claim-verification

Name: claim-verification
Author: realnaka

16stars8forks

How to install claim-verification?

realnaka/alphaloop/claim-verification

$npx -y skills add realnaka/alphaloop --skill claim-verification

Installs into the current project.

Summary

核实二手信息真伪的方法论——把推文/小作文/新闻/研报/其他 AI 的结论降级为"假设"，拆成原子声明，用一手源逐条验真并打标签。当用户提到 "核实/查证/验证一下"、"这个人说的对吗"、"哪些需要验证"、"小作文"、"推文/X/Twitter 说"、"别的 AI 说"、"fact-check"、"多头/空头 thesis 核验"、"消息靠谱吗"、转发一段新闻/研报/截图让你判断真假时使用。也用于投资/公司关系/技术声明的真伪判断。

Files · 1

View on GitHub

SKILL.md

1	# Claim Verification（二手信息核实方法论）
2
3	> 核心原则：任何二手信息（推文 / 小作文 / 新闻 / 研报 / 其他 AI 的结论）默认是假设（hypothesis），不是事实。验真前不引用、不写入知识库、不驱动决策。
4	>
5	> 姊妹 skill：[`agent-tool-escalation`](../agent-tool-escalation/SKILL.md) 管"工具怎么用"；本 skill 管"信息怎么验真"。投资场景配合 [`openorder`](../openorder/SKILL.md) 落档。
6
7	## 5 步工作流
8
9	```
10	1. 拆解（DECOMPOSE）把长 thesis / 一段话拆成「原子声明」，每条只含一个可独立验证的事实
11	2. 定级（TRIAGE）给每条声明标来源可信度 + 优先级（影响大 + 易错 = 先查）
12	3. 查源（VERIFY）用「证据梯度」溯源到一手；量级类必须找到数字出处
13	4. 判定（LABEL）给每条打 ✅ / 🟡 / 🔴 / ⚠️ 标签 + 写出一手源
14	5. 落档（LOG）输出核验矩阵；投资场景同步纠正知识库 + 记 log（含纠错痕迹）
15	```
16
17	## 证据可信度梯度（高 → 低）
18
19	\| 级 \| 来源 \| 用法 \|
20	\|---\|---\|---\|
21	\| S \| SEC/EDGAR、SEDAR+、公司 IR / 官方 PR、8-K/10-Q/年报、标准文本（如 MSA 规范）、公司官网产品页、实时行情 API \| 唯一可作"事实"的源 \|
22	\| A \| 一线行业媒体、券商研报（署名）、原始论文 \| 可作旁证，需标"分析师估/媒体口径" \|
23	\| B \| 博客、substack、雪球/Stocktwits、转述新闻 \| 仅作线索，必须回溯到 S/A \|
24	\| C \| 匿名推文 / 小作文 / 群消息 / 其他 AI 的输出 \| 只能当"待查线索清单"，本身不是证据 \|
25
26	> "其他 AI 给的结论"= C 级。把它当成一份待核实的 leads，逐条降级查源，绝不能因为"AI 也这么说"就当佐证。
27
28	## 8 类常见失真模式（查到任一 → 标 🔴/⚠️）
29
30	1. 张冠李戴 / 误归属：把 A 公司的订单/合作安到 B 头上。→ 查原始 PR 的主体到底是谁。
31	2. 循环引用：媒体甲引媒体乙、乙又引当事人本人。→ 顺着引用链找最初出处，看是否独立。
32	3. 推断升级成事实："未具名客户"被脑补成具体公司；"潜在"被说成"已落地"。→ 区分披露事实 vs 社区推断。
33	4. 选择性取利好/利空：只讲一个事实的有利面（如"被收购=利好"，隐藏"订单被取消"）。→ 同一事实强制双向看。
34	5. 过时数据：拿 N 年前的 PR / 旧估值当现状。→ 检查日期；找最新一手覆盖。
35	6. 营销展示 ≠ 商业事实（双向）：官网 logo 墙 ≠ 供货合同；logo 撤了也 ≠ 关系归零。→ 用合同/财报判断，不靠营销页；缺失是弱证据，不过度解读（"搜不到≠不存在"）。
