前言¶
法律场景里用大模型写文书、做检索增强回答，最常见的问题不是”答得不好”，而是”答得很像真的”。模型会编出并不存在的法条条文、给出张冠李戴的类案、把不存在的当事人和案号写得有鼻子有眼。人工逐条核对成本很高，漏一条就可能直接进文书。
下面介绍的 Skill「法律幻觉核查」就是针对这个环节的：它把一段法律 AI 生成的文本或片段作为输入，逐项检查其中是否存在幻觉，并输出分级报告。
这是什么¶
「法律幻觉核查」是一个面向法律 AI 生成内容的反幻觉核验 Skill，坐标 @user_3f124c54/legal-hallucination-check，版本 1.0.0，来源为 community（社区），分类 professional，发布者 user_3f124c54。
它解决的问题很明确：给定一段模型生成的法律文本，判断里面的法律依据、法律观点、法律事实、法律风险、案例引用、程序法描述是否可靠，而不是让使用者自己去逐字比对法条和裁判文书。
核心能力：六大类幻觉¶
Skill 把幻觉拆成六个类别分别核查，这也是它和”再问一遍模型”这种做法的区别——不是重新生成，而是按类别逐项反查：
- 法律依据：条文是否存在、引用是否准确。
- 法律观点：论述是否成立、是否有依据支撑。
- 法律事实：案件事实描述是否与材料一致。
- 法律风险：风险提示是否有对应规范基础。
- 案例引用：裁判文书、案号、裁判要旨是否真实可溯。
- 程序法：程序性表述是否符合法定流程。
溯源核验：得理 mcp¶
这六类核查不靠模型自述，而是结合得理 mcp 的 law-list / case-list 做溯源核验——即拿生成内容里的法条和案例去外部法律数据库里反查，确认其真实存在且内容一致。这一步是反幻觉的关键：只有能落到具体法条条目或具体案件记录上的内容才算通过。
输出：分级反幻觉报告¶
核查完成后输出的是分级反幻觉报告，而不是简单的”通过/不通过”。分级意味着使用者可以按严重程度决定哪些内容必须回改、哪些可以保留，这对要在文书里落地的场景比较实用。
安装与启用¶
需要说明的是，本次核对所依据的 SkillHub 资料中没有给出具体的安装命令、目录路径或配置文件字段，因此这里不臆造命令。要获取权威的安装步骤，应直接访问该 Skill 的 SkillHub 页面确认：
https://www.skillhub.cn/skills/user_3f124c54/legal-hallucination-check
资料中给出的一个可用配置信息是标签 requires_api_key=false，即该 Skill 标记为不需要 API Key。这一点对部署环境选择有意义：接入时不必额外申请密钥。
关于 Cursor / Codex CLI / Claude Code 等不同客户端的安装差异，现有资料没有分别说明，这里不做推断。
典型用法¶
Skill 的触发方式是场景化的：当用户提到幻觉核验、幻觉核查、法规幻觉核查、案例幻觉核查、法条真实性核验、类案引用核验、法律AI幻觉检测、反幻觉核验、文书幻觉检查、模型幻觉识别等场景时使用。
也就是说，典型的调用形态是把一段待核查的法律 AI 生成文本交给 Skill，由它完成上述六类核查并返回分级报告。具体的输入格式和调用命令需以 SkillHub 页面的说明为准。
适用场景与注意¶
适合谁：
- 用大模型生成法律文书、法律意见、类案检索摘要，需要入库前把关的开发者和团队。
- 做法律 AI 产品、希望把”生成 + 核验”串成一条流水线的场景。
需要注意的点：
- 核验依赖得理 mcp 的
law-list/case-list，法条和案例的覆盖范围取决于该数据源的覆盖范围，超出覆盖范围的内容无法完成溯源。 - 它是反幻觉核验工具，不是法律意见生成工具，不替代对实体结论的判断。
- 页面显示的评分为 100000、下载 1294、安装 0（截至资料抓取时，来源见文末）。其中评分数值偏高，可能为平台的展示口径，下载与安装量更能反映实际使用规模；安装量为 0 说明目前可能还没有规模化部署记录，接入前建议先小范围验证。
结尾¶
「法律幻觉核查」的价值在于把法律 AI 生成内容里最容易出事故的那部分——编造的法条和案例——变成可逐项溯源、可分级处置的检查项。对于已经在用大模型产出法律文本的团队，它是一个可以插在生成环节之后的质检步骤。
官方地址：https://api.skillhub.cn/user_3f124c54/legal-hallucination-check
SkillHub 页面：https://www.skillhub.cn/skills/user_3f124c54/legal-hallucination-check
