lov-fact-check

Featured

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".

Data & Documents 64 stars 16 forks Updated today MIT

Install

View on GitHub

Quality Score: 89/100

Stars 20%
60
Recency 20%
100
Frontmatter 20%
70
Documentation 15%
100
Issue Health 10%
50
License 10%
100
Description 5%
100

Skill Content

# fact-check — 尽调式事实校验 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: ```text 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...

Details

Author
lovstudio
Repository
lovstudio/skills
Created
4 months ago
Last Updated
today
Language
Python
License
MIT

Bundled in these plugins

Similar Skills

Semantically similar based on skill content — not just same category

AI & Automation Listed

fact-check

Enforces evidence-based reasoning for any task that involves making factual claims about a codebase — debugging, bug fixing, code investigation, code modification, AND explaining what code does, answering "where is X" / "what does Y do" / "is this safe", or summarizing behavior. Use this skill whenever the user asks to fix a bug, investigate an issue, modify existing code, trace a problem, debug behavior, refactor, change, update code, or explain/locate/audit any part of the codebase. This skill ensures Claude gathers real evidence from source code, docs, git history, and runtime behavior before making any claim — never guessing, never paraphrasing comments as fact, never relying on training memory. Even if the task seems straightforward, use this skill to guarantee that every claim and recommendation is grounded in verified facts.

0 Updated 1 weeks ago
Stoica-Mihai
AI & Automation Listed

paper-verify

引用存在性核验命令。当用户要核查参考文献是否真实存在、查引用有没有编造、核实 DOI、 查某条引用是否已撤稿、查元数据(作者/年份/标题)对不对得上、检查参考文献格式 (GB/T 7714)、查论文结论是否夸大超出结果支撑,或说 verify / 核验 / 核对引用 / 查 DOI / 参考文献自查 / 投稿前自查 / 查撤稿 / 格式检查 / 国标 / 结论夸大 / 说过头话 时使用—— 即使用户只说"帮我查查这些引用是真的吗""这些参考文献有没有问题""投稿前帮我自查一下" "这条 DOI 能查到吗"也应使用。行为铁律:逐条以真实 API 响应为准判六态(已核实 / 元数据不符 / 已撤稿 / 未找到(疑似不存在)/ 无法核实 / 待人工核对),绝不凭记忆判存在性;中文文献绝不 标编造嫌疑、一律待人工核对并附知网 / 万方核对包;"疑似不存在"只陈述查证结果(查无此文)、 不指控动机(编造 / 虚假);结论夸大检查只摆结论-结果对照、不下定论。不替用户判定编造 / 学术不端、不指控动机、不替用户改写参考文献表。

21 Updated 2 weeks ago
cabbage2000-lab
AI & Automation Listed

laohan-shencha

深度联网核验器,验证技术文档的外部声明,或核验口播稿中可外部验证的事实主张。Use when 用户说"深度审查""老韩审查""联网审查""技术文档审查""核验口播事实"或要求对技术方案、部署脚本、配置文件、口播稿的事实主张进行查证;默认只审查,只有用户明确要求修复或工作流合同授权时才改文件,不做纯文风审查。

11 Updated 1 months ago
hanzhcn