Verify Content

Verify Content — 内容验证技能

对 AI 生成的内容进行溯源标注 + 交叉验证双重检查，识别幻觉、伪造信息和失真表述。

触发条件

用户在生成内容后，主动说出以下关键词之一：

• "验证" / "verify" / "核实" / "检查幻觉" / "fact check"

工作流程

Step 0: 确定验证目标

1. 明确待验证内容：最近一次生成的文档或指定文件
2. 明确原始资料：生成该内容时所依据的源文件（用户提供的 PDF、DOCX、会议记录等）
3. 如果不确定，询问用户：

• "需要验证哪个文件的内容？"
• "原始参考资料是哪些文件？"

Step 1: 溯源标注（Source Tracing）

由当前模型执行。 逐条审查待验证内容中的每一个事实性陈述：

1. 重新阅读所有原始资料（使用 Read 工具），不依赖记忆
2. 对待验证内容中的每个事实性断言，在原始资料中寻找对应出处
3. 为每条断言标注以下状态之一：

| 状态 | 含义 | |------|------| | ✅ 有据 | 在原始资料中找到明确对应内容 | | ⚠️ 推断 | 原始资料有相关信息，但该表述是推断或概括，非直接引用 | | ❌ 无据 | 在原始资料中找不到任何对应内容，可能是幻觉 | | 🔄 变形 | 原始资料有相关内容，但数字、名称或含义存在偏差 |

1. 汇总产出溯源标注表

Step 2: 交叉验证（Cross Verification）

启动一个独立子模型（subagent）执行。 该子模型不会看到 Step 1 的结果，从而实现独立验证。

使用 Task 工具启动子模型，prompt 需包含：

你是一个事实核查员。你的任务是验证一份文档的准确性。

【原始资料路径】
{列出所有原始资料的文件路径}

【待验证文档路径】
{待验证文档的路径}

请执行以下步骤：
1. 使用 Read 工具完整阅读所有原始资料
2. 使用 Read 工具阅读待验证文档
3. 逐条检查待验证文档中的每一个事实性陈述（数字、名称、日期、面积、描述等）
4. 对每条陈述判断：是否与原始资料一致？是否存在偏差？是否无中生有？

输出格式：
对每条有问题的陈述，输出：
- 【原文摘录】：待验证文档中的原文
- 【问题类型】：数字错误 / 名称错误 / 无中生有 / 含义偏差 / 遗漏关键信息
- 【原始资料原文】：对应的原始资料内容（如有）
- 【说明】：简要解释问题所在

如果所有内容均准确，输出："全部内容核实通过，未发现事实性错误。"

Step 3: 合并生成验证报告

合并 Step 1 和 Step 2 的结果，生成最终验证报告：

1. 交叉比对两轮检查的发现：

• 两轮都标记有问题 → 高置信度问题
• 仅一轮标记有问题 → 待确认问题，列出两方结论供用户判断
• 两轮都未发现问题 → 通过

1. 按照模板输出报告（见 [report-template.md](report-template.md)）

1. 将报告保存在待验证文档的同目录下，命名为 {原文件名}_验证报告.md

关键原则

• 不信任记忆：验证时必须重新 Read 原始文件，不能依赖之前对话中的记忆
• 独立性：交叉验证的子模型不应看到溯源标注的结果
• 保守判断：宁可多标记"待确认"，不要漏掉可疑内容
• 只查事实：不验证观点、建议、创意等主观内容，只验证事实性陈述

Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

• Author: Amalia6767
• Source: Amalia6767/curator-skills
• License: MIT

Install and usage instructions live in the source repository linked above.