Skip to main content

no-fabrication

当用户询问"去痕后是否会改变事实"、"如何确保真实性"或"AI 是否会编造内容"时调用此 skill。不适用于:创意写作、虚构内容生成、不需要事实准确性的场景。关键 trigger 信号:不编造、事实准确性、name/number/date/quote、来自源或作者、真实性。

Zur Installation springen

Quellinformationen

Repository
Natsummerance/agents
Letzte Quellaktivität
27. August 2026 um 07:35
Erkannte Sprache von SKILL.md
Chinesisch
Sterne
3
Forks
0

Installationsoptionen

Standardmäßig ist der Prompt ausgewählt, der zuerst die Quelle prüft. Sie können zu einem direkten Befehl wechseln oder eine lokale Kopie herunterladen.

Quelldateien prüfen

Lesen Sie SKILL.md und alle von SkillsMP angezeigten Begleitdateien, bevor Sie sich für eine Installation entscheiden.

Datei-Explorer
3 Dateien

SKILL.md wird angezeigt

SKILL.md
Quellanweisungen · Schreibgeschützte Vorschau
name
no-fabrication
description
当用户询问"去痕后是否会改变事实"、"如何确保真实性"或"AI 是否会编造内容"时调用此 skill。不适用于:创意写作、虚构内容生成、不需要事实准确性的场景。关键 trigger 信号:不编造、事实准确性、name/number/date/quote、来自源或作者、真实性。
source_book
Humanizer Blader
source_project
blader/humanizer
source_chapter
Introduction / no fabrication section
tags
["no-fabrication","factual-accuracy","truthfulness","source-verification"]
related_skills
["show-your-work","preserve-style"]
# SKILL.md - No Fabrication(不编造事实) ## R (Reading) - 原文引用 > "It does not make things up. A name, number, date, quote, citation, or other factual detail must come from the source or the writer." > > "Details such as the month and neighborhood need to come from the writer. If they are missing, Humanizer should ask instead of making them up." ## I (Interpretation) - 方法论骨架 **核心思想**:Humanizer 不编造事实,所有名称、数字、日期、引用、引文或其他事实细节必须来自源或作者。如果缺失,应该询问而不是编造。这种"不编造"原则确保去痕后的文本保持真实性。 **关键要素**: 1. **No Making Things Up**: 明确声明不编造任何内容 2. **Factual Details Must Come From Source**: 名称、数字、日期、引用等必须来自源或作者 3. **Ask Instead of Making Up**: 如果细节缺失,应该询问而不是编造 ## A1 (Past Application) - 书中作者用过的案例 README 中明确强调了不编造事实的原则,并在里斯本旅行文本案例中展示了这一点: - Before 版本包含"last October"、"Alfama"、"Graça"等具体细节 - After 版本保留了这些细节,没有添加或删除任何事实信息 - 如果原始文本缺少某些细节(如具体月份),Humanizer 应该询问而不是编造 这种设计确保了去痕后的文本在移除 AI 痕迹的同时保持事实准确性。 ## A2 (Future Trigger) - 用户在什么情境下会需要这个 **适用场景**: - 用户担心去痕后会改变事实 - 用户想确保去痕后的文本保持真实性 - 用户想了解 AI 是否会编造内容 - 用户有严格的事实准确性要求(如新闻、学术写作) **与相邻 skill 的区分**: - 与 `show-your-work` 的区别:no-fabrication 关注**事实准确性**,而 show-your-work 关注**透明化流程**。前者是内容保障,后者是过程透明。 - 与 `preserve-style` 的区别:no-fabrication 关注**事实不编造**,而 preserve-style 关注**风格保持**。前者是真实性保障,后者是个性化保障。 ## E (Execution) - 可执行步骤 1. **识别事实细节** - 标记文本中的所有名称、数字、日期、引用、引文 - 确认这些细节是否来自源或作者 - 检查是否有缺失的细节 - 完成标准: 全部事实细节已汇成清单,缺失项单独标出 2. **验证事实来源** - 对于每个事实细节,确认其来源 - 如果来源不明,标记为需要验证 - 如果细节缺失,准备询问用户 - 完成标准: 每条事实细节均已标注来源(源文本/作者/待询问)三类之一 3. **去痕时保持事实** - 在应用 35 个模式时,确保不改变事实细节 - 只修改表达方式,不修改内容 - 如果模式应用可能导致事实变化,跳过该模式 - 完成标准: 重写前后逐条比对事实清单零篡改,被跳过的模式已记录 4. **询问缺失细节** - 如果发现缺失的细节(如具体月份、地点) - 向用户询问这些信息 - 不要自行编造或猜测 - 完成标准: 已就缺失细节向用户发出明确提问,回答中未引入任何新事实 ## B (Boundary) - 什么时候不适用 **不适用场景**: - 创意写作(可以虚构内容) - 虚构内容生成(不需要事实准确性) - 用户明确要求添加某些细节 - 快速原型验证(不需要严格事实核查) **作者的盲点**: - Blader 假设所有用户都需要严格的事实准确性,但实际上某些场景(如创意写作)可能需要虚构 - humanizer 缺少对事实验证机制的具体说明(如何确认细节来自源或作者) - 没有提到如何处理模糊或不确定的事实(如"大约"、"可能"等表述)
Auf GitHub ansehen