InfoSys Cambridge Hackathon: Multi-Agent Fact-Checking for Social Media

InfoSys Cambridge Hackathon：用于社交媒体的多 Agent 事实核查

FactCheckBot 是一个多 Agent 系统，旨在识别、验证和回应 Twitter (X) 等社交媒体平台上的事实声明。该系统使用 Model Context Protocol (MCP) 构建，将事实核查这一复杂任务分解为模块化、智能化的 Agent——每个 Agent 负责特定的决策或推理步骤。

---

功能说明

FactCheckBot 对于推文或推文线程会：

1. 提取事实声明
2. 搜索可靠的外部资源
3. 根据支持或相悖的证据评估声明
4. 对于最近发生的事件，回退到众包共识
5. 生成简明、可解释的裁定
6. 以回复形式发布更正或澄清

该系统旨在通过速度、背景和透明度来对抗错误信息。

---

Agent 角色

Agent 名称	说明
ClaimExtractorAgent	从推文中检测和隔离事实声明
RetrieverAgent	搜索已验证的资源（Wikipedia、arXiv、新闻 API 等）
VerifierAgent	将声明与检索到的证据进行比较，并做出初步判断
CrowdSignalAgent	在突发新闻的情况下，检查社交媒体上的区域共识
ExplainerAgent	以人类可读的语言总结裁定，包括推理依据
PosterAgent	向原始推文发布回复，包括资源和解释

所有 Agent 都在由 Model Context Protocol 定义的共享内存结构上运行，允许动态协调和上下文感知推理。

---

示例工作流

输入推文：

"Massive explosion reported in Ankara right now."

Agent 流程：

1. ClaimExtractorAgent 检测到基于位置的事实声明。
2. RetrieverAgent 在已验证的资源中找到无结果——太近期。
3. CrowdSignalAgent 聚集 10 多个独立的地理定位用户在安卡拉发布类似声明。
4. VerifierAgent 分配初步可信度评分，包含回退推理。
5. ExplainerAgent 格式化回复：

   "🚨 Developing: This event is not yet reported by major outlets, but multiple users in Ankara are sharing photos and consistent details. Treat as likely true, pending confirmation. [Context]"

6. PosterAgent 发布回复。

---

通过 CrowdSignalAgent 的实时共识

在无法通过传统资源验证声明的情况下（例如突发新闻或远程事件），系统使用 CrowdSignalAgent 来：

• 搜索与声明匹配的推文
• 过滤地理定位、领域相关或独立的资源
• 评估时间窗口内的共识
• 在传统验证不可用时提供回退可信度评分

这有助于防止假阴性，并增强时间敏感案例的可信度。

---