一句話怎麼變成一則主張
Acta 把立委在立法院說的話，依具體問題整理成不同意見。每一句都走過下面四個步驟，也都回得去公報原文。
點上面的步驟，看同一句話在每一步長什麼樣子。這是最近整理出來的一則真實主張。
2 AI 整理成一則主張
「就將結案報告交出來就好了，為什麼要搞得這麼複雜？」
認為農委會應交出新農業多元傳播案的結案報告，並質疑其交付報告的處理方式過於複雜。
原句必須逐字出現在公報裡。對不上的，整則主張直接丟掉。
3 和說法相近的放在一起
分群的 AI 看不到姓名與政黨
認為農委會應交出新農業多元傳播案的結案報告，並質疑其交付報告的處理方式過於複雜。
立法院的調查權、調閱權應如何設計？調查權不宜限縮，機關不應拒絕提供資料
群組的名稱只能描述主張的內容，不能是對人的評價或政黨名稱。
4 另一個 AI 對照原文檢查
認為農委會應交出新農業多元傳播案的結案報告，並質疑其交付報告的處理方式過於複雜。
通過原句明確要求交出結案報告，並以反問質疑交付程序過於複雜；前後對話涉及調閱小組與秘密會議的選擇，符合調查權、調閱權的程序議題。
審過才公開；判定的理由與每一次修改都留在主張頁。
資料來源
AI 在這裡做的四件事
- 抽出主張，附逐字原句
從一段發言中抽出本人明確表達的主張，並附上一句逐字原句。原句在原文找不到就直接丟棄。
- 依內容分群
把同一個問題下的主張依內容分群，並找出不同群之間的共同點。
- 另一個 AI 獨立審核
拿主張對照原句與發言原文，逐則判定通過、修正或退回；分群也要審過標籤、摘要與共同點才公開。判定理由公開在每則主張的修改紀錄。
- 測試會不會被反話騙
反話、反問最容易被 AI 讀反。我們用一組真實發言測試審核用的模型，題目與結果公開在AI 讀得懂立委的反話嗎？。
每次 AI 執行都保存模型、prompt 版本、輸入與原始輸出，結果可以重現與追查。
各步驟用的模型與 prompt 版本
| 步驟 | 用過的模型（次數） | 最近的 prompt 版本 |
|---|---|---|
| 抽出主張 | claude-opus-5-5（5,257）meta/muse-spark-1.3-contributor（1,777） | claim-extraction/nuclear/v4 |
| 審核主張 | meta/muse-spark-1.3-contributor（11,552）claude-opus-5-5（8,206）openai/gpt-6.1-sol（3,508） | claim-review/v6 |
| 整批分群 | claude-opus-5-5（26）anthropic/claude-opus-5.5（9） | opinion-grouping/v1 |
| 新主張指定到既有群組 | meta/muse-spark-1.3-contributor（2,608） | opinion-assignment/v2 |
| 新增意見群組 | anthropic/claude-opus-5.5（11） | opinion-extension/v1 |
| 檢查主張是否屬於所在群組 | meta/muse-spark-1.3-contributor（9,951） | opinion-membership/v1 |
| 審核分群 | anthropic/claude-opus-5.5（20）claude-opus-5-5（13） | group-review/v1 |
數字是資料庫裡成功的 AI 執行次數，不是主張數；同一則主張可能被審核不只一次。模型名稱照執行當時的紀錄，同一個模型經不同管道呼叫時名稱寫法會不同。