1实现原理 · 为什么它能做到
纯 prompt 编排，零脚本：整个 skill 只有 SKILL.md（工作流与规范）+ README.md（对外说明）。能否兑现全靠模型按五步清单执行。
fact-checker/SKILL.md
Verify factual claims in documents and propose corrections backed by authoritative sources.
注：目录内容经 glob 核实仅这两个文件，无 scripts/、无 references/、无 evals/。所以「实现原理」就是提示词工程：把核查流程写成可复制的勾选清单（Step 1-5），并把纪律（何时停、何时问、怎么引源）都写成硬约束。
第一步先做「可核查性筛选」：只收技术规格、版本号/发布日期、统计数据、API 能力、基准分这几类，主观内容一律排除。
fact-checker/SKILL.md
**Skip subjective content:**
注：紧接着列出排除项：Opinions and recommendations / Explanatory prose / Tutorial instructions / Architectural discussions。这一步决定了 skill 不会陷入「观点能不能核实」这种无解争论，也是范围内可兑现的前提。
比对结果用四档状态码表达，并把「查不到权威来源」也做成一等公民状态（❓ Unverifiable），而不是逼模型二选一。
fact-checker/SKILL.md
| Claude 3.5 Sonnet: 200K tokens | Claude Sonnet 4.5: 200K tokens | ❌ Outdated model name | platform.claude.com/docs |
注：同一段定义的四档是：✅ Accurate / ❌ Incorrect / ⚠️ Outdated / ❓ Unverifiable。把「无法核实」显式建模，是本 skill 避免幻觉的关键设计——没有来源时它被要求输出 Unverifiable + 限定话术，而不是编一个来源。
修正报告有固定字段模板（Location / Current claim / Correction / Source / Rationale），每条改动必须能指到行号与来源 URL。
fact-checker/SKILL.md
**Location:** Line 77-80 in docs/file.md
注：同一模板里 Correction 之后紧跟 **Source:** 与 **Rationale:**（SKILL.md 后面给出了完整示例，含 platform.claude.com 与 openai.com 两个来源链接）。这条纪律把「凭什么改」变成报告里的必填项。
改动前有硬性人工门禁：先把报告摆出来，明确问「Should I apply these corrections?」，得到肯定答复才动手。
fact-checker/SKILL.md
2. Wait for explicit approval: "Should I apply these corrections?"
注：这里在做什么：把写操作从「模型自行决定」改成「用户显式放行」。Step 5 的前置条件列表里第 3 条就是『Only proceed after confirmation』——skill 不在未经批准的情况下改用户文档。
时间上下文被当作强制项：修正必须带 as-of 日期，禁止写「最新版本」这类会立刻过期的表述。
fact-checker/SKILL.md
- "Latest version" (becomes outdated)
注：对比段落给的正例是『"截至 2026 年 1 月" (As of January 2026)』与『"Claude Sonnet 4.5 (released September 2025)"』。README 的 Real-World Example 也把「Added temporal marker "截至 2026 年 1 月"」列为改动项之一——文档与 SKILL 一致。
来源权威性排序明确，并对可能不可靠的来源给出「回官方核对」的具体动作。
fact-checker/SKILL.md
- Third-party aggregators (llm-stats.com, etc.) - verify against official sources
注：权威序为：官方产品页 > API 文档 > 官方博客公告 > GitHub releases（开源）。对第三方聚合站、博客帖子要求交叉核对；对过期文档、无引用 wiki、传闻直接列为 Avoid。
检索查询本身也有规范：要求具体且带年份，反面例子是「Claude context」这种泛查询。
fact-checker/SKILL.md
- "Claude Opus 4.5 context window 2026"
注：同一节列出好/坏查询对照（好：模型名+规格+年份；坏：AI models / Latest version），并列了 Search strategy 三条（用模型名+规格、带上当前年份、尽量多源验证）。
