AI照妖镜:AI 输出真实性检查器
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @user_9e8820a0/ai-truth-mirror。
技能介绍
问题
AI 输出经常看起来完整,但可能漏掉数据来源、时间点、单位、适用范围或前提假设,也可能把模糊说法写成确定性结论。工程师在处理 API 说明、价格、统计数字或专业结论时,真正需要的不是再润色一遍,而是先判断哪些内容可进入决策链路,哪些必须退回人工核实。
工作流
AI照妖镜 对已有 AI 输出做五类检查:
- 信息完整性:来源、时间点、单位、适用范围、前提假设是否齐全。
- 逻辑自洽性:前后是否矛盾、计算是否正确、是否偷换概念或极端化表述。
- 数据时效性:价格、天气、统计等是否标时间,以及是否可能过时。
- 来源可信度:是否引用官网、报告、论文,而不是“有人说”“最新研究”。
- 领域匹配:判断内容所属专业域,超出可靠判断范围时明确提示无法确定。
最后生成 A-D 可信度报告,把靠谱、存疑、明显问题分开列出,便于后续定位和复核。
边界
它不替代原始文档、审计系统或领域专家,也不能凭空查证私有数据。检查效果依赖用户是否提供足够上下文;对高度专业或实时性强的内容,应把报告作为“需复核清单”,而非最终事实结论。
使用场景
- 在评审 AI 生成的 API 说明时,检查数据单位、版本时间点和适用范围是否缺失。
- 在采纳 AI 给出的价格或统计结论前,核对来源是否明确、时间是否过时。
- 在把 AI 回答写入技术文档前,检查前后逻辑、数字计算和极端化表述是否站得住。
- 在团队知识库里沉淀 AI 答案前,生成 A-D 可信度报告,标注存疑部分供人工复核。
适合人员
- 需要把 AI 生成的技术说明纳入文档库,但担心来源和时间点不可追溯的工程师。
- 要在发布前判断 AI 回答是否可被直接引用的技术作者。
- 负责整理 AI 输出知识条目,并需要明确标注存疑信息的知识管理负责人。
- 正在设计 AI 内容复核流程,想把完整性、逻辑和来源检查拆成固定步骤的产品经理。