| name | claim-verification |
| description | 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。 |
Claim Verification（二手信息核实方法论）
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。
姊妹 skill：agent-tool-escalation 管"工具怎么用"；本 skill 管"信息怎么验真"。投资场景配合 openorder 落档。
5 步工作流
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
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）
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
4. 判定（LABEL） 给每条打 ✅ / 🟡 / 🔴 / ⚠️ 标签 + 写出一手源
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）
证据可信度梯度（高 → 低）
| 级 | 来源 | 用法 |
|---|
| 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 |
| 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" |
| B | 博客、substack、雪球/Stocktwits、转述新闻 | 仅作线索，必须回溯到 S/A |
| 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 |
"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。
8 类常见失真模式（查到任一 → 标 🔴/⚠️）
- 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。
- 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。
- 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。
- 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。
- 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。
- 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"）。
- 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 ⚠️。
- 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。
判定标签
| 标签 | 含义 | 必须附 |
|---|
| ✅ 证实 | S 级一手源确认 | 源链接/出处 + 关键数字 |
| 🟡 部分/需 nuance | 方向对但有偏差或前提 | 说明偏在哪 |
| 🔴 错误/误导 | 与一手源冲突 / 张冠李戴 | 正确事实 + 源 |
| ⚠️ 未证实 | 找不到一手源 | 注明"已查 X 未果，存疑" |
关系强度分级（判断"A 和 B 有没有关系"时）
合同/8-K ＞ 入股 ＞ 战略合作 PR ＞ demo/样品/qual ＞ 论坛传闻。
不能把弱级别说成强级别（如把"OFC demo"写成"量产收入"）。
下"没有关系"结论前，先穷尽 vector 路径（见 agent-tool-escalation Case 6）。
下结论前的自检三问
- 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。
- 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？
- 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。
输出模板（核验矩阵）
| 声明 | 判定 | 一手源 / 说明 |
|---|---|---|
| 〔原子声明 1〕 | ✅ | 〔S 级源 + 数字〕 |
| 〔原子声明 2〕 | 🔴 | 〔正确事实 + 源〕 |
| 〔原子声明 3〕 | ⚠️ | 已查〔X〕未果，存疑 |
先给"总评"（骨架真/假比例 + 最大风险点），再给逐条矩阵。
真实案例（2026-05 SIVE / ENA / Ayar 核验，供模式识别）
- 🔴 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。
- 🔴 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。
- 🔴 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）。
- 🔴 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。
- ✅ 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。
→ 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）。
