HaluCatch / 捕幻
评估AI技能执行结果的可靠性，确保输出可信、可复现且经得起业务审查。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：HaluCatch / 捕幻。 它的用途是：评估AI技能执行结果的可靠性，确保输出可信、可复现且经得起业务审查。 完整的 Skill 内容见：https://321skill.com/skills/ai-output-verifier/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
‘请评估刚才生成的这份市场趋势分析报告的可靠性。重点检查数据推论是否严谨，结论是否能在不同时间点复现，以及是否存在未被考虑的潜在市场变量。’ 它会调用捕幻技能，对报告内容进行结构化分析，并返回一份评估摘要，指出报告中的强项、潜在逻辑漏洞以及需要进一步验证的假设。
介绍
捕幻（HaluCatch）是一个专注于评估AI技能执行可靠性的工具。它旨在解决一个核心痛点：当AI技能（例如代码生成、数据分析、内容创作等）被集成到自动化流程或业务系统中时，其输出结果是否真正值得信赖？用户常常面临AI生成内容看似合理但实际存在逻辑错误、数据不准确或无法稳定复现的问题，这给生产环境部署带来了风险。
该技能通过一套评估框架，对AI技能的执行输出进行多维度的审查。它可以检查输出的逻辑一致性、事实准确性、对输入变化的鲁棒性，以及是否符合特定的业务规则或质量标准。用户只需将AI技能的执行结果（如生成的代码、报告、分析结论）提供给捕幻，它便能生成一份可靠性评估报告。
该工具特别适合对AI输出质量有严格要求的角色，例如需要确保生成代码安全合规的运维工程师和测试工程师，依赖AI进行数据分析并需要可靠结论的数据分析师，以及负责将AI功能集成到产品中、必须评估其稳定性的产品经理和智能体开发者。
使用建议是将其作为AI技能上线前的“质量门禁”。在将任何AI生成的成果投入生产或做出关键决策前，先用捕幻进行一轮可靠性扫描。注意事项是，它评估的是“输出结果”的可靠性，而非技能本身的算法优劣，因此其评估效果高度依赖于你提供的评估标准和上下文信息。
常见问题
捕幻能直接提高AI生成代码的质量吗？
不能直接提高，但它能识别出生成代码中潜在的不可靠、不稳定或不符合业务逻辑的部分，为你指出需要人工复核和改进的方向。
这个技能和单元测试有什么区别？
单元测试验证代码功能是否正确，而捕幻评估的是AI生成这个“结果”的过程是否可靠、可复现，以及结论是否经得起业务拷问，它更侧重于生成逻辑和结论的可信度评估。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/ai-output-verifier/raw/index.md 读取 HaluCatch / 捕幻 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/ai-output-verifier/raw/index.md（查看排版版本）