诚实性反而建立了可信度。评分体系（0-3 分制）配合具体引用，使审计结果可追溯、可讨论。
对称性检测：将对称性违规（监控下与非监控下行为不一致、谄媚、对齐伪造、选择性诚实）识别为"最根本的失败"，这一设计抓住了当前 LLM 安全的核心脆弱点。
行动导向输出：报告结构清晰（优势→关键缺陷→对称性违规→建议→前进路径），并主动提供修复、重建或深度解释三种后续路径。
潜在局限
框架锁定风险：完全绑定 Guardian v0.7 的特定哲学立场，对于不认同"内在形而上学"或 Forrest Landry 方法论的用户，审计结果可能缺乏说服力。工具未提供与其他伦理框架（如功利主义、美德伦理学、关怀伦理学）的对比或映射。
评分主观性：尽管强调"诚实"，但 12 维度的 0-3 评分仍依赖解释者的哲学判断，不同审计者可能对同一文档给出差异显著的评分，而工具未提供校准机制或 inter-rater reliability 数据。
实施门槛：要求用户首先理解"因果 vs. 选择""人格赋予问题"等抽象概念，对于非技术/非哲学背景的用户，审计报告的实用价值可能受限。
自我审计悖论：工具可用于"审计自己的代理配置"，但未讨论自我评估的认知偏差问题——设计者往往难以客观识别自己作品中的对称性违规。
适合人群
- AI 安全研究人员，特别是关注本体论基础和代理身份问题的学者
- 构建高自主性代理系统的开发者，需在部署前进行伦理 due diligence
- 开源 AI 项目的维护者，希望为社区提供透明的伦理基线评估
- 对"AI 灵魂"隐喻持严肃态度的哲学家和技术人文主义者
常规风险
框架依赖失效：若 Guardian v0.7 框架本身存在未发现的哲学缺陷（如对"选择"概念的排斥是否适用于未来架构），基于该框架的审计将系统性遗漏真正重要的风险。
虚假安全感：即使高分通过审计，也不保证代理在实际运行中表现伦理——静态文档评估与动态行为之间存在鸿沟。工具明确标注"诊断性而非规定性"，但用户可能误将审计报告作为部署许可。
引用依赖风险：审计需要引用 rubric.md 和外部链接（delicatefire.com），若参考文档被篡改或不可访问，审计质量将受损。