三思而后言：用于说服性代理的双重知识增强心智理论推理

说服性对话需推理他人潜在心理状态（心智理论）。现有大语言模型因依赖简单提示且缺乏相关知识，常无法捕捉心理状态间的内在依赖，导致表征碎片化和推理不稳定。为此，本文提出基于心智理论的说服性对话任务， grounded in BDI 框架以建模多轮对话中心理状态的序列依赖。构建了大规模标注数据集 ToM-BPD，并提出了“三思而后言”（TTBYS）框架，利用显隐式先验经验增强对欲望、信念及策略的逐步推理。实验表明，该方法显著优于 GPT-5，提升了推理的可解释性与一致性。