smart-sourcing
选择最优来源，平衡准确性与Token成本
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：smart-sourcing。 它的用途是：选择最优来源，平衡准确性与Token成本 完整的 Skill 内容见：https://321skill.com/skills/smart-sourcing-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
'我想验证这个关于气候模型的声明，但可能有多篇论文和新闻，帮我选成本最低且最可靠的来源'，它会调用smart-sourcing分析候选来源（如学术数据库、政府报告、科普网站），按准确度与Token成本排序，建议优先查询某篇高引论文或权威机构报告，然后由你决定是否执行。
介绍
在调用工具或进行网络搜索时，不同数据源的准确性和Token消耗差异巨大。smart-sourcing 能帮你自动评估候选来源的可靠性、时效性和成本，在开始研究前就选出最优方案，避免因盲目调用权威源而浪费Token，或因轻信低质源而产生错误结论。
使用时，只需描述你的研究需求或待验证的声明，smart-sourcing 会分析可用数据源（如维基百科、学术数据库、新闻聚合、API服务等），按准确度与成本比例排序，并给出建议的调用顺序。你无需手动配置每个来源的权重，它内置了动态评分模型。
适合需要频繁进行事实核查、市场调研、竞品分析的研究者、数据分析师、内容创作者，以及任何希望降低AI调用成本同时保持结果可靠性的开发者和团队。特别适合在AI Agent工作流中作为前置决策模块。
建议在每条研究任务前使用，尤其当问题涉及多个潜在数据源且Token预算有限时。注意：它不直接执行查询或验证，而是提供决策建议，最终调用仍需由你或下游工具完成。对于已知的单一权威来源（如政府官网）可跳过此步骤。
核心特点
同类工具直接执行搜索或验证，smart-sourcing 则先做「来源选择决策」，通过动态评分模型平衡准确性与Token成本，避免高成本调用权威源获取已知信息，也避免低质源误导结果。
注意事项
不适合已经明确知道唯一可靠来源的场景，或对实时性要求极高且Token成本不敏感的任务。
常见问题
smart-sourcing 和直接搜索有什么区别？
直接搜索会立即执行并返回结果；smart-sourcing 先评估候选来源的优劣，给出建议的调用顺序和预算分配，你再决定是否执行。
它支持哪些数据源？
支持常见API（如维基百科、Semantic Scholar、新闻聚合、OpenAI检索等），具体列表因部署环境而异，通常可配置。
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/smart-sourcing-x-7/raw/index.md 读取 smart-sourcing 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/smart-sourcing-x-7/raw/index.md（查看排版版本）