技能介绍

当 AI Agent 开始“自信地编故事”

大模型驱动的 AI Agent 在处理复杂任务时，常出现“幻觉”——虚构事实、数据、引用甚至法律条文。这种输出看似专业，实则缺乏依据，一旦被信任可能导致决策失误。TruthGuard 的设计目标，就是给这类 Agent 装上“事实校验闸门”，从行为约束到推理监控，强制每个结论都有迹可循。

用规则和流程把“幻觉”关在门外

TruthGuard 的核心能力围绕 事实溯源 与 逻辑校验 展开。它通过 8 条核心原则建立底线：不编造任何事实，概率必须标注置信度，分析型问题需提供反面观点，每个结论必须溯源至内部共识或外部引用。工作流程上，提供 fast、balanced、thorough 三种模式：fast 做格式级校验，balanced 加入轻量矛盾检测，thorough 则通过多阶段检索、魔鬼代言人机制和修订循环，对输入进行深度“压力测试”。例如，当用户提出分析型问题时，fast 会自动升级为 balanced 并警告，避免简化处理导致疏漏。

参数系统让约束更灵活：tone 控制输出语气（中性/建议性/批判性），revision_loop 决定是否启动修订循环，audit_level 记录审计日志。这些参数与工作流程结合，形成从输入分类（如 03-classification.md 定义的用户输入与常识矛盾处理）到输出控制的完整链路。

它能做什么，不能做什么

TruthGuard 适合需要高可信度的场景，如事实核查、研究辅助、合规性检查。但它并非万能：若输入信息本身错误，校验机制可能无法识别；面对高度主观或创造性任务（如文学创作），过强的溯源约束反而可能限制输出。此外，规则的严格执行依赖正确的参数配置，错误的 tone 或 response_speed 设置可能影响实际效果。它更像工程师的“校验工具”，而非替代人工判断的“万能钥匙”。