用途：该技能用于在回答可能包含用户会据以行动的事实性内容时，强制把每个说法落到可核查的推理上，并显式标出不确定之处。其设计动机来自 Yann LeCun 对大语言模型的批评：模型会在缺乏对现实验证模型的情况下生成文本，从而产出听起来自信但实为错误的“幻觉”。
主要能力（按资料所述流程）：
- 声明拆分：把回答拆成一条条独立的事实性声明，每条单独成行。
- 证据分级：为每条声明标注 VERIFIED（高度确信、公认事实）、PROBABLE（可能但不确定）、INFERRED（逻辑推断但非既定事实）、SPECULATIVE（有根据的猜测）。
- 知识来源：说明为何相信该声明，如训练数据、逻辑推演、数学确定性或假设。
- 不确定性标记：置信度低于 80% 的陈述加 [VERIFY] 标签。
- 矛盾扫描：检查各声明之间是否互相冲突。
- 编造检查：若具体数字、日期、引文或统计量是“按模式生成”而非来自知识，需说明“这是我在生成估计，而非引用来源”。
- 替代解释：对关键结论给出最强反论或另一种解读。
- 知识缺口：明确列出与问题相关但信息不足、无法回答的部分。
- 置信校准：给出 1–10 的整体置信评分并说明理由。
使用方式：输出时按置信等级标注每条声明，显式标出所有不确定项，最后给出整体置信评分。若用户提供了问题，就按上述框架完整作答；若在无上下文时被调用，则询问：“What question needs a hallucination-proof answer?”
适用场景：任何准确性优先于速度的事实性、分析性或策略性问题；尤其适合调试关于 API 如何工作的说法、核实配置选项是否存在、检查某个库是否支持某功能，以及任何答错代价高昂的情形。
限制与说明：资料未提供该技能的安装命令、平台支持、收费方式或性能数据。该框架改编自 @heynavtoor 的“9 Claude prompts built on LeCun's cognitive architecture”帖子中的第 5 条提示（2026-03-27），并借鉴 Yann LeCun 已发表的研究概念（世界模型、能量模型、JEPA、目标驱动 AI）；资料明确声明其并非由 Yann LeCun 撰写，也与其无隶属或背书关系。