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/halucatch-捕幻-x-6/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段用户画像分析报告的可靠性。’ 它会调用捕幻技能，从数据一致性、逻辑推演的可复现性以及结论是否能支撑营销决策等维度，生成一份评估报告，指出报告中哪些部分置信度高，哪些推断可能存在跳跃或依据不足。
介绍
捕幻（HaluCatch）是一个专注于评估AI技能执行可靠性的工具。它旨在解决在业务场景中，AI技能（如代码生成、数据分析、内容创作等）的输出结果可能存在的幻觉、不一致或不可靠问题，帮助用户判断AI生成内容是否值得信赖。
该技能通过一系列评估维度（如可信度、可复现性、业务审查承受力等）对AI技能的执行结果进行系统性分析。用户只需提供待评估的技能输出或执行上下文，捕幻便会给出一个可靠性评分和详细的分析报告，指出潜在的风险点或不可靠之处。
它非常适合依赖AI技能进行关键决策或生产工作的专业人士，例如产品经理、数据分析师、开发者和内容创作者。当您需要确保AI生成的代码、报告、方案或创意内容在投入实际使用前是坚实可靠时，捕幻能提供关键的验证环节。
使用建议：建议在将重要的AI生成结果（如项目代码、商业分析报告、法律文书草稿）交付给客户或投入生产环境前，使用捕幻进行可靠性检查。注意事项：它评估的是输出结果的“可靠性”特征，而非内容的绝对正确性或事实性，对于事实核查仍需结合领域知识。
核心特点
与多数专注于生成或执行特定任务的AI技能不同，捕幻的核心定位是“技能的技能”，即对AI技能本身的输出质量进行元评估。它不直接生成代码或分析数据，而是评估这些生成动作的结果是否可靠、可复现，并能经受业务层面的审视。
注意事项
不适合用于评估高度主观或创意性内容（如艺术创作）的“正确性”，也不直接修正被评估内容中的错误。
常见问题
捕幻能检测AI生成内容的事实性错误吗？
不能直接检测事实错误，它主要评估输出的一致性、逻辑自洽性和业务场景下的可信赖度，事实核查需结合其他工具或专业知识。
这个技能可以集成到CI/CD流程中吗？
可以，其评估功能可以脚本化，用于在自动化流程中对AI生成的代码或文档进行可靠性门禁检查。
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-6/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-6/raw/index.md（查看排版版本）