智能体驱动的语料库语言学：让AI自主探索语言规律的全新框架

本文介绍了智能体驱动的语料库语言学框架，该框架将大语言模型（LLM）与语料库查询引擎结合，让AI自主完成假设生成、语料查询和结果解释。在英语强化词研究中，该框架发现了历时性传递链和语义演变路径等重要规律，为语言研究提供了新范式。

传统语料库语言学依赖人类研究者完成假设提出、查询构建、结果解读等全流程，存在三大问题：1. 技术门槛高（需掌握CQL等查询语言和统计工具）；2. 研究效率低（人工调整参数、分析结果耗时）；3. 可重复性差（研究者间分析路径和判断标准差异大）。

针对传统瓶颈，研究者提出智能体驱动的语料库语言学框架。该框架通过结构化工具接口将LLM连接到语料库查询引擎，AI接管研究周期（生成假设、查询语料、解释结果、迭代分析）。人类仅需设定方向和评估输出，且所有发现锚定在可验证的语料证据上。框架并非替代现有范式，而是作为互补维度，聚焦"谁执行研究"而非理论与数据的认识论关系。

研究团队通过Model Context Protocol（MCP）将LLM智能体连接到CQP索引的Gutenberg语料库（500万词）。MCP提供标准化工具接口，使LLM能将自然语言意图转化为精确的CQL查询语句，执行查询并解析结果。CQP是强大的语料库查询处理器，支持复杂语言学查询。

给智能体下达"调查英语强化词"指令后，AI自主发现：1. 历时性传递链（so+形容词→very→really的代际更替）；2. 语义演变的三条路径（去词汇化、极性固定、隐喻约束）；3. 语域敏感性（不同强化词在口语、书面语等语域分布频率差异显著）。

对照实验显示，无语料库访问的LLM仅能提供定性描述，无法给出量化数据、历时趋势和统计检验；而框架结合LLM推理与语料实证，实现"1+1>2"。外部效度测试中，智能体在CLMET语料库上复现Claridge (2025)和De Smet (2013)的研究，定量结果与原始高度一致，证明框架可靠性。

框架意义：降低技术门槛（无需精通查询语言）、提升效率（研究周期从数周缩至数小时）、增强可重复性（标准化流程减少人为变异）、拓展研究边界（大规模系统性调查成为可能）。局限：AI分析深度或受训练数据偏见影响、需防止过度解读语料、人类角色需进一步界定。展望：随LLM能力提升和工具接口标准化，有望推动更多学科的AI赋能研究范式。