HaluCatch / 捕幻
评估AI技能执行结果的可靠性与可信度。
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与可信度。 完整的 Skill 内容见：https://321skill.com/skills/ai-reliability-check-4/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
“请使用捕幻技能，评估刚才生成的这份数据分析报告的可靠性。”，它会调用该技能，从数据来源的透明度、分析过程的逻辑一致性、结论的可复现性等维度对报告进行评估，并给出一个可靠性评分和具体的改进建议。
介绍
捕幻（HaluCatch）是一个专注于评估AI技能执行可靠性的工具。它旨在解决用户在使用各类AI技能时，对输出结果是否可信、可复现以及能否经得起业务场景严格检验的担忧。
该技能通过一套评估框架，对AI技能的执行过程与输出结果进行分析，检查其逻辑一致性、数据可追溯性以及是否符合预设的业务标准，从而判断该次执行的可靠性。
它非常适合需要在生产环境或关键业务中集成AI能力的开发者、项目经理和测试工程师，帮助他们建立对AI自动化流程的质量信心，降低因AI输出不可靠而带来的业务风险。
使用前建议明确你所在业务场景对“可靠性”的具体定义（如数据准确性阈值、逻辑完备性要求），以便更精准地配置评估参数。注意，它评估的是单次技能执行的输出，而非技能本身的长期稳定性。
常见问题
捕幻能检测AI生成内容的事实性错误吗？
它能评估输出的一致性、可复现性和是否符合给定约束，但深度的事实核查需要结合外部知识库。
这个技能可以集成到CI/CD流程中吗？
可以，其评估结果可以作为自动化流程中的一个质量门禁，判断AI技能的执行是否达标。
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-reliability-check-4/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-reliability-check-4/raw/index.md（查看排版版本）