HaluCatch / 捕幻
评估AI Skill输出可信度与可复现性
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 Skill输出可信度与可复现性 完整的 Skill 内容见：https://321skill.com/skills/halucatch-捕幻-x-3/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
'用HaluCatch评估我刚生成的这段AI技能输出是否可信，包括可复现性和业务审查风险。' 它会解析输出内容，从多维度给出可信度评分（如0-100分），并列出潜在风险点（如数据偏差、逻辑跳跃），最后生成一份包含改进建议的评估报告。
介绍
HaluCatch（捕幻）是一款专注于评估AI Skill执行可靠性的工具。它可以帮助你判断AI技能的输出是否可信、可复现，以及能否经得起业务场景的审查。当你需要确保AI生成的代码、分析报告或对话回复在关键环节中稳定可靠时，HaluCatch能提供多维度的可信度评分和风险提示。
使用HaluCatch非常简单：你只需将AI技能的输入与输出传入，工具会从输出一致性、事实准确性、对抗鲁棒性等维度进行自动化评估，并生成一份详细的可靠性报告。你可以将HaluCatch集成到CI/CD流水线中，作为AI技能上线的质量门禁，也可以在开发过程中随时调用它来验证某个AI行为的可靠性。
HaluCatch非常适合智能体开发者、测试工程师以及全栈开发者。对于正在构建复杂AI Agent的团队，它能有效降低因AI输出幻觉或不可靠导致的业务风险；对于需要交付高质量AI功能的产品，它也能充当第三方的质量校验角色。
请注意，HaluCatch主要针对AI技能的执行结果进行评估，不适用于非AI生成的内容（如人工撰写文档）或需要完全主观判断的领域（如创意艺术评价）。建议在评估前先定义好业务场景下的可信度阈值，并定期更新评估基准以适配模型迭代。
核心特点
传统的代码审查或内容审核工具只检查表面合规性，而HaluCatch专门针对AI Skill执行过程中的可信度、可复现性以及业务穿透力进行深度评估，能发现即使语法正确但逻辑不可靠的潜在风险。
注意事项
不适合评估非AI生成的内容或需要人工主观判断的创意领域。
常见问题
HaluCatch能评估哪些类型的AI输出？
支持代码、文本、结构化数据等常见AI技能输出，可扩展自定义评估维度。
如何将HaluCatch集成到我的开发流程中？
提供CLI和API两种模式，可通过npm或pip安装，在CI/CD中作为质量门禁步骤调用。
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/halucatch-捕幻-x-3/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/halucatch-捕幻-x-3/raw/index.md（查看排版版本）