冲突与缺失都有出口流程：来源冲突时按「最新的官方文档优先 + 报告里写明分歧 + 两方都给用户」，完全查不到时给限定话术而非结论。
fact-checker/SKILL.md
2. Suggest alternative phrasing: "According to [Source] as of [Date]..."
注：这一节（Handling ambiguity）在「When no source found」下还有第 3 条建议加 qualification（approximately / reported as）。这是把「不确定」转译成安全的措辞，而不是硬下断言。
收尾还带下游交接：核查完建议接 /daymade-docs 的导出技能，形成「核实 → 出稿」链路。
fact-checker/SKILL.md
A) Export as PDF — run /daymade-docs:pdf-creator (Recommended for formal documents)
注：这是同仓 daymade-docs 插件族之间的软编排（只是建议用户运行的命令，不是 skill 之间的强依赖）。
2核心能力
01从文档中识别可核查的事实性断言（技术规格/版本/统计/API 能力/基准分）
02按权威性排序检索官方来源（官方页 > API 文档 > 官方博客 > GitHub releases）
03生成带行号、当前值、修正值、来源、理由的结构化修正报告
04四档结论码（准确/错误/过时/无法核实），并保留「无法核实」作为合法结论
05用户批准后用 Edit 工具实际改写文档，并提示提交
06为时效性内容强制加 as-of 日期与限定措辞，阻止信息快速腐烂
07数值精度对齐来源（源说 approximately 就写 approximately，源给精确值才写精确值）
08核查完成后建议下游导出（PDF / 幻灯片），形成出稿链路
3外部依赖
| 类型 | 依赖 |
|---|---|
| api | 宿主 web search 能力（description 明写 using web search；skill 自身无代码、无端点常量） |
| api | 宿主 Edit 工具（Step 5 实际改写用户文档） |
| network | AI 厂商官方文档/公告域名（作为检索目标列出：anthropic.com、openai.com、blog.google、platform.claude.com、platform.openai.com） |
| network | 包注册表（校验库版本是否过时：npm、PyPI、crates.io；另指向 github.com 的 releases） |
| network | 第三方聚合站（被明确要求「谨慎使用、回官方核对」） |
| api | 同仓下游插件 daymade-docs（仅作为建议用户运行的命令，非本 skill 调用） |
4风险提醒 风险提醒：绿色 · 放心使用
风险提醒：绿色 · 放心使用
- 核查质量完全取决于模型当次的检索与判断，skill 无法保证正确性。 — 没有任何验证脚本或来源一致性校验；若模型误读官方文档，产出的是「带权威来源链接的错误修正」——这比不给来源更危险，因为来源链接会制造可信外观。
- 外部网页内容进上下文后可影响写回文档的改动。 — 注入面不在读取而在写入：一次成功的提示注入会让错误内容随用户批准一起沉淀进书稿。现有缓解纯属提示词纪律（引官方来源、给 URL、需用户批准），无技术隔离。
- 「用户批准」是流程约束而非技术强制。 — Step 5 的三条前置要求靠模型遵守；若模型跳步直接 Edit，机制上没有拦截。且批准本身可能被低质量报告引导（用户看到逐条理由容易直接点头）。
- 示例里的模型名与规格本身是时效性内容。 — SKILL.md 与 README 的示例涉及具体模型版本与上下文窗口（如 GPT-5.2 400K、Gemini 3 Pro 1M），文档一旦过时，示例会反过来成为误导材料——需要维护者持续更新。
- 范围外拒答依赖模型自觉。 — Limitations 声明不能核实主观意见、付费墙来源、争议事实、未来规格；但没有机制阻止模型越界给出看起来权威的判断。
风险提醒：绿色，放心使用。按统一分档：全目录只有两个文本文件（SKILL.md + README.md），无脚本执行、无凭证读取（无 env/keychain/密钥/配置文件访问）、无自动写入。它唯一的实质行为是「让 agent 去检索、然后向用户提交一份待批改的修正清单」，写回文档发生在用户显式同意之后，且 skill 内置人工门禁（Step 5 的三条前置要求）与「查不到来源就标 Unverifiable」的兜底。检索目标被限定在厂商官方域名与公开包注册表，外发对象可预期。注意：其风险不在接触面而在输出正确性——见 verdict.risks。
5第二遍独立确认
- [ok] 是否真的没有脚本（description 提到 web search 会不会误导） — 事实核查：目录内无 .py/.sh/.mjs/.js，无 package.json；description 的『using web search』指的是宿主提供的搜索能力，不是自带脚本。故 scripts_executed = []，与 README『No configuration required. The skill works out of the box.』一致。
