用途
语音行为分析按文本的交际功能对文本进行分类——作者用语言在“做什么”（断言、解释、建议、提问、质疑、赞同/支持），而不是在“说什么”。通过测量每个言语行为类型在语料中的占比，该分析产出一个语用签名（pragmatic signature）：作者如何用语言在世界中行动的一种分布画像。核心原则是：言语行为揭示跨主题持续存在的交际习惯——一个以解释和限定为主的人，无论讨论技术、政治还是烹饪，都会如此。这些占比为声音匹配（voice matching）提供可复现的约束，并补充词汇、情感和结构分析。
研究基础
言语行为理论源自 Austin（1962，《How to Do Things with Words》），他区分了言内行为（locutionary，说）、言外行为（illocutionary，以言行事）和言后行为（perlocutionary，说的效果）。Searle（1976）将其系统化为五类言外行为：断言类（assertives，承诺真实性）、指令类（directives，让听者做事）、承诺类（commissives，承诺说话人未来行动）、表达类（expressives，表达心理状态）和宣告类（declarations，造成事态变化）。CMC Act Taxonomy（Herring, Das, & Penumarthy, 2005）将言语行为理论适配到计算机中介传播，提出适用于在线话语的18种行为类型。对于书面语料库的语用分析，结合基于词典的信号检测与语境分类的混合方法能产生最可靠的结果（Zhang et al., 2011; Qadir & Riloff, 2011）。
何时使用
- 按作者的“行为”（断言、解释、提问等）对帖子、评论或文档分类
- 测量语料中言语行为类型的占比以构建交际画像
- 比较作者的交际功能如何随主题、时间段或语境变化
- 为声音复刻构建语用约束（“该作者25%时间在建议，15%在提问”）
- 判断作者主要是在告知、说服、支持还是质疑
- 用功能性层次补充词汇和情感分析
何时不使用
- 语料总词数少于300词
- 所有文本都是单词或极短短语（无可分类的言外结构）
- 目标是判断说话人意图或真诚度（言语行为分类功能，不分类意图）
- 文本为机器生成或高度模板化（言语行为分布反映模板）
- 需要评估论证质量或说服效果（此分析测量功能，不测量效果）
- 翻译文本，其语用标记可能反映译者的习惯
决策流程
技能提供一张决策图（digraph），按以下顺序判断：是否已有足够文本（300+词、多句）→ 是否有多篇文本或足够长度 → 是否在判断说话人意图或真诚度 → 分别导向完整分析、报告数据不足、带局限说明继续分析，或停止（错误工具）。
快速参考：书面话语的言语行为分类法
该分类法针对书面在线与离线文本优化，源自 Searle（1976）的言外行为类别和 CMC Act Taxonomy（Herring et al., 2005），整合为六个主要类别加两个次要类别。
主要言语行为类别
断言（Asserting）：承诺命题真实性；陈述事实、观点或信念。语言标记：陈述句、“I think”、“it is”、“the fact is”、“in my opinion”、现在时状态动词、证据标记。示例：“The problem is that X.”、“I believe this is the right approach.”、“This is factually incorrect.”
解释（Explaining）：提供理由、原因、展开或澄清。语言标记：“because”、“the reason is”、“this means”、“in other words”、“what happens is”、因果连接词、展开标记。示例：“The reason this works is...”、“What I mean is...”、“This happens because...”
建议（Advising）：推荐、提议或指示行动方案。语言标记：祈使句、“you should”、“try”、“I recommend”、“consider”、义务情态动词、条件式建议。示例：“You should try X.”、“I'd recommend doing Y.”、“Make sure to check Z.”
提问（Questioning）：寻求信息、意见或确认。语言标记：疑问句法、问号、“does anyone know”、“how do you”、附加疑问句、嵌入式问句。示例：“How does this work?”、“Has anyone tried X?”
质疑（Challenging）：争辩、不同意、批评或反驳某主张。语言标记：否定+断言、“but”、“however”、“that's not”、“I disagree”、反证标记、修辞性问句。示例：“That's not correct because...”、“I disagree -- the evidence shows...”
赞同/支持（Agreeing/Supporting）：认可、肯定、确认或表达声援。语言标记：“I agree”、“exactly”、“this”、“good point”、“+1”、肯定标记、复述他人立场、赞扬。示例：“Exactly this.”、“I completely agree.”、“Great point about X.”
次要言语行为类别
表达（Expressing）：传达情感反应、个人经历或主观状态，不承诺真实性。标记：感叹、情感词、个人叙事、“I feel”、“I love/hate”、感叹词。当文本主要功能是情感表达而非断言时使用。
承诺（Commissive）：承诺自己未来的行动；许诺、自愿、计划。标记：“I will”、“I'm going to”、“let me”、“I'll try”、将来时承诺。当文本主要做出承诺而非建议他人时使用。
分类优先级规则
单一文本常执行多种言语行为。规则包括：识别主导行为（文本整体的主要交际功能）；识别次要行为（支持或框定主导行为的从属功能）；模糊时优先描述整体目的的行为，而非个别句子；间接言语行为常见——问句可能起质疑作用，断言可能起建议作用。按功能分类，而非表面形式。
信号短语词典
技能提供一个 Python 信号词典（SPEECH_ACT_SIGNALS 和 SECONDARY_SIGNALS），为每个言语行为类别定义了 strong 和 moderate 级别的正则表达式。这些是初步分类的指标，非确定性规则；语境决定实际言语行为——问号并不总表示提问（修辞性问句可能表示质疑）。词典包含 asserting、explaining、advising、questioning、challenging、agreeing_supporting 六个主要类别的信号，以及 expressing、commissive 两个次要类别的信号。
置信度等级
- 高（High）：同一行为有2个以上强信号；无其他行为的冲突信号。计入主要分布。
- 中（Moderate）：1个强信号或2个以上中等信号；轻微冲突信号。计入主要分布并加注。
- 低（Low）：仅有中等信号；多个行为有冲突信号。标记为模糊，计入主要分布但注明模糊性。
- 不确定（Indeterminate）：无明确信号；文本过短；多个行为均等呈现。排除出比例分析，单独报告。
工作流程
技能提供一份七步检查清单：
-
验证语料适用性并分类文本单元：检查总词数（300+）、多句文本（至少40%含2+句）、文本单元数（至少10个可分类）、语言（以英语为主）、作者身份（单一作者或已知作者群）、语境多样性、平台惯例。任何一项不满足需报告失败并说明原因，不得强行分析。文本单元的定义：在线语料中一个帖子或评论=一个文本单元；长文档中一个段落=一个文本单元。
-
按主要和次要言语行为分类每个文本单元。
-
计算言语行为比例和主导画像。
-
分析跨语境的言语行为分布。
-
识别间接言语行为和语用模式。
-
计算语用签名和复刻约束。
-
将发现写入 docs/analysis/22-speech-act-pragmatic.md。
适用场景与限制
本技能适用于对作者或语料的书面语进行功能性分类与画像构建，尤其适用于声音/写作风格复刻任务。其限制为：语料需至少300词、至少10个可分类文本单元、至少40%为多句文本；信号词典主要针对英语；单一语境下的语料产生语境绑定的画像，不可泛化；混合作者身份产生的是社区级而非个人级模式；平台规范会鼓励特定言语行为（问答网站鼓励提问/解释，辩论论坛鼓励质疑）。本技能测量功能而非效果，不用于判断意图、真诚度、论证质量或说服力。