前言¶
在用 AI 执行业务 Skill 时，经常会遇到结果不可信、无法复现、或者被 AI“幻觉”误导的情况。当这些 Skill 被集成到自动化流程中时，输出不可靠会直接影响业务决策。HaluCatch 是一个专门用来审查 AI Skill 执行可靠性的工具。
它是什么¶
HaluCatch（捕幻）是一个 AI Skill 执行可靠性审查工具，由 SkillHub 社区用户 user_48539314 发布，当前版本为 1.8.8。它评估一个 Skill 被 AI 执行时，结果是否可信、是否可复现、是否经得起业务推敲。该 Skill 涵盖四个维度的检查：地基（数据管线完整性）、代码风险、规则（业务口径清晰度）和护栏（解读指南有效性）。
核心功能¶
HaluCatch 提供对 AI Skill 执行结果的四维度评估：
- 地基：检查数据管线的完整性，确保输入数据链路可靠。
- 代码：评估代码风险，识别可能导致不可靠输出的潜在问题。
- 规则：审查业务口径的清晰度，确保规则定义明确。
- 护栏：检查解读指南的有效性，评估 Skill 输出是否需要明确的解读约束。
安装与启用¶
HaluCatch 是一个基于通用 SKILL.md 格式的 Skill，安装方式取决于使用的 AI 编程工具：
- Cursor：在 Cursor 中直接搜索并安装 @user_48539314/halucatch
- Codex CLI：通过命令行工具安装社区 Skill
- Claude Code：支持 SKILL.md 格式的工具可直接加载
典型用法¶
在需要审查一个 AI Skill 时，将 HaluCatch 作为前置步骤使用。例如，在执行一个业务 Skill 之前，先运行 HaluCatch 进行可靠性评估，根据返回的四维度结果判断是否继续执行原 Skill。
适用场景与注意¶
适合在以下场景使用：
- 审计 AI Skill 的执行可靠性
- 检查输出是否存在幻觉或不可信内容
- 验证执行结果的可复现性
- 在部署或分享 Skill 前进行安全审查
注意：HaluCatch 需要通过 SkillHub 平台获取，确保使用的是官方发布的版本。
结尾¶
HaluCatch 提供了一套系统化的方法来评估 AI Skill 的执行可靠性，帮助开发者识别潜在风险。如需使用，可访问官方地址：https://api.skillhub.cn/user_48539314/halucatch
