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-7/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
‘请使用捕幻评估一下刚才生成的客户分群报告是否可靠。’，它会分析报告的逻辑一致性、数据可追溯性以及是否符合业务审查标准，并给出可信度评分和改进建议。或者，在部署一个新的自动化营销文案生成技能前，你可以说：‘评估这个文案生成技能的输出是否能经受住法务审查。’
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AI技能输出结果可能存在的幻觉、不可复现或不符合业务要求等信任问题，确保AI的自动化执行是可信赖的。
该技能通过一系列评估标准（如可信度、可复现性、业务可审查性）来分析和判断一个AI技能的执行输出是否可靠。用户只需提供技能的执行上下文和输出结果，捕幻便会生成一份评估报告。
它非常适合智能体开发者、运维工程师和项目经理，尤其是在将AI技能集成到自动化流程或关键业务决策中时，需要对AI的输出进行质量把关和风险控制的场景。
使用建议是，在将AI技能正式投入生产环境或依赖其输出进行决策前，先用捕幻进行可靠性评估。需要注意的是，其评估结果本身也是一种AI判断，对于极高风险或法规严格的应用，建议结合人工复核。
核心特点
与一般代码质量或功能测试工具不同，捕幻专门针对AI技能输出的“可信度”进行评估，关注的是AI生成内容在业务场景下的可靠性、一致性和可审查性，而非单纯的代码正确性或功能完整性。
注意事项
不适合评估非AI技能或传统软件的代码质量，也无法完全替代针对特定业务逻辑的深度人工审计。
常见问题
捕幻能检测AI生成代码的bug吗？
主要评估输出的可靠性与可信度，而非直接检测具体代码逻辑错误。
评估结果的可信度如何保证？
评估基于预设的可靠性维度，但结果本身也是AI生成，建议作为参考并结合业务知识判断。
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-7/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-7/raw/index.md（查看排版版本）