AI多智能体驱动爱坤生成：一种学术引用中介对象的概念验证模拟

摘要

已有研究提出“解释性知识节点”（Interpretive Knowledge Node——IKN，以下简称"爱坤"）作为学术引用中介对象的概念框架，指出 AI 可能改变知识中介的生产成本结构（Li & Cao, 2026），但未涉及工程实现。本文通过模拟实验回答一个前置性问题：爱坤能否通过 AI 多智能体系统生成？我们设计了含知识提取、事实核验、批判分析三个角色的辩论生成框架，模拟了 GPT-4o、Claude 3.5 Sonnet、Gemini 1.5 Pro 三模型对 DeepSeek-Coder 论文（Guo et al., 2024）的爱坤生成过程。模拟结果显示，该框架可产出具备来源映射、置信标注与争议记录的知识单元（Knowledge Unit——KU，以下简称"坤"），多模型交叉验证可修正单一模型的幻觉偏差。本文进而在假想期刊 R 场景下分析了规模化可行性，并在模拟中发现了验证机制的元层次局限——辩论修正了坤内部的错误，却未能察觉研究对象本身的混淆。本文的核心方法论声明与实证材料均来自同一模拟过程，两者构成自指性递归关系。本文作为 Li 和 Cao（2026）的概念验证模拟，不涉及真实 AI 调用与理论扩展。

关键词