36	7. 量级未证实：涨幅/估值/出货量/市值等数字没出处。→ 找财报/行情 API 实测；对不上就标 ⚠️。
37	8. 概念混淆：把同名不同义、同公司不同产品线、相近标准混为一谈。→ 回到定义/规格书逐项对齐。
38
39	## 判定标签
40
41	\| 标签 \| 含义 \| 必须附 \|
42	\|---\|---\|---\|
43	\| ✅ 证实 \| S 级一手源确认 \| 源链接/出处 + 关键数字 \|
44	\| 🟡 部分/需 nuance \| 方向对但有偏差或前提 \| 说明偏在哪 \|
45	\| 🔴 错误/误导 \| 与一手源冲突 / 张冠李戴 \| 正确事实 + 源 \|
46	\| ⚠️ 未证实 \| 找不到一手源 \| 注明"已查 X 未果，存疑" \|
47
48	## 关系强度分级（判断"A 和 B 有没有关系"时）
49
50	合同/8-K ＞入股＞战略合作 PR ＞ demo/样品/qual ＞论坛传闻。
51	不能把弱级别说成强级别（如把"OFC demo"写成"量产收入"）。
52	下"没有关系"结论前，先穷尽 vector 路径（见 `agent-tool-escalation` Case 6）。
53
54	## 下结论前的自检三问
55
56	1. 我现在要采信/反驳的这条，源是 S/A 还是 B/C？ C 级没回溯到 S/A → 只能标 ⚠️，不能下定论。
57	2. 这是披露的事实，还是别人的推断/口径？量级类有没有数字出处？
58	3. 我是不是因为"听起来合理 / 用户这么说 / 别的 AI 也这么说"就想认同？plausible ≠ correct——验了再说。
59
60	## 输出模板（核验矩阵）
61
62	```markdown
63	\| 声明 \| 判定 \| 一手源 / 说明 \|
64	\|---\|---\|---\|
65	\| 〔原子声明 1〕 \| ✅ \| 〔S 级源 + 数字〕 \|
66	\| 〔原子声明 2〕 \| 🔴 \| 〔正确事实 + 源〕 \|
67	\| 〔原子声明 3〕 \| ⚠️ \| 已查〔X〕未果，存疑 \|
68	```
69	先给"总评"（骨架真/假比例 + 最大风险点），再给逐条矩阵。
70
71	## 真实案例（2026-05 SIVE / ENA / Ayar 核验，供模式识别）
72
73	- 🔴 张冠李戴：多头称"POET $500M 订单 SIVE 供光源" → 实为 Lumilens→POET 的光引擎订单，全文无 Sivers。
74	- 🔴 过时数据：自己一度说"Ayar 明确双源 Lumentum" → 2022 旧 PR；2026 实况是 Lumentum 转竞争对手（自家 ELSFP-350 + NVDA $2B 直供）。修正时连自己的旧结论一起纠。
75	- 🔴 量级未证实：散户称 ENA"单日 +70% / 估值 <$50M / 10M+ 芯片" → 实测 +25%、市值 CAD 91M、无芯片数源；还顺手发现自己 wiki 把 ENA 指引写成 $12M（实为 $8M）。
76	- 🔴 概念混淆：用户把 CW-WDM MSA 当 20nm CWDM、把 LITE UHP-CPO 当长距相干 → 对照标准文本（cw-wdm.org）与 Lumentum 产品页逐项纠正。
77	- ✅ 真的也要认：SIVE×O-Net×Enablence 三方 8 通道 ELS = 官方 PR + SIVE Q1 财报点名 → 置信度高于其他 vector。
78
79	→ 核心教训：长 thesis 往往骨架真 + 细节假掺在一起；不能整体接受或整体否定，必须拆条验真。连自己之前写的结论也适用同一标准（推翻门槛 > 补充门槛，见 `agent-tool-escalation` Case 3）。

People who liked this also viewed

6 picks

Type

claim-verification

16stars8forks

View on GitHub

How to install claim-verification?

realnaka/alphaloop/claim-verification

$npx -y skills add realnaka/alphaloop --skill claim-verification

Installs into the current project.

