事实核查员 · Fact Checker
SkillDev tools用真人尽调思路校验用户提出的事实命题:拆解可验证问题、检索一手资料、 交叉验证证据链,并给出带置信度和不确定边界的结论。 Trigger when the user asks to fact-check, verify a claim, confirm whether something is true, source-check an answer, or mentions "事实校验", "帮我确认", "这是真的吗", "verify this", "fact check", "source check", "due diligence".
Available today. Use it from your connected AI after setup.
No other account needed.
Connect ahel once, and every AI you use reads what you have installed.
Then ask your AI: use the 事实核查员 · Fact Checker skill
What this skill tells your AI
The instructions your AI receives, as published by lovstudio/skills in skills/fact-check/SKILL.md and read by ahel’s review.
用这个 skill 回答事实真伪问题时,不要直接凭记忆下结论。你要模拟一个认真真人的尽调路径:先澄清命题,拆成可验证子问题,优先查一手资料,再用独立来源交叉验证,最后把证据、推断和不确定性分开写清楚。
When to Use
- 用户问某个事实是否成立:例如“
Tauri程序不支持 GitHub webhook handler 吗?” - 用户要求“帮我确认”“查证一下”“这是真的吗”“有没有官方依据”。
- 用户给出一段文章、截图、传言、技术判断、商业说法或历史事实,希望判断可信度。
- 用户明确使用 English trigger phrases:
fact check,verify this,source check,is this true,due diligence.
Core Principle
事实校验不是搜索答案,而是还原“一个谨慎的人会如何确认答案”。
- 先确认问题含义,再确认答案。
- 优先找一手资料:官方文档、源码、标准、法规、公告、论文、原始数据、公司/项目维护者声明。
- 对技术问题,优先官方文档、源码、release notes、issue/PR,再看博客和社区问答。
- 对会随时间变化的问题,必须联网核验,并写明检索日期。
- 把“证据显示”“合理推断”“仍未确认”分开。
- 不要用单一搜索结果做强结论。至少尝试找一个反例或边界条件。
Workflow (MANDATORY)
You MUST follow these steps in order:
Step 1: Restate the Claim
把用户的问题改写成一个可验证命题,并指出关键歧义。
如果关键歧义会改变检索方向,先用 AskUserQuestion 问一个澄清问题;
否则继续执行,不要为了形式而打断用户。
Example:
用户问:“Tauri 程序不支持 GitHub webhook handler 吗?”
可验证命题:
1. Tauri 桌面应用本身是否内置 HTTP server / webhook handler 能力?
2. Tauri 应用能否通过插件、Rust sidecar、本地端口或外部服务接收 GitHub webhook?
3. “不支持”指官方不推荐、没有内置 API,还是技术上完全不能做?
Step 2: Choose Evidence Plan
根据问题类型选择证据路径。
| Claim Type | Primary Sources | Secondary Sources |
|---|---|---|
| 技术能力 / API 支持 | 官方文档、源码、release notes、issue/PR、维护者讨论 | Stack Overflow、博客、示例项目 |
| 产品 / 公司事实 | 官网、公告、SEC/工商资料、官方社媒、新闻稿 | 媒体报道、数据库 |
| 法律 / 政策 / 标准 | 法规原文、政府官网、标准正文 | 律所解读、行业文章 |
| 学术 / 医疗 / 科学 | 论文原文、系统综述、指南、数据集 | 科普文章、新闻报道 |
| 历史 / 人物 / 事件 | 原始档案、采访原文、时间线材料 | 百科、二手转述 |
Step 3: Search Like Due Diligence
执行检索时必须覆盖这些动作:
- 查官方来源:项目官网、官方文档、GitHub repo、release notes、官方 FAQ。
- 查限制和反例:搜索
not supported,webhook,http server,plugin,sidecar,issue,discussion,workaround等相关词。 - 查时间线:确认资料是否过期,尤其技术栈、法规、产品功能。
- 查独立来源:至少一个非官方来源,用来发现官方文档没有覆盖的实践或争议。
- 记录证据质量:一手、二手、社区经验、推断。
If web access is available and the claim depends on external facts, use it. Do not answer source-attributed or current factual claims from memory alone.
Step 4: Evaluate
用下面的判断框架组织结论:
- Direct evidence: 一手资料是否直接支持或否定命题?
- Boundary: 有无版本、平台、部署方式、权限、安全模型限制?
