Hegel-RAG-Lab

一个面向黑格尔哲学学习的中文知识库、评测集、RAG 对话 Agent 与可复用方法模板。

项目目标

Hegel-RAG-Lab 研究如何把难读、体系性强且容易被误解的黑格尔文本，整理成可检索、可解释、可评估、可持续改进的学习系统。核心方法是将概念入口、具体文本语境、原子主张、来源定位和二手解释分层表示。

项目不以模仿黑格尔口吻为主要目标，也不替代原典、课程或专业研究。我们更关心：模型能否给出有文本依据、概念准确、对学生有帮助的解释。

四个模块

模块	作用	当前状态
Hegel Knowledge Base	概念卡、章节导读、术语关系与常见误解	建设中
HegelBench-ZH	中文黑格尔问答题、答案要点和评分标准	建设中
Hegel Tutor Agent	基于知识库检索的学习型对话 Demo	原型阶段
Philosopher-RAG Template	可迁移到其他思想家的数据与评测方法	规划中

当前里程碑

第一个数据闭环围绕“承认（Anerkennung）”展开：

1. 建立概念入口和一个具体文本语境。
2. 把关键断言拆成带来源的原子主张。
3. 建立五道开发集问题。
4. 对初稿诊断、修订并完成哲学内容复审。
5. 上传 RAG 系统检查召回，并盲评 Agent 原始回答。
6. 根据错误修改数据并复测。

当前内容是待审核的项目初稿，不能视为权威哲学解释。

数据目录

data/knowledge/     著作、概念、语境、来源、主张和解释立场
data/benchmark/     不直接喂给 Agent 的评测数据
data/schemas/       数据字段规范
eval/               评分标准、审核表和结果
prompts/            Agent 行为提示词
scripts/            数据检查工具
tests/              自动化测试

数据原则

• 区分原文、转述、编者概括、学术解释和教学解释。
• 将概念绑定到具体著作、章节和论证语境。
• 每条关键主张关联可检查的来源定位。
• 不编造引文、页码或参考文献。
• 不把有争议的解释写成唯一结论。
• 模型可以辅助生成初稿，但不能批准自己的内容。
• 搜索摘要只能发现文献，不能代替论文正文核验。
• 现代中文译本全文和扫描 PDF 不进入公开仓库。

本地检查

python -m unittest discover -s tests -v
python scripts/validate_data.py

参与贡献

提交数据前请阅读 CONTRIBUTING.md。发现概念错误、来源问题或教学解释不清时，欢迎提交 Issue。