AI 引用与数据核查

问题

大模型写报告时，常把不存在的报告、政策、新闻或数据标成实证。人工逐条查源慢，且容易凭印象判断；误删真实引用会伤作者与甲方。cite-hallucination-check 面向这个场景，把“引用是否可追溯”变成可复核的检查流程。

工作方式

技能从 docx、pdf、md、纯文本中抽取引用，把每条引用拆成标题、作者/机关、出版方、日期、URL、DOI/文号六类组件。随后先分诊：可核验、需推理、不可核验。可核验项并行走本地 grep、权威库/官方源和 WebSearch/WebFetch，再逐组件做 match、partial、not match、unknown 等标签。最后按确定性规则输出五类：exist、exist-minor、fake、unknown、unsure，并附最相似来源、对不上的组件和一句话理由。

适用边界

它只核查引用真实性，不做语病、政治校对、行业采集或去 AI 味改写。涉甲方未公开数据或客户机密词，优先本地核验，不应直接送联网搜索。技能给出的是证据线索，不是终审判决；判为 fake 后仍需人工复核再删除或降级正文论断。