Fact-Check（对抗性事实核查）是一个把 AI 当作“敌对批评者”来审查用户文章的技能，目标是在真正的敌对批评者之前，先找出文章里所有可被攻击的问题。它通常用于 akitaonrails-hugo 的博客文章，也适用于任意 Markdown 或文本文件。
用途
该技能针对事实、框架和逻辑进行核查，具体包括：错误数字、失效链接、错误归属的引用、时代错置、选择性统计、无依据断言、自相矛盾，以及假设过多的论证。用户的写作风格（讽刺、反讽、攻击性、观点驱动）被视为刻意为之，不在核查范围内。
主要能力
- 主张提取：通读全文，构建 claims.json，逐条记录可客观核查的主张，包括数字、日期、人名、引用、“某人说过/做过某事”、历史顺序、技术规格、基准结果，以及以事实口吻呈现的“所有人都知道/总是”式概括。每条主张带有 id、原文引用、类别和查找线索。
- 两轮核查：第一轮使用较便宜的 harness（默认 grok）批量核查；第二轮在修正后的文章上重新提取主张，再用更强的 harness（默认 claude）复核。两轮必须串行，不可并行。
- 敌对逻辑审计：不联网，仅从最恶意读者的角度攻击推理，检查内部矛盾、选择性举证、过度假设、因果跳跃、缺失的关键限定。
- 分级报告：按 S1 明显虚假、S2 实质性错误、S3 误导、S4 无依据、S5 逻辑/一致性、S6 吹毛求疵分级，每条给出原文引用、判定、证据（URL + 来源引文 + 层级）和最小修正建议。
- 自动修正与确认队列：第一轮默认自动应用不触及文章结论的修正；只有“破坏性”问题（核实事实动摇观点前提或文章结论）才进入“改写前确认”队列等待用户决定。
使用方式
技能通过 scripts/fanout.py 分发核查任务，示例命令：
python3 <skill-dir>/scripts/fanout.py
--claims /tmp/fact-check/<run>/claims.json
--out-dir /tmp/fact-check/<run>/pass1
--title "Article title" --lang pt-BR
--harness grok --batch-size 6 --parallel 3
建议先执行 --dry-run 检查分批。失败批次可用更强模型重跑，例如 --harness codex --variant high。合并输出为 verdicts.jsonl、summary.json 和 cost_report.md。若没有可用 harness，可回退为原生子代理，每个批次一个子代理，使用 references/checker-prompt.md 的提示词。
流程阶段包括：Phase 0 设置（定位文件、选择 harness）、Phase 1 提取主张与论证图、Phase 2 第一轮分发核查、Phase 3 敌对逻辑审计、Phase 4 第一轮报告与自动修正、Phase 5 应用修正、Phase 6 第二轮核查、Phase 7 最终报告。工作目录为 /tmp/fact-check/<slug>-<YYYYMMDD-HHMM>/，绝不放在仓库内。
适用场景
适合在发布前对文章进行事实与逻辑审查，尤其是观点强烈、引用密集的博客文章。对于 Hugo 文章，若存在 index.en.md 同级文件，以葡萄牙语 index.md 为准提取主张，仅抽查英文翻译是否有主张漂移。
限制
- 观点不可擅动：未经明确确认，绝不改写、弱化、转移或删除用户的观点或结论。
- 只采用一手或近一手证据（官方文档、论文、备案文件、原始帖子、发布说明），不采用内容农场、SEO 博客或 Reddit 帖子。
- 两轮核查必须串行，第二轮前必须重新提取主张，因为修正会改变被核查的引文。
- 需要配置可用的模型 harness 与认证，具体见 references/harness-setup.md。
- 运行输出不得移入 git 仓库，不得将原始 stream.ndjson 粘贴到聊天中；若答案中出现疑似凭据，需轮换密钥、删除运行目录并在报告中注明。
- 关于收费、价格、平台支持范围等具体信息，资料中暂未提供。