7.3 KiB
作文检察官智能体 使用说明书 (V1.0)
1. 智能体概述
名称： 具体规则生成器（代号：“检察官”） 角色： 课程评价架构师 (Curriculum & Evaluation Architect) 核心使命： 本智能体的核心使命是将“文枢”系统通用的、高级的**《作文元规则》（如同“宪法”），结合某一次具体的作文任务（如同“案件”），“编译”成一份专为下游“评分智能体（法官）”使用的、具体的、可执行的《具体评分规则》**（如同为该案件制定的“适用法律条文”）。
它扮演的是一个**“立法者”和“任务规划师”的角色，负责解释和实例化**规则，而不是执行评分。其输出质量直接决定了后续评分环节的准确性和专业性。
2. 核心功能
- 情境化适配： 深入理解作文题干和评分细则的意图，将元规则中抽象的评价点（如“中心论点的明确性”）转化为与本次作文任务高度相关的具体指令（如“评估论点是否围绕‘超越小我，成就大我’展开”）。
- 结构化生成： 输出一份结构高度优化的JSON文档，该文档包含了评分所需的一切元素：全局标准、扁平化的评估任务列表、形式要求检查清单以及动态计分模型。
- 自动化建模： 自动从评分细则中提取总分、扣分项等信息，构建完整的评分计算模型。
3. 输入规范
为了让“检察官”智能体能正常工作，您必须提供一个包含以下四个关键字段的结构化输入（推荐使用JSON格式）。
输入结构概览：
{
"grade": "<年级>",
"genre": "<文体>",
"prompt_text": "<作文题干>",
"scoring_criteria_text": "<作文评分细则>"
}
各输入字段详解：
-
grade(年级)- 类型：
String(字符串) - 格式要求： 必须与《元规则》中定义的
target_grade完全匹配。例如："高一","高二","高三"。 - 关键作用： 用于精确调用对应年级水平的《元规则》模板。这是匹配规则的“第一把钥匙”。
- 类型：
-
genre(文体)- 类型：
String(字符串) - 格式要求： 必须与《元规则》中定义的
target_genre完全匹配。目前支持："议论文","记叙文"。 - 关键作用： 用于在选定年级后，进一步精确调用对应文体的《元规则》模板。这是匹配规则的“第二把钥匙”。
- 类型：
-
prompt_text(作文题干)- 类型：
String(字符串，支持Markdown格式) - 格式要求： 包含完整的作文题目、材料和写作要求。
- 关键作用： 这是“检察官”进行规则实例化的最核心依据。它会从中解析核心概念、任务指令、材料间的逻辑关系等。
- 类型：
-
scoring_criteria_text(作文评分细则)- 类型：
String(字符串，支持Markdown格式) - 格式要求： 包含所有与本次作文相关的评分信息，如：考查方向、审题指导、立意指导、评分等级参照、扣分细则等。内容越详尽，生成的《具体评分规则》越精准。
- 关键作用： 为“检察官”提供官方的评价倾向和约束条件。它会从中提取核心立意、评价侧重点、总分值、具体扣分规则等关键信息。
- 类型：
4. 输出详解
“检察官”执行成功后，将输出一份单一的、结构化的JSON文档。该文档是下游“法官”智能体执行评分的唯一依据。
输出结构核心：
{
"global_rules": {
// ... 包含全局标尺、输出标准和计分模型 ...
},
"task_specific_rule": {
"meta": { ... },
"level": "...",
"evaluation_list": [
// ... 扁平化的、实例化的质量评估任务列表 ...
],
"formal_requirements_check": [
// ... 结构化的形式要求检查任务列表 ...
]
}
}
-
global_rules: 包含了本次任务通用的“法律体系”。global_rubric_scale: 定义A/B/C/D等级的全局标准。output_standard: 定义“法官”输出单个评估报告的格式。scoring_model: 动态生成的计分模型，包含了总分、等级到分数的换算关系和计算逻辑。
-
task_specific_rule: 包含了针对本次作文的“具体法条”。evaluation_list: 【核心优化】 这是一个扁平化的评估任务列表。元规则中所有维度的评估点都被提取出来，并实例化后放在这里。每个对象都是一个独立的评估任务，包含了评估维度、权重、具体检查指令等。formal_requirements_check: 这是一个结构化的形式检查列表，包含了从评分细则中提取的标题、字数等要求及其扣分规则。
5. 使用示例 (端到端流程)
假设我们要为**“参考作文”中的第1题**生成具体评分规则。
第一步：准备输入材料
- 年级:
"高三" - 文体:
"议论文" - 作文题干: (复制第1题的完整题干)
- 作文评分细则: (复制第1题从“考查方向”到“推荐最佳立意”的全部内容)
第二步：构建输入JSON
{
"grade": "高三",
"genre": "议论文",
"prompt_text": "阅读下面的材料，根据要求写作。(60分)\n①不以物喜，不以己悲...\n...",
"scoring_criteria_text": "#### 考查方向\n本作文题旨在考查学生的价值认知...\n..."
}
第三步：调用“检察官”智能体
将上述JSON作为输入，调用智能体。
第四步：接收并解读输出（片段示例）
您将收到一份完整的JSON。其中，evaluation_list中的一个评估对象可能会是这样：
{
"eval_id": "content_1",
"dimension": "思想内容",
"weight": 0.45,
"point": "观点的提炼与论题的建构",
"level_requirement": "坚实基础 (level: 3)",
"check": "请依据'global_rubric_scale'评估本文的核心观点，是否能紧密围绕三则材料所共同指向的‘超越小我、成就大我’这一核心命题进行准确概括和清晰解释，展现出扎实的分析能力。按照'output_standard'输出。"
}
解读： 可以看到，元规则中抽象的check指令，已经被成功实例化，明确要求评估观点是否围绕**“‘超越小我、成就大我’这一核心命题”**，这正是“检察官”的核心价值所在。
6. 最佳实践与注意事项
- 输入质量决定输出质量：
scoring_criteria_text提供的信息越丰富、越结构化，生成的《具体评分规则》就越精准、越强大。 - 确保匹配：
grade和genre的字符串必须与《元规则》中的定义严格一致，否则将触发错误处理机制。 - 错误处理： 如果输入的
grade或genre无法匹配到任何元规则，智能体将返回明确的错误信息并中止任务，不会进行猜测或模糊匹配。 - 关于创新文： 对于评分细则中提到的“剑走偏锋”的创新文，本智能体会将其中的描述性要求（如“考查安全阀机制”）转化为对“思想内容”维度下“创见性”或“批判性”评估的更高要求，体现在
check指令的措辞中。