用途：验证智能体输出是否可信。它在智能体执行流水线中嵌入检查点评估、持续断言和多阶段审查关卡；检查点验证在阶段边界（提交前、分析后、部署前）评估输出，持续验证在生成过程中实时运行断言，及早发现漂移和幻觉。
主要能力：该技能描述三级验证管线。第一级使用确定性评分器做模式校验、约束检查、类型验证，快速且低成本；第二级用 LLM-as-judge 评估语义正确性、完整性与连贯性；第三级根据评分信号计算置信度。低置信输出触发 pass@k 生成，产生多个候选并按评分器共识排序；被拒输出会收到具体错误反馈并注入到重新生成的提示中。评分器类型包括确定性、LLM 评判和人在回路三类。
使用时机：智能体输出直接影响业务决策或面向用户内容；合规或监管要求 AI 生成内容有审计追踪；多步工作流需要在阶段间设置质量门；需要随时间衡量和改进智能体准确率（pass@k 基准）；生成的代码必须在提交或部署前通过测试；分析结果必须对照真实数据或业务规则验证。
实现与用法：资料给出接口与示例类型，如 Grader 接口（含 deterministic、llm_judge、human 类型及 evaluate 方法）、GradeResult、VerificationPipeline 类（addStage、verify 方法按阶段运行评分器并返回是否接受、阶段结果与置信度）、pass_at_k 异步函数（生成 k 个候选、逐一验证并选最佳）、LLMJudgeGrader、SchemaGrader。必要命令与代码片段在原文中保留，使用时可参照原文实现。
最佳实践：按成本排序评分器，先跑确定性（免费）再跑 LLM 评判（昂贵）；反馈要可操作，指明具体字段缺失而非笼统说错误；按评分器跟踪通过率，从不失败或总是失败的评分器都需调整；策略性使用 pass@k，生成 5 个候选成本为 5 倍 token；验证模型与生成模型分离以降低相关错误；实现验证缓存；按用例设置置信度阈值（代码生成可要求 0.95，创意写作可接受 0.7）。
平台兼容：资料列出 Claude Code、Cursor、Codex、Gemini CLI 在确定性评分器、置信度评分上均为 Full；LLM-as-judge 在 Claude Code 为 Full，其余通过 API；pass@k 在 Claude Code、Codex、Gemini CLI 为 Full，Cursor 通过子代理；预提交钩子为 Claude Code 原生钩子，其余用 Git 钩子。
限制：资料未提供具体收费、价格、安装命令、独立运行方式或性能数据，这些暂未提供；使用时应遵循原资料说明，并参考相关技能如 Self-Healing Agents、Agent Instinct System、Prompt Architecture。