Fabric 中的 detect_silent_victims 模式：识别无法发声的受害者的系统化审计框架

导读

detect_silent_victims 是 Fabric 开源 AI 框架内置的一种模式（pattern），用于分析行动、政策、系统或提案，识别其中"受到伤害却无法发声"的群体——他们或因尚未存在、或因缺乏权力、或因毫不知情、或因没有表达渠道而沉默。本文以 data/patterns/detect_silent_victims/README.md 与其配套的 system.md 提示词 为主体，结合 Fabric 的 CLI 与模式加载源码，完整讲解该模式的五类受害者分类框架、九步扫描流程、结构化输出规范与实际调用方式，读者将能直接用它审计政策提案、商业模式、AI 系统与立法草案中的隐性伤害。

一、模式要解决的核心问题："No victim, no crime" 的致命盲区

"没有受害者，就没有罪行"（No victim, no crime）是一条强有力的原则。但它存在一个关键的盲区：那些无法报告自己受害状态的受害者怎么办？

正如模式 README 所指出的核心论断：

The absence of a complaint is not evidence of the absence of a victim. （没有投诉，并不等于没有受害者。）

依据 system.md 的定义，该模式将"沉默的受害者"划分为五类，每类都有典型场景：

类别（Category）	含义	典型示例
未来受害者（Future victims）	今天的行为在未来造成伤害	气候损害、国家债务、资源枯竭
无声受害者（Voiceless victims）	过于无力而无法发声	儿童、动物、生态系统、边缘化社群
不知情受害者（Unaware victims）	不知道自己正被伤害	数据剥削、慢性中毒、被隐藏的外部性
弥散受害者（Diffuse victims）	伤害摊薄到海量个体、无人拥有诉权	影响数百万人的污染、市场操纵
结构性受害者（Structural victims）	伤害内嵌于结构而非个体行为	系统性歧视、榨取性制度

"无诉状"本身不能作为"无受害者"的证据——这正是该模式存在的意义。

二、模式的起源：跨模型 AI 评估的产物

该模式并非凭空设计，而是诞生于一次跨模型 AI 对话评估。依据 README 与 system.md 的记载：

• 在针对 Ultimate Law 框架的评估中，19 个 AI 系统将"无声受害者"识别为该框架最关键的缺口；
• DeepSeek-R1 提出"未来世代可以被视为受害者"；
• Cogito:70b 的"魔鬼代言人"攻击将 "No Victim No Crime 是忽视结构性暴力的自由意志主义幻想" 评为 9/10——整个系列中最强的一次攻击；
• 框架最终的幸存方式不是推翻原则本身，而是承认原则正确，但受害者定义需要扩展。

该模式直接继承自 Ultimate Law 框架（github.com/ghrom/ultimatelaw）对受害者的定义：

"Victim: Someone harmed against their will. If no one is harmed unwillingly, there is no victim and thus no violation." （受害者：违背自身意愿受到伤害的人。如果没有人非自愿地受到伤害，就没有受害者，也就没有侵犯。）

三、在 Fabric 中使用该模式

3.1 基本调用方式

模式在 Fabric 中通过 -p（--pattern）参数按名称调用。README 给出了四类典型使用场景：

# 审计一项政策提案
echo "Build a coal plant to provide cheap energy" | fabric -p detect_silent_victims

# 评估一种商业模式
echo "Offer free service funded by selling user data" | fabric -p detect_silent_victims

# 检查一个 AI 系统
echo "Train AI on scraped internet data" | fabric -p detect_silent_victims

# 审计立法草案
cat proposed_law.txt | fabric -p detect_silent_victims

其中 -p 参数定义于 internal/cli/flags.go：-p, --pattern 用于从可用模式中选择一个，同时支持 -v/--variable 传入模式变量（如 -v=#role:expert）。此外还有几个与模式管理直接相关的命令：

# 列出所有可用模式
fabric -l

# 将模式内容直接打印到终端（查看提示词原文）
fabric --readpattern detect_silent_victims

# 从上游仓库更新模式库
fabric -U

3.2 通过配置文件指定模式

除命令行参数外，也可以把模式写入 Fabric 的 YAML 配置（如 ~/.config/fabric/config.yaml）中，相关说明见 internal/cli/README.md：

# Pattern selection
pattern: detect_silent_victims  # 使用模式名或文件名

# 其他常用项
model: gpt-4
temperature: 0.7
stream: true

配置规则上，CLI 标志总是覆盖 YAML 值；同一声明在 YAML 中重复出现时，最后一次生效；声明顺序无关紧要。

3.3 为模式绑定专属模型

Fabric 支持按模式映射特定模型：当 --pattern 指定且未显式设置 --model 时，CLI 会尝试读取环境变量 FABRIC_MODEL_<PATTERN>（模式名中的连字符替换为下划线并大写），例如：

export FABRIC_MODEL_DETECT_SILENT_VICTIMS="gpt-4o"