Summary

Files · 1

View on GitHub

SKILL.md

1	# Claim Verification（二手信息核实方法论）
2
3	> 核心原则：任何二手信息（推文 / 小作文 / 新闻 / 研报 / 其他 AI 的结论）默认是假设（hypothesis），不是事实。验真前不引用、不写入知识库、不驱动决策。
4	>
5	> 姊妹 skill：[`agent-tool-escalation`](../agent-tool-escalation/SKILL.md) 管"工具怎么用"；本 skill 管"信息怎么验真"。投资场景配合 [`openorder`](../openorder/SKILL.md) 落档。
6
7	## 5 步工作流
8
9	```
10	1. 拆解（DECOMPOSE）把长 thesis / 一段话拆成「原子声明」，每条只含一个可独立验证的事实
11	2. 定级（TRIAGE）给每条声明标来源可信度 + 优先级（影响大 + 易错 = 先查）
12	3. 查源（VERIFY）用「证据梯度」溯源到一手；量级类必须找到数字出处
13	4. 判定（LABEL）给每条打 ✅ / 🟡 / 🔴 / ⚠️ 标签 + 写出一手源
14	5. 落档（LOG）输出核验矩阵；投资场景同步纠正知识库 + 记 log（含纠错痕迹）
15	```
16
17	## 证据可信度梯度（高 → 低）
18
19	\| 级 \| 来源 \| 用法 \|
20	\|---\|---\|---\|
21	\| S \| SEC/EDGAR、SEDAR+、公司 IR / 官方 PR、8-K/10-Q/年报、标准文本（如 MSA 规范）、公司官网产品页、实时行情 API \| 唯一可作"事实"的源 \|
22	\| A \| 一线行业媒体、券商研报（署名）、原始论文 \| 可作旁证，需标"分析师估/媒体口径" \|
23	\| B \| 博客、substack、雪球/Stocktwits、转述新闻 \| 仅作线索，必须回溯到 S/A \|
24	\| C \| 匿名推文 / 小作文 / 群消息 / 其他 AI 的输出 \| 只能当"待查线索清单"，本身不是证据 \|
25
26	> "其他 AI 给的结论"= C 级。把它当成一份待核实的 leads，逐条降级查源，绝不能因为"AI 也这么说"就当佐证。
27
28	## 8 类常见失真模式（查到任一 → 标 🔴/⚠️）
29
30	1. 张冠李戴 / 误归属：把 A 公司的订单/合作安到 B 头上。→ 查原始 PR 的主体到底是谁。
31	2. 循环引用：媒体甲引媒体乙、乙又引当事人本人。→ 顺着引用链找最初出处，看是否独立。
32	3. 推断升级成事实："未具名客户"被脑补成具体公司；"潜在"被说成"已落地"。→ 区分披露事实 vs 社区推断。
33	4. 选择性取利好/利空：只讲一个事实的有利面（如"被收购=利好"，隐藏"订单被取消"）。→ 同一事实强制双向看。
34	5. 过时数据：拿 N 年前的 PR / 旧估值当现状。→ 检查日期；找最新一手覆盖。
35	6. 营销展示 ≠ 商业事实（双向）：官网 logo 墙 ≠ 供货合同；logo 撤了也 ≠ 关系归零。→ 用合同/财报判断，不靠营销页；缺失是弱证据，不过度解读（"搜不到≠不存在"）。
36	7. 量级未证实：涨幅/估值/出货量/市值等数字没出处。→ 找财报/行情 API 实测；对不上就标 ⚠️。
37	8. 概念混淆：把同名不同义、同公司不同产品线、相近标准混为一谈。→ 回到定义/规格书逐项对齐。
38
39	## 判定标签
40
