用途：帮助开发者让 AI 输出有事实依据，减少编造、无来源支撑的内容。核心原则是不直接信任模型裸输出，始终对照来源核验。
主要能力与用法：该技能基于 DSPy，给出多种反幻觉模式。1）引用强制：用 dspy.Refine 对答案打分，要求句子带 [1][2] 之类引用且编号在来源范围内，不达标重试。2）忠实度验证：生成后追加一次 LM 调用，检查每条主张是否被上下文支持，不支持则重试。3）自检：模型自查主张。4）交叉检查：用 dspy.BestOfN 独立多次生成，取最忠实结果，适合高风险输出。5）置信阈值：低置信结果标记 needs_review 交人工。6）来源加载：给出 VTT、LiveKit、Recall.ai、Langfuse 及分块函数示例。7）评估：定义忠实度与引用覆盖率指标，用 dspy.Evaluate 评估，并可用 BootstrapFewShot 优化。8）验证可用较便宜模型降低开销，也支持批量核验。
适用场景：有知识库、文档或转录稿的问答与摘要；事实要求高、幻觉代价大的输出。
限制：创意类任务（头脑风暴、虚构）不建议使用；简单抽取无需引用；无源文档时检索增强效果远好于自洽检查，可先考虑 /ai-searching-docs。资料未提供官方收费、价格、平台与效果数据。