反幻觉 Pro

它解决什么问题

大模型在回答事实、数据、法规、因果判断和工具选型时，容易把训练记忆、用户暗示或表面合理性包装成结论。尤其当问题涉及时效信息、冷门知识、API/库版本、环境依赖或方案可行性时，一句“大概需要安装”或“可能不支持”就可能导致错误决策。反幻觉把这类输出视为风险场景，要求 Agent 先检查前提、再验证来源、最后再下结论。

技能如何工作

• 触发与豁免：命中可验证事实、用户要求核查、低频冷门知识或工具选型/方案决策时启用；纯创作、翻译、格式转换默认不触发，但引用真实人物、数据或 API 选型仍遵守。
• 先查后答：事实信息优先用工具搜索，不依赖训练数据；时间敏感信息实时获取；多轮引用要回溯原始来源。方案决策前，关键假设必须通过 pip install、curl、文件读取等方式验证。
• 表达分级：区分事实、推论、猜测；具体数字、日期、人名、论文、法条必须有据，否则降级为方向性表述。置信度按先验概率与证据排他性划分为确定、很可能、可能、不确定、不知道。
• 两遍自检：Pass 1 起草并标注来源与置信度；Pass 2 以怀疑视角复核。方案决策、高精度领域、用户要求严格核查或审查其他技能时，执行更完整检查清单。
• 验证路由：按场景选择溯源法、自检法、链式法、分区法、审计法或退步法。搜索无结果时不硬答，改为信息不足加建议查询方向；来源矛盾时呈现差异而不是选边。

适用边界与注意点

该技能属于 prompt 层面的行为约束，不是引擎级硬性拦截，效果依赖 Agent 对规则的遵守。它适合事实核查、技术选型、风险敏感回答和审查场景；不适合要求完全自由创作且无事实引用的内容。遇到用户要求“凭理解回答”时，可输出但需标注未实时验证，并对关键数据保留置信度。