认知沙盒版 Anti-Hallucination v2

问题

研究写作和代码生成中最常见的失控点不是“完全不知道”，而是模型把无法即时核实的 API、来源、日期或事实写成确定内容。尤其在长会话中，单次输出错误会污染后续结论，而普通免责声明并不能留下可追踪记录。

工作方式

该技能把幻觉处理从一次性提醒变成可执行流程：

• 输出前用 verify_fact.py query 查询 verified_knowledge.json 中的认知沙盒；命中且已验证则标注 🟢。
• 对数字、日期、人名、机构名、非标准库 API 使用 🟢🟡🔴 置信度标注，不确定时改用模板而不是继续补全。
• 代码场景要求在代码块后附 API 风险注释，并在生成前执行检查清单。
• 自我校验发现 fabricated_citation、invented_api、false_fact 等情况时，调用 hallucination_logger.py 持久化记录。
• 用户提供权威资料后，可用 verify_fact.py add 将 🟡/🔴 事实升级为 🟢，形成跨会话复用的验证事实库。

适用边界

它适合技术文档、调研报告、第三方库调用和需要可追溯事实的生成任务。技能不能消除幻觉，也不能替代原始资料核对；若缺少用户提供的权威来源，仍应明确标注存疑。