Agent Skills
返回列表
信息可信度交叉验证

信息可信度交叉验证

知识管理 更新于 2026.08.29

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_0444a772/info-credibility-verification。

技能介绍

解决什么问题

一条信息常常不是原始事实,而是二手转述、情绪化标题或被裁剪的数字。它读起来像结论,但关键链条可能缺失:谁发布的、依据什么口径、是否只挑有利数据、最终是否引导购买或导流。若直接入库或用于决策,容易把观点当成事实。这个技能要解决的是把信息拆成可核查的主张、来源、数据维度、传播动机和证据强度。

它如何工作

技能不直接采信用户输入的结论,而是执行可复现的核实流程。

  1. 信息预处理:提取核心事实主张,也就是“谁说、说了什么、数字是多少”;标记情绪渲染词;判断信息属于纯观点、含数据声明,还是含预测性断言。
  2. 溯源到上游:优先检索统计局、央行、SEC、公司公告、财报、论文等原始发布;再回到权威媒体、数据库和社交平台。可借助 WebSearch 或 web_fetch 读取原始页面;涉及金融数据时,优先用 neodata-financial-search 或 westock-data 获取原始数值。每个来源按 A/B/C/D 评级,而不是只看是否熟悉。
  3. 拆解数据维度:区分环比与同比、短期波动与长期趋势、全局与局部、高基数与低基数、绝对值与相对值、统计口径是否被偷换;同时提示“相关≠因果”,寻找替代解释。
  4. 检查意图与传播模式:识别“史诗级”“暴富”“崩盘”“最后机会”“重磅”等极端词汇;核查落脚点是否导向课程、荐股、房产、理财或导流;判断是否选择性呈现有利数据、把观点伪装成事实、模糊时间范围或夸大样本量。
  5. 输出结构化报告:按固定格式给出核心结论、信源评级、数据维度拆解、风险警示清单和修正后的理性表述,让结论能被复核。

适用边界

它更接近证据链和叙事偏差审计,而不是给每句话直接判定真假。原始资料缺失、付费墙、数据滞后、口径差异或检索结果冲突都会限制结论。遇到不完整证据时,应保留不确定性、记录发布时间和链接。报告用于帮助人工判断,不能替代专业决策或事实核查员。

使用场景

  • 日常新闻采编:收到一条行业消息,需定位官方原始信源并确认数据发布日期。
  • 金融研究:看到某项经济指标,要核对统计局或公司公告,避免引用转述数字。
  • 舆情分析:筛选社交平台内容时,判断是否存在情绪渲染和导流动机。
  • 知识库整理:对 AI agent 收集的断言做来源评级与口径核查,剔除无出处结论。

适合人员

  • 内容编辑:需要把一条热点信息核实成可发布的事实摘要。
  • 研究人员:需要把论文、财报和媒体转述分离成不同可信度的证据。
  • 数据分析师:需要拆解指标口径、基期和相关关系,防止误读增长。
  • AI 工程师:需要为智能体或知识库加入信源评级和事实核查流程。