AntiHallu AI 可信度检测引擎

为什么需要它

LLM 生成的文本读起来很顺，但里面的事实断言往往夹杂着无来源的数字、过度自信的措辞和断裂的因果链。人工逐条核对成本高，直接发布又容易翻车。AntiHallu 尝试把这件事变成可重复的检查流程：把 AI 回复丢进去，它会告诉你哪些地方可能是编的、为什么、怎么改。

核心能力

• 断言提取：逐条识别文本中的事实性陈述，而不是整段给出模糊判断。
• 三视角交叉评分：

- Flux：检查措辞是否审慎，加分词如「可能」「大概」，扣分词如「一定」「百分之百」。
- Causal：检查因果推理是否完整，是否存在无因果却断言因果的情况。
- Prob：检查是否有来源支撑，如「据报道」「据 IDC」，而不是裸数字或纯观点。

• 结构化报告：输出总体置信度、风险等级，并标注高风险断言和改进建议。
• 加权公式：overall = 0.3 × flux + 0.4 × causal + 0.3 × prob

适用边界

• 当前主要面向中文文本优化，英文基本可用但评分偏慷慨。
• 纯规则模式下 _HAS_SOURCE 正则存在一定误匹配率。
• Flux 和 Causal 基线分偏高（>= 0.7），整体评分偏乐观。
• 不支持多模态，图片、表格中的断言无法检测。
• LLM 模式需要配置 DEEPSEEK_API_KEY 或 OPENAI_API_KEY，纯规则模式开箱即用。