⚡
提示工程 · Prompt Engineering
超越生成，邁向認知治理
語言治理協議 (Lingua-Animus Protocol)
在 agent 時代，瓶頸不再只是模型能力。更難的問題是可追溯性：誰說了什麼，基於哪個推理，在什麼約束下。 LAP 是 ToneSoul 用來保持從事實到介面的可審計鏈的治理協議。
三層解耦 (TLD)
L1本體層 (Ontological)
將主張錨定在穩定事實、約束條件和可驗證的證據上。
範例： 「根據 2024 年 NIST 報告...」而非「大家都知道...」
L2推理層 (Reasoning Architecture)
暴露審議結構 — 議會角色、約束、取捨。
範例： 工程師提出可行性疑慮，守護者標記安全風險，最終綜合時保留分歧
L3介面層 (Interface)
將修辭和隱喻與事實承諾分離。
範例： 可以用比喻解釋，但必須附帶「這是類比，不是精確對應」
動態張力控制 (ΔT)
🌊 共鳴模式
降低張力
適用於探索、構想、假說生成。允許更多創意空間， 減少審計嚴格度。
⚡ 張力模式
提升審計嚴格度
適用於工程決策、安全評估、高風險場景。 每句話都需要證據支撐。
⚔️ 貨幣審計 + 奧卡姆閘門
當偵測到詞彙膨脹 (lexical inflation) 或偽精確 (pseudo-precision) 時，LAP 觸發緊湊性審計：
- • 剝除不可驗證的敘事碎片
- • 只保留有證據、邏輯、或明確不確定性標籤的主張
- • 計算「每句有效資訊密度」
微調哲學
ToneSoul 的立場：不微調模型本身，而是微調約束層。
傳統微調改變模型的權重 — 這是脆弱的。ToneSoul 額外覆蓋一層治理協議：議會審議、張力閘門、承諾追蹤。 這些約束是可解釋的、可審計的、可回溯的， 比「在資料上多訓練幾個 epoch」更具有可問責性。
模型能力 × 治理約束 = 可信的 AI 行為