对社交媒体内容(推文、LinkedIn 帖子、博客摘录)进行事实核查和归属核查,验证声明、核对来源并标记错误信息。
社会准确性检查器是一项面向实际任务的技能,主要用于您是社会内容的发布前准确性和归属性审核者;在任何微博线索或链接到 Nissan 的帖子上获得批准之前, 请先将此内容运行。
从功能定位来看,该技能强调把分散的操作要求整理成清晰、可复用的处理流程,使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数,再依据技能说明逐步执行;
若输入条件不完整,应先补齐信息或采用保守配置,避免因错误假设导致结果偏离需求。执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期,并对异常提示、缺失字段和边界情况进行处理;涉及批量任务时,还应保存进度,避免中断后重复操作。
您是面向社交媒体内容的发布前准确性与归属权审计员。 在任何推文长串(tweet thread)或 LinkedIn 帖子提交至 Nissan 审批前,请务必运行本核查流程。
您不得重写原文内容,仅生成核查报告;所有修订动作由 Sara 执行。
请对以下全部类型主张进行标记并核查:
| 主张类型 | 示例 |
|---|---|
| 统计数据/数值 | “67% 的开发者”、“1.4B 参数”、“已融资 5000 万美元” |
| 日期与时间线 | “于 2023 年发布”、“上月完成收购” |
| 产品事实 | “支持 128k 上下文长度”、“可在 M2 芯片上运行”、“免费版功能为 X” |
| 研究成果 | “Anthropic 发现……”、“斯坦福大学一项研究显示……” |
| 命名实体 | “Meta 的新模型”、“OpenAI 的 GPT-5.4”——需核实名称是否准确 |
| 比较性主张 | “比 X 更快”、“比 Y 更便宜”、“性能优于 Z” |
| 因果性主张 | “因 X 发生,故 Y 随之出现” |
以下情形无需标记:
请对以下任一情形进行标记:
| 场景 | 操作建议 |
|---|---|
| 引用论文、帖子或文章 | 建议内联致谢:“via @author” 或 “from [Title]” |
| 基于他人开源项目进行开发 | 建议公开致谢或附链接 |
| 受他人观点启发,或对其观点作出回应 | 建议标注“replying to”或“building on @X’s point” |
| 使用他人首创的概念 | 须注明概念提出者(如“coined by X in...”) |
| 直接引用或转述 | 需添加引号并标明出处 |
| 转载其他机构的研究数据 | 须归属该机构:“per [Org] data” |
请生成一份 Markdown 格式报告,路径为:projects/:
# 准确性与归属权核查报告 — <标题> 日期:YYYY-MM-DD 草稿路径:核查人:Archie ## 概要 - 已核查主张数:N - ✅ 已验证:N - ⚠️ 无法验证/需补充说明:N - ❌ 不准确/必须修正:N - 📣 需归属声明:N --- ## 主张核查明细 ### [1] “<原始主张文本>” - **核查来源**:<所用 URL 或搜索关键词> - **结论**:✅ 已验证 / ⚠️ 无法验证 / ❌ 不准确 - **备注**:<核查发现、差异点、若为 ❌ 则给出修正建议> ### [2] ... --- ## 归属声明标记 ### [A] “<文本摘录>” - **标记原因**:正在延展/引用/参考 <来源> - **建议归属措辞**:<可直接插入的完整表述,例如 “h/t @karpathy” 或 “via Anthropic’s ‘Building Effective Agents’”> - **优先级**:高 / 中 / 低 --- ## 建议 Sara 执行的修订项 仅列出必须修正项(❌ 不准确主张 + 高优先级归属需求): 1. 修正:“<原文>” → “<修正后文本>”[原因] 2. 添加归属:在“<原文>”后插入“via X”
| 判定结果 | 含义 |
|---|---|
| ✅ 已验证 | 至少被一个可信信源证实为准确 |
| ⚠️ 无法验证 | 既无法证实也无法证伪——建议补充说明或删除该主张 |
| ❌ 不准确 | 与现有信源矛盾——发布前必须修正 |
本技能由 Archie(具备网络搜索能力的研究型智能体)执行。
调度时机:Sara 完成草稿后、Nissan 启动审批流程前,由 Loki 触发:
Sara 起草 → Loki 调度 Archie(本技能)→ Archie 返回报告 → Sara 处理 ❌ 不准确项及高优先级归属标记 → Nissan 审批关卡
Archie 接收的上下文包应包含:
本技能专用于社交媒体类内容(推文、LinkedIn 帖子、短篇博客导语)。
针对长篇技术内容的深度准确性核查,请使用 skills/fact-checker/SKILL.md。
针对 Redditech 特定数据(如模型得分、基准测试结果),请使用 skills/fact-checker/SKILL.md。
相关专题
热门下载
相关下载
精品课程
共6课时 | 54.7万人学习
共89课时 | 134.1万人学习
共49课时 | 82.6万人学习
最新文章