- Counterexample: 是否存在能推翻“完全不支持”的示例或 workaround?
- Terminology: 用户用词是否混淆了“没有内置支持”“不推荐”“不能做”?
- Confidence: 证据是否足够强?是否还有需要实测或询问维护者的点?
Step 5: Answer in This Format
默认用中文输出。除非用户要求英文。
**结论**
[一句话回答:成立 / 不成立 / 部分成立 / 目前无法确认。]
**更精确的说法**
[把原命题改写成更准确的技术/事实表述。]
**证据链**
1. [来源类型] [来源名称 + 日期/版本,如有]:[它证明了什么]
2. [来源类型] [来源名称 + 日期/版本,如有]:[它证明了什么]
3. [来源类型] [来源名称 + 日期/版本,如有]:[它证明了什么]
**反例或边界**
[列出会改变结论的条件、workaround、版本差异、语义差异。]
**置信度**
[高 / 中 / 低]:[为什么]
**下一步验证**
[如需要:最小复现实验、要查的 issue、要问维护者的问题、要跑的命令。]
Evidence Labels
使用这些标签标注证据质量:
[一手]官方文档、源码、release notes、维护者直接回复、法规原文、论文原文。[准一手]官方示例、官方博客、官方讨论区中维护者回复。[二手]媒体、博客、教程、社区问答、百科。[实测]本地复现、最小 demo、命令输出。[推断]基于证据链的合理判断,但没有直接出处。
Answer Rules
- 不要把“没搜到”写成“不存在”。只能写“我没有找到直接证据”。
- 不要只给链接列表;必须解释每个来源证明了什么。
- 引用网页时提供链接;不要长段复制原文。
- 技术问题优先给可操作结论:是否能做、推荐怎么做、风险是什么。
- 如果用户问题里有拼写错误,先悄悄修正搜索词,再在结论里只在必要时说明。例如
tuari很可能是Tauri。 - 如果事实依赖日期,写明今天的日期或检索日期。
- 如果无法联网或无法打开关键来源,必须明确说,并把结论降级为“暂定”。
Example
User:
tuari程序不支持GitHub webhook handler吗?
Good answer shape:
**结论**
“Tauri 程序不支持 GitHub webhook handler”这个说法不够准确。更准确地说,Tauri 桌面应用通常不内置一个面向公网接收 GitHub webhook 的服务器模型;但它可以通过外部后端、sidecar、本地 HTTP 服务或插件式 Rust 代码参与处理 webhook 流程。
**更精确的说法**
如果你的意思是“GitHub 能直接把 webhook 打到用户本机 Tauri 桌面应用”,这通常不可行也不推荐,因为 webhook 需要公网可达的 HTTP endpoint。如果你的意思是“Tauri 项目里能否写 Rust 逻辑处理 webhook payload”,技术上可以,但通常应由云端服务接收后再通知 Tauri 客户端。
...
Runtime context (shared)
运行前读取本 Skill 包的 skill.yaml,由宿主提供 skill-runtime/v1 上下文。字段解析顺序为:当前请求、项目上下文、个人 Preferences、品牌 Profile、通用默认值。
- 只使用 Manifest 声明的字段;Profile 保存公开品牌事实,Preferences 保存个人工作偏好。
required: true字段缺失时,按 Manifest 的问题配置向用户提出一个聚焦问题;用户明确同意后再保存回答。- 报错提供可复制的
context_id、字段路径与来源,诊断内容避开秘密、完整私人路径和原始配置。
通用反馈闭环
用户在 Skill 驱动任务中提出修改意见时,继续当前产物前必须执行:
- 先判断意见是
task-specific(仅本次)还是reusable(可跨任务复用)。 task-specific只修改当前任务,不改 Skill。reusable先确定作用域:领域规则先更新对应 canonical Skill;适用于所有 Skill 的规则先更新共享规范。- 完成规则更新、版本、lint 与分发核验后,再把修改应用到当前任务。
reusable修改会使此前的“确认”“继续”“发吧”失效;完成当前产物修改和回读后必须停下,等待用户下一步指示,不自动进入发布、提交或其他外部写入。
Signals
- GitHub stars
- 66
- Forks
- 17
- Last commit
- Sep 2026
Advanced
- Catalog kind
- skill
- Gateway key
lov-fact-check- Source
- github.com/lovstudio/skills