41	\| 标签 \| 含义 \| 必须附 \|
42	\|---\|---\|---\|
43	\| ✅ 证实 \| S 级一手源确认 \| 源链接/出处 + 关键数字 \|
44	\| 🟡 部分/需 nuance \| 方向对但有偏差或前提 \| 说明偏在哪 \|
45	\| 🔴 错误/误导 \| 与一手源冲突 / 张冠李戴 \| 正确事实 + 源 \|
46	\| ⚠️ 未证实 \| 找不到一手源 \| 注明"已查 X 未果，存疑" \|
47
48	## 关系强度分级（判断"A 和 B 有没有关系"时）
49
50	合同/8-K ＞入股＞战略合作 PR ＞ demo/样品/qual ＞论坛传闻。
51	不能把弱级别说成强级别（如把"OFC demo"写成"量产收入"）。
52	下"没有关系"结论前，先穷尽 vector 路径（见 `agent-tool-escalation` Case 6）。
53
54	## 下结论前的自检三问
55
56	1. 我现在要采信/反驳的这条，源是 S/A 还是 B/C？ C 级没回溯到 S/A → 只能标 ⚠️，不能下定论。
57	2. 这是披露的事实，还是别人的推断/口径？量级类有没有数字出处？
58	3. 我是不是因为"听起来合理 / 用户这么说 / 别的 AI 也这么说"就想认同？plausible ≠ correct——验了再说。
59
60	## 输出模板（核验矩阵）
61
62	```markdown
63	\| 声明 \| 判定 \| 一手源 / 说明 \|
64	\|---\|---\|---\|
65	\| 〔原子声明 1〕 \| ✅ \| 〔S 级源 + 数字〕 \|
66	\| 〔原子声明 2〕 \| 🔴 \| 〔正确事实 + 源〕 \|
67	\| 〔原子声明 3〕 \| ⚠️ \| 已查〔X〕未果，存疑 \|
68	```
69	先给"总评"（骨架真/假比例 + 最大风险点），再给逐条矩阵。
70
71	## 真实案例（2026-05 SIVE / ENA / Ayar 核验，供模式识别）
72
73	- 🔴 张冠李戴：多头称"POET $500M 订单 SIVE 供光源" → 实为 Lumilens→POET 的光引擎订单，全文无 Sivers。
74	- 🔴 过时数据：自己一度说"Ayar 明确双源 Lumentum" → 2022 旧 PR；2026 实况是 Lumentum 转竞争对手（自家 ELSFP-350 + NVDA $2B 直供）。修正时连自己的旧结论一起纠。
75	- 🔴 量级未证实：散户称 ENA"单日 +70% / 估值 <$50M / 10M+ 芯片" → 实测 +25%、市值 CAD 91M、无芯片数源；还顺手发现自己 wiki 把 ENA 指引写成 $12M（实为 $8M）。
76	- 🔴 概念混淆：用户把 CW-WDM MSA 当 20nm CWDM、把 LITE UHP-CPO 当长距相干 → 对照标准文本（cw-wdm.org）与 Lumentum 产品页逐项纠正。
77	- ✅ 真的也要认：SIVE×O-Net×Enablence 三方 8 通道 ELS = 官方 PR + SIVE Q1 财报点名 → 置信度高于其他 vector。
78
79	→ 核心教训：长 thesis 往往骨架真 + 细节假掺在一起；不能整体接受或整体否定，必须拆条验真。连自己之前写的结论也适用同一标准（推翻门槛 > 补充门槛，见 `agent-tool-escalation` Case 3）。

People who liked this also viewed

6 picks

Type