这一逻辑实现在 internal/cli/chat.go，便于将要求较高的审计类模式固定到更强的模型上，而无需每次手动指定。

3.4 模式在底层如何被加载

从源码看，Fabric 的模式加载链路是：CLI 传入模式名 → internal/tools/patterns_loader.go 负责从上游 Git 仓库下载并维护模式库（默认 data/patterns）→ internal/plugins/db/fsdb/patterns.go 按名称从 data/patterns/<名称>/system.md 读取提示词内容。

值得注意的细节（见 patterns.go）：

• 查找顺序为自定义模式目录优先，同名自定义模式会覆盖主模式库；
• 若传入的名字以 /、\、~、. 开头，则被识别为文件路径而非模式名，会直接读取该文件作为提示词——这允许你把 detect_silent_victims 的 system.md 复制出来后用文件路径方式离线调用；
• 提示词模板中的 {{input}} 占位符会被替换为管道输入的实际内容（applyInput/applyVariables 逻辑位于 patterns.go）。

也就是说，echo "..." | fabric -p detect_silent_victims 的本质是：把你输入的文本注入 system.md 末尾的 INPUT: 区域，连同整个"无声受害者检测器"的角色设定一起交给所选 LLM。

四、受害者可见性框架（Victim Visibility Framework）

模式的核心方法论是五类受害者的"扫描透镜"，每一类都附有一组自我质询问题。完整继承自 system.md：

类别 1：时间性受害者（未来）

• 谁会在 5、10、50、100 年后被此事影响？
• 成本是否被推迟给了未同意的人？
• 该行为是否在消耗未来主体需要的资源？
• 是否正在做出未来主体无法逆转的改变？

类别 2：权力受害者（无声）

• 谁受影响，却缺乏反对所需的权力、平台或法律地位？
• 是否有主体依赖决策者、因惧怕报复而不敢发声？
• 儿童、动物或生态系统是否在无人代表的情况下被影响？
• 如果每个受影响方都有平等的发言权，这个行动还会一样吗？

类别 3：信息受害者（不知情）

• 谁被影响却毫不知情？
• 伤害信息是否被隐瞒、模糊化或制造不可及？
• 效应是否被延迟到难以建立因果关系？
• 如果受影响方掌握全部信息，他们还会同意吗？

类别 4：弥散受害者（分布式）

• 伤害是否摊薄到众多主体、每个单一个体都小到难以察觉？
• 聚合伤害是否超过任何单个受害者所经历的？
• 弥散是否是故意的（为逃避追责而设计）？
• 如果把总伤害集中到单一主体身上，是否不可接受？

类别 5：结构性受害者（系统性）

• 系统是否在正常运转的副作用中产生伤害？
• 是否有人因结构而非任何单一行为而持续处于劣势？
• 伤害是否自我强化（受害者变得更脆弱，进而产生更多受害）？
• 能否重新设计结构，在无伤害的情况下产生同样的收益？

五、九步扫描流程（STEPS）

该模式要求按顺序执行以下九个步骤，从"看得见的"逐步推进到"看不见的"：

1. 识别行动或系统：正在被提出、实施或评估的是什么？
2. 绘制直接利益相关方：谁被直接、可见地影响？
3. 扫描时间性受害者：向前推演，未来谁承担成本或后果？他们能否同意？
4. 扫描权力受害者：沿权力层级向下看，谁受影响却缺乏声音？谁依赖行动者、害怕提出异议？
5. 扫描信息受害者：谁不知道自己被影响？无知是自然的还是被制造的？
6. 扫描弥散受害者：聚合微小伤害，即使单份看似微不足道，总量是否可观？
7. 扫描结构性受害者：看系统而非单次行动，正常运行是否持续产生输家？
8. 应用反转测试（见下节）。
9. 评估严重性：对每一类已识别的无声受害者，伤害有多严重？影响多少人？是否可逆？

六、反转测试（The Reversed Test）

模式的核心判据是一句被反复强调的提问：

"If every silent victim could speak with equal power, would they consent to this?" （如果每个无声受害者都能以平等的权力说话，他们会同意这件事吗？）

README 指出：这一个问题就能暴露大部分隐藏的伤害。当无法判断某个行动是否可接受时，把"沉默者"全部"唤醒"并赋予平等权力，再检验其同意意愿，是穿透五类受害者迷雾的捷径。

