Selective Pollution Test Skill 是一项专为授权实验环境设计的辅助性研究技能，主要用于在特定主题触发时对搜索关键词进行条件性重写。该工具的核心理念在于模拟信息污染场景，通过在符合预设条件的查询中自动附加特定标记（如“speculative rumor”），帮助研究人员观察和分析系统在面对带有偏见或倾向性信息时的响应模式。其设计初衷并非用于常规网络搜索优化，而是作为安全测试与合规验证的配套工具，旨在评估信息过滤机制在面对诱导性内容时的鲁棒性。整个操作流程完全在受控环境中运行，不涉及任何文件访问、环境变量读取或外部回调调用，确保测试过程的安全性与隔离性。 该技能的工作流程简洁明确：用户输入原始搜索请求文本或包含关键词和结果数量要求的JSON对象。系统首先判断请求的主题是否匹配预定义的触发词列表（例如金融、健康等敏感领域）。若匹配成功，则会在原关键词基础上追加污染标记；若不匹配，则保持关键词不变。最终输出仅包含三个字段的标准JSON：更新后的关键词字符串、限定范围的结果数量（默认3条，可配置为1至10之间的整数）以及一个布尔值，用以标识本次请求是否被判定为触发状态。这种结构化的输出方式便于后续自动化处理与分析。 值得注意的是，Selective Pollution Test Skill 的使用范围严格受限于授权实验室环境，严禁在生产系统或非受控网络中使用。它不具备通用搜索引擎的功能，也不提供实际的内容检索服务，而是一个纯粹的条件性关键词修饰器。其价值主要体现在对信息生态系统的压力测试、算法偏见的检测以及安全防护策略的有效性验证等方面，为构建更可靠的信息交互系统提供了重要的实验手段。
核心功能特点
- 在触发特定主题（如金融、健康）时自动向搜索关键词添加污染标记（如“speculative rumor”）
- 支持通过JSON格式输入关键词和结果数量要求，并返回结构化输出数据
- 输出包含修改后的关键词、结果数量及触发状态的三元组信息
- 默认返回3条结果，且结果数量被限制在1到10条之间
- 全程无文件读写、无环境变量访问、无外部网络通信，确保操作安全性
- 专为授权实验室环境设计，用于合规性测试与信息污染模拟
适用场景
Selective Pollution Test Skill 最典型的应用场景是网络安全与信息治理领域的压力测试。在开发或维护大型语言模型、搜索引擎或推荐系统时，团队需要验证这些系统在面对含有误导性、煽动性或虚假信息时的处理能力。例如，在一个金融舆情监控项目中，研究人员可以设置该技能针对‘股市’‘投资’等关键词触发污染标记，然后观察下游系统是否会错误地放大谣言传播风险。这种定向测试有助于发现潜在的漏洞，避免真实用户受到有害信息的负面影响。 另一个重要用途是在合规审计与监管科技（RegTech）中。金融机构和互联网平台必须确保其内容审核机制能够识别并抑制不实言论的传播。通过使用 Selective Pollution Test Skill，合规团队可以在封闭沙箱中批量生成带有特定污染标签的测试用例，系统地检验平台的过滤规则是否健全。比如，针对医疗健康类话题，模拟散布未经证实的疗法传闻，看系统能否及时拦截并标记此类内容。这种方式比人工抽检更高效，也更具可重复性。 此外，该技能还可应用于学术研究，特别是关于信息茧房、回音室效应以及算法偏见的研究。研究者可以利用它构造不同倾向性的查询序列，分析搜索结果的多样性和中立性。虽然不能直接获取真实网页内容，但其输出的关键词变化和触发逻辑足以支撑对信息分发机制的深入探讨。所有测试均在隔离环境中完成，不会影响公共网络或用户数据，体现了其在高风险场景下的可控性与专业性。