Claude Code 认知标注插件：用多智能体架构解析对话中的认知行为证据

本文介绍一款基于Claude Code的认知标注插件，通过四智能体并行分析对话记录，提取执行功能、元认知、记忆与推理、用户心智模型四大维度的认知行为证据，为AGI研究提供结构化数据支持。插件零依赖、纯Claude Code原生，遵循科学严谨的标注原则，助力理解人机交互中的深层认知过程。

随着LLM在对话场景的广泛应用，传统对话分析难以捕捉深层认知过程（如任务规划、元认知监控等）。Google DeepMind 2026年论文《Measuring Progress Toward AGI: A Cognitive Framework》提出，AGI评估应基于认知科学框架，解构智能为可测量的认知维度，为对话分析提供新方法论。

插件核心为协调器+四专门化子智能体架构，各负责一个认知维度：

智能体	标注维度	提取内容
执行功能	执行功能行为	规划、抑制、切换行为
元认知	元认知过程	知识边界感知、信心校准等
记忆与推理	记忆与推理模式	领域知识注入、各类推理
用户心智模型	系统心智模型	模型更新、协作策略

系统架构分入口层、协调层、执行层、合并层；执行流程为用户调用→解析记录→调用子智能体→合并结果。标注遵循宽松提取、平凡替代、无模式填充、仅标注人类回合四大原则。

插件理论源于经典认知科学研究：

• 执行功能：Miyake等人2000年更新/抑制/切换模型；
• 元认知：Nelson & Narens1990年监控与控制框架；
• 记忆与推理：Peirce推理类型+Gentner1983结构映射理论；
• 用户心智模型：Norman1983交互系统心智模型理论。

插件可应用于：

1. 学术研究：为AGI评估提供结构化对话认知数据；
2. 产品优化：帮助AI团队理解用户交互，优化对话设计；
3. 教育技术：分析学习者与AI辅导系统的交互，评估元认知策略；
4. 临床辅助：标准化对话认知分析工具，用于认知评估与康复。

插件是Claude Code原生形式，另有Python版本（使用Claude Agent SDK实现并行执行，写入results.json）。使用建议：

• 交互式标注用Claude Code插件；
• 批处理/自动化用Python流水线。

cognitive-annotation-plugin将认知科学理论与LLM能力结合，构建可扩展、可复现的认知分析工具，是AGI评估标准化的重要基石。随着人机交互深入，理解对话认知过程将成AI研究核心，该插件为研究者提供开箱即用的科学工具，助力探索智能本质。