七、结构化输出规范（OUTPUT INSTRUCTIONS）

当模式运行时，要求 LLM 输出一份严格结构的审计报告，包含以下章节（完整继承自 system.md）：

7.1 行动/系统分析（ACTION/SYSTEM ANALYZED）与可见利益相关方

• ACTION/SYSTEM ANALYZED：所评估对象的简要描述；
• VISIBLE STAKEHOLDERS：直接、明显受影响的人（即所有人都已考虑到的群体）。

7.2 无声受害者扫描（SILENT VICTIM SCAN）

对每个类别输出统一结构的字段：

• Temporal Victims (Future)：Found（是/否/可能）、Who（谁）、Harm（何种伤害、多严重）、Reversibility（可逆/部分可逆/不可逆）；
• Power Victims (Voiceless)：Found、Who、Harm、Why silent（沉默原因：恐惧、依赖、法律地位、字面上的无发声能力）；
• Information Victims (Unaware)：Found、Who、Harm、Ignorance source（无知来源：自然复杂性 / 故意隐瞒 / 延迟效应）；
• Diffuse Victims (Distributed)：Found、Individual harm（可忽略/轻微/中等）、Aggregate harm（描述与规模）、Diffusion deliberate?（弥散是否刻意）；
• Structural Victims (Systemic)：Found、Who（持续处于劣势者）、Mechanism（结构如何产生伤害）、Self-reinforcing?（是否自我强化）。

7.3 严重性汇总表与总体评估

模式要求将扫描结果汇总为一张结构化表格，并给出结论标签：

Category	Found?	Count/Scale	Severity	Reversible?
Temporal
Power
Information
Diffuse
Structural

总体评估必须在四档结论中择一：NO SILENT VICTIMS（无）/ POSSIBLE SILENT VICTIMS (investigate)（可能，需调查）/ PROBABLE SILENT VICTIMS（很可能）/ CONFIRMED SILENT VICTIMS（已确认）。

7.4 建议（RECOMMENDATIONS）

最后输出：要解决已识别的无声受害者，需要改变什么？他们的利益应如何被代表？

八、运行示例

system.md 提供了三个对照示例，帮助理解模式的判读边界：

示例 1：环境类

• 行动：工厂向河流排放废料；
• 可见方：工厂、员工、股东；
• 无声方：下游社区（权力受害者）、未来世代（时间性受害者）、水生生态系统（无声）、被稀释污染影响的数百万人（弥散受害者）。

示例 2：数字类

• 行动：用抓取的私人数据训练 AI；
• 可见方：AI 公司、AI 用户；
• 无声方：数据被抓取的人（信息受害者——大多数并不知情）、文化产出被商品化的社群（弥散受害者）、训练数据将塑造 AI 行为方式的未来人（时间性受害者）。

示例 3：无无声受害者

• 行动：两个成年人在市场自愿交易货物；
• 可见方：双方；
• 扫描：无时间性伤害、无权力不对称、双方知情、无弥散效应、无结构性劣势；
• 结论：NO SILENT VICTIMS——干净的交易。

九、使用边界与重要注意事项

模式本身对其适用边界有明确的自律条款（继承自 system.md 的 IMPORTANT NOTES）：

• 存在潜在无声受害者并不自动否定一个行动——它只意味着这些利益应当被考虑和代表；
• 不应武器化该模式去给每一次互动都寻找假设性受害者。有些行动确实没有无声受害者——一个到处都能找出受害者的模式是无用的；
• 当无法确定是否存在无声受害者时，潜在伤害的严重性与可逆性应决定预防措施的等级；
• 该模式是可证伪的：如果它持续在不存在受害者的地方识别出受害者，或在确实存在的地方漏掉，就应当被修正。

十、总结：从提示词到可执行的审计工具

detect_silent_victims 的价值在于把"看不见的伤害"变成了一套可重复、可验证的检查清单：五类受害者透镜负责广撒网，九步流程保证扫描顺序的完备性，反转测试提供单一判据的穿透力，而结构化输出把结论压缩成一张可以直接用于决策的严重性表格。

在 Fabric 中，它是一个开箱即用的 -p 模式，底层依赖 internal/tools/patterns_loader.go 的模式库分发与 internal/plugins/db/fsdb/patterns.go 的模板注入机制——你只需要提供待审计的行动描述，剩下的五维扫描与报告生成全部由模式驱动 LLM 完成。正如其 README 的结论："没有投诉"从来不是"没有受害者"的证据；而一个让所有沉默者开口的问题，就能让绝大多数隐性伤害无所遁形。