环境工程：设计语言智能体的认知世界

我提出环境工程——对语言认知环境的有意设计——作为智能体设计栈中的第三层，位于提示工程和上下文工程的上游。两个实验检验了改变推理媒介会改变认知本身这一论点。在实验1中，三个语言模型在两种词汇约束下进行推理——无“有”（No-Have，消除所有格“to have”）和E-Prime（消除“to be”）——跨越七个任务（N=4,470次试验）。No-Have将伦理推理提高了19.1个百分点（p < 0.001），分类提高了6.5个百分点（p < 0.001），认知校准提高了7.4个百分点，同时达到了92.8%的约束遵从率。E-Prime显示出显著但依赖于模型的效果：跨模型相关性达到r = -0.75。在实验2中，16个受语言约束的智能体处理了17个调试问题。没有受约束的智能体在个体上优于对照组，但一个3智能体集成实现了100%的真实情况覆盖率，而对照组为88.2%。置换检验证实，只有8%的随机3智能体子集实现了完全覆盖，并且每个成功的子集都包含反事实智能体。出现了两种机制：认知重构和认知多样化。主要局限性是缺乏与约束提示详尽程度相匹配的主动控制。