前言¶

讓大模型覈對一篇新聞稿時，它很容易走捷徑：拿原文裏的句子再問自己一遍，得出”看起來屬實”。這一步沒有引入任何外部信息，結論只依賴原文自身，循環論證由此產生。另一個常見問題是隻給”屬實/不屬實”一句判斷，不附出處鏈接，事後無法複覈。下面介紹的 Fact-check Skill 針對這兩點設計：強制外部搜索、按信源等級逐層溯源、每條結論帶深層鏈接。

這是什麼¶

「事實覈查」是一個基於通用 SKILL.md 格式的 Agent Skill，座標 @user_b8060655/cue-fact-check，由社區開發者 user_b8060655 發佈並維護，當前版本 1.0.1，分類 knowledge-management，來源 community，標籤 requires_api_key=true。它定位爲發佈或引用前的事實把關工具：逐條覈查新聞稿、社交媒體帖子、研報、政策解讀、AI 生成內容中的事實聲稱，不覈查主觀觀點。

核心功能¶

1、逐條拆解事實聲稱。把文本拆成可獨立驗證的最小聲稱單元，逐條覈查，而不是對整篇文章給一個籠統結論。

2、強制外部信源交叉驗證。Skill 直接調用 Cue 後端搜索引擎，按信源等級制度逐層溯源：

T0 官方信源：政府文件、企業公告、年報
T1 權威媒體：新華網、人民日報、財新
T2 行業媒體
T3 補充信源

從 T0 開始，未獲證實再下沉到 T1、T2、T3，避免一開始就引用二手轉述。

3、防火牆機制杜絕循環論證。用戶原文只作爲”靶子”，所有驗證必須基於外部獨立信源；Skill 不拿原文反問自身來驗證原文，這一步從流程上切斷循環論證。

4、每條結論帶深層鏈接。給出可直達具體頁面的鏈接，不接受以首頁鏈接充當出處的糊弄行爲。

5、四級評級體系，結果可被直接引用：

✅ 事實準確
❌ 事實錯誤
⚠️ 存在偏差
⚪ 無法證實

6、識別典型誤導手法。重點標註時間錯位、細節偏差、舊聞新發、移花接木四類問題。

安裝與啓用¶

該 Skill 通過 SkillHub 分發，官方地址：

https://api.skillhub.cn/user_b8060655/cue-fact-check

頁面信息頁：

https://www.skillhub.cn/skills/user_b8060655/cue-fact-check

在已接入 SkillHub 的 Agent 環境中按頁面指引安裝該 Skill。需要注意兩點：標籤 requires_api_key=true，使用前需先準備好 Cue 後端搜索引擎的 API Key；Skill 聲明的觸發詞包括「事實覈查 / 覈查一下這篇 / 這篇文章是真的假的 / 有沒有事實錯誤 / 幫我覈對一下 / 這段話靠譜嗎 / fact check / verify claims / 信息覈驗 / 辨別謠言 / 闢謠 / 原文屬實嗎 / 數據對不對」，在對話或任務中說這些觸發詞即可調用。

典型用法¶

把待覈查文本和觸發詞一起交給 Agent 即可。示例：

幫我覈對一下：某公司公告稱其去年營收同比增長 80%，請逐條覈查。

Skill 隨後的工作流程是：抽取出可驗證的聲稱 → 從 T0 官方信源檢索 → 未證實再下沉 T1/T2/T3 → 每條聲稱給出評級和深層鏈接。對上面這類含數字的聲稱，重點核查是否存在時間錯位（數據年份與聲稱年份不一致）、細節偏差（數字或口徑被改動）、舊聞新發（拿舊公告充當新消息）、移花接木（A 公司的公告安到 B 公司名下）。

適用場景與注意¶

適合記者、編輯、研究員在發佈或引用文本前做最後一道事實把關，尤其適合研報、政策解讀、AI 生成內容這類事實密度高、錯誤代價大的文本。

四個明確不適用的邊界：主觀觀點爭議（Skill 不覈查觀點）、個人隱私調查、實時突發新聞搶先驗證、法律證據鑑定。後三類需要專門工具或人工介入，不是該 Skill 的設計目標。

使用時注意：該 Skill 依賴 Cue 後端搜索引擎，需自備 API Key；T3 補充信源的權威性遠低於 T0/T1，用 T3 證實的結論可靠性天然更弱；”無法證實”不等於”事實錯誤”，評級爲 ⚪ 時應回退爲人工覈查，不要直接當作假信息處理。

結尾¶

「事實覈查」的價值在於把溯源流程固化進 Skill：信源分級、外部獨立驗證、深層鏈接、四級評級，每一步都可複覈。它不替你下結論，只是讓結論有出處。官方地址：https://api.skillhub.cn/user_b8060655/cue-fact-check