如何构建模拟GPT式潜文本解读的轻量规则型NLP标注器？

我正在开发一款基于纯Python规则的小型NLP工具，可为用户输入标注基础潜文本标签。我未使用大型LLM，而是将解读逻辑压缩到条件语句中。示例如下：

if "not mad" in text and "forget" in text:
    tags.append("Tone Conflict")
    interpretation.append("Message implies contradiction between tone and intent.")

我通过哈希输入文本来跟踪唯一回显：

import hashlib
echo_id = hashlib.sha1(text.encode()).hexdigest()[:8]

目前我仅使用FastAPI和基础逻辑块，寻求以下方面的建议：

• 如何对规则集进行模块化扩展？
• 如何保持工具轻量同时具备表达性？
• 无需硬编码所有短语即可标注更深层潜文本的方法？

这更偏向于逻辑压缩练习而非生产工具。

内容的提问来源于stack exchange，提问作者Asternull