- [ok] 『用户批准才改』是否只是口号 — SKILL.md Step 5 明确列三条前置（Show the correction report / Wait for explicit approval / Only proceed after confirmation），并给出询问原句 'Should I apply these corrections?'。这是提示词级约束，无技术强制，但表述是命令式而非建议式。
- [discrepancy] 外部资源条目：域名是否被误当成调用点 — 〔第二遍标注：需精确措辞〕SKILL.md 里的 anthropic.com / openai.com / blog.google / platform.claude.com / npm / PyPI / crates.io / llm-stats.com 全部出现在「检索目标示例」与「来源评估」段落中，是给模型的指导清单，不是代码常量。已在 external_deps 的 name 字段逐条写明性质（『作为检索目标列出』『被明确要求谨慎使用』），避免读者误以为 skill 会主动请求这些站点。
- [ok] 『无法核实』是否真的一等公民（找反例） — 四档里含 ❓ Unverifiable，Handling ambiguity 段落给出无来源时的三条动作（标 Unverifiable / 给限定话术 / 建议加 approximately 之类的限定词），Limitations 段落重申不能判定争议事实。三处互相印证，非单点承诺。
- [ok] 时效性纪律是否两文档一致 — SKILL.md 的 Time-sensitive information 段落给出 Good/Poor corrections 对照；README 的 Real-World Example 把『Added temporal marker "截至 2026 年 1 月"』写进改动清单。两处一致。
- [ok] 数字精度要求是否有对应实现路径 — Numerical precision 段落给出 Source says → Write 的对照（approximately 1 million tokens → 1M tokens (approximately)），并在 Citation format 段落要求把来源写进修正文本。属文档级规范，无脚本可验证，属『提示词约束』性质。
- [ok] 元数据（license/stars/last_push） — 取自同 repo 同 commit 的池内既有值（MIT、1385★、2026-09-09T12:33:29Z）；本次未联网复核 gh。README 自述 License 为 MIT License - See repository for details，与仓库根 LICENSE 一致。
- [ok] 下游交接是否造成隐式依赖 — Next Step 段落只提出选项并要求用户运行 /daymade-docs:pdf-creator 或 :ppt-creator，skill 自身不调用、不 import，属软建议而非硬依赖。
6结论
适合：适合长文档/书稿/技术文档的作者定期跑一遍规格复核（尤其 AI 模型参数、库版本、统计数字这类每年必变的字段）；也适合团队文档的发布前检查，把「过时但有来源」的问题集中暴露出来并逐条决定是否改。它的输出天然适合作为变更评审材料：每条改动带行号与来源，评审者可以直接核。
不适合：不适合需要确定性正确性的场景（如合规/法律/医疗结论）——它给的是「有来源的修正建议」，不是担保；不适合核实观点、判断与设计取舍（SKILL.md 自己列为 Skip subjective content）；不适合无网络检索能力的环境（整个流程依赖 web search）；不适合希望 agent 全自动改完不打扰的场景（每次改动都必须等用户放行）；也不适合需要付费墙或内网来源的核查。
安装 agent 直装可复制
① 本站镜像 更新 2026-09-15
方式 A · 人下载镜像包下载 fact-checker.tar.gz
sha256:
方式 B · JSON 格式安装指南，复制给 agentfedd09ed5369f915…agent 读 JSON 指南后会自动从本站下载安装，无需更多说明。
② 上游 GitHub · 原始来源
来源信息 GitHub 原始
作者 / 仓库daymade / daymade/claude-code-skills
原始 GitHubdaymade/claude-code-skills ↗
Stars1385
最近推送2026-09-09
本 skill commit
d5c4678cb5许可MIT（仓库根 LICENSE 文件；GitHub API spdx MIT；Copyright (c) 2025 daymade）
本站信息
收录日期2026-09-06
分类文档与知识
侦查报告AI 侦查 · 2 遍 · 2026-09-06
本站镜像与 GitHub 原始是不同来源：本站锁定 commit 快照经 /r2 分发；GitHub 为实时上游，内容可能已更新。