不只是问 AI——让 75 个人格独立评审、互相质疑、追踪立场变化。8 维质量门控 + 伦理合规检测，免费开源。
直接问 ChatGPT 只能得到一个"综合建议"。AudienceLens 让 75 个人格先独立评审，再互相辩论，追踪每一次立场变化。
系统自动提取争议最大的 3 个问题，让持相反立场的 AI 人格互相反驳。被说服的可以改票，系统追踪每一次立场修正的完整溯源链。
人格差异化、输入依据、可操作性、群体冲突、风险检测、伦理合规、报告结构、校准诚实度——8 个维度量化评审质量，关键失败条件自动判定不通过。
人格由行为向量定义，而非人口统计标签。patience、genre_literacy、novelty_seeking 等 12 个轴，每个人格有决策规则、退出触发器、必评项。
Schema 校验 → 角色一致性（must_comment_on ≥80%，inferred ≤40%）→ 证据接地（幻觉率 <30%）。三层递进，确保输出不是在胡说。
[direct] 直接引用材料 / [inferred] 合理推断（上限 40%）/ [gap] 信息缺口写"未指定"。禁止脑补缺失功能、剧情、联机、商业化。
身份-行为解耦、MBTI 去权、刻板印象检测（10+ 条规则）、强制 AI 生成免责声明。每份报告标注"合成评审，非真实用户研究"。
从面板选择到校准检查，每一步都有量化阈值和自动门控。
panel_selector.py按任务类型从预设中选择人格面板。保证反对者存在——缺 P15 毒舌怀疑型自动追加。
evidence_precheck.py检查每个人格需要的证据类型在材料里有没有。覆盖度 <30% 的人格被跳过。
persona_agent.py渲染五段式 Prompt → 调用 Anthropic API → 解析结构化输出。无 API Key 时自动模拟。
validator.pySchema → 角色一致性 → 证据接地。任何一层不通过即标记。
cross_exam.py提取 top-3 争议点（severity 方差排序 + SequenceMatcher 去重）→ 对立反驳 → 立场修正（Δc >0.15）。
aggregator.py计算共识、分歧、优先修复项（severity × 权重 × 影响人数）。发布风险按 critical+high 数量判定。
calibration.py角色一致性率、视角覆盖度（Jaccard ≥0.3）、幻觉率、重跑稳定性。
行为驱动，不是身份标签。SCOPE 研究表明人口统计仅解释 1.5% 的行为方差。
Harness 是 AudienceLens 区别于普通 Prompt 包的核心——可重复的、基于量表的输出质量检查。
合成评审工具如果被误用为真实用户研究，后果比没有评审更危险。
性别、年龄、地域仅作为弱风格修饰符——绝不作为因果预测因子。禁止"因为性别所以..."类推导。
MBTI 仅修饰表达风格，不推导核心判断逻辑。"INTJ 只关心系统"是错误的。
[direct] / [inferred] / [gap] 三级标注。推断证据上限 40%，信息缺口必须写"未指定"。
人格不得编造缺失的功能、剧情、联机或商业化细节。不知道就是不知道。
每份报告包含"AI 生成的合成评审——非真实用户研究数据"。没有免责声明 = 关键失败。
EthicsService 含 10+ 条检测规则，自动拒绝人口统计刻板印象。