可信信息

解决什么问题

当大模型被用于检索、摘要或知识库整理时，输入往往来自搜索结果、网页片段或用户提供的文档。这些材料的可信度并不一致：有的来自权威机构或一手资料，有的只是二手转述，甚至是未经证实的传言。模型如果直接把不可信内容当作事实复述，就会把错误或偏见带入下游任务。信息可信度的问题不在于“有没有来源”，而在于来源质量参差、上下文被截断、以及二次引用造成的失真。

这个技能面向知识管理场景，把“判断这段内容能不能信”拆成可执行的检查步骤，帮助模型在写作、问答、资料整理时先做可信度筛选。

核心能力

• 信息源结构化画像：识别材料类型，区分官方文档、研究论文、媒体报道、社区帖子等；提取作者、机构、发布时间等可验证字段。
• 可信度比对：把同一主题的不同来源放在一起，比较说法是否一致，标记相互矛盾或仅有单一出处的内容。
• 证据链标注：在输出中标记哪些句子来自高可信来源，哪些属于推测或未验证转述，便于人工复核。
• 风险提示：对时效性强、争议性大或依赖特定前提的信息给出提醒，避免直接当作确定结论使用。

工作流程

1. 接收输入材料，解析标题、正文、链接和元数据。
2. 对来源做初步分类，判断其证据等级和潜在立场。
3. 抽取关键事实与主张，生成可信度提示或备注。
4. 将可信度结论与原始内容一起返回，供后续写作或检索引用。

适用边界

它不是真伪判定器，也不能替代领域专家。技能基于给定文本的结构和信号做启发式判断；如果输入本身缺少作者、时间或来源链接，结论会保守很多。对于高度专业或需要实验验证的主张，仍然应回到原始论文、官方数据或可信数据库复核。