用途：对一份声称有引用的 RAG 答案做怀疑式审查，判断每个可核查的“原子信息”是否真的与语料一致。核心原则是“有依据≠准确”：引用存在不等于引用支持。
主要能力：把答案拆成可核查原子（数字、货币、单位、百分比、阈值、日期、专有名词、引语）；逐字在语料中 grep/正则检索；对承载关键主张的语料段落与答案表述逐句比对；同时检查遗漏；并核对遥测（模型层级、尝试次数、送入的段落数）。
方法要点：不从记忆或模型自带的引用列表审计，直接取原始语料块文本。语料块文本位于 Qdrant payload 的 text 键，Postgres 只存元数据，没有 chunks 表。可用以下命令取语料： cd <repo> && DC="docker compose -f deploy/docker-compose.yml" $DC exec -T api bash -c ' exec 3<>/dev/tcp/qdrant/6333 B="{"limit":1000,"with_payload":true,"with_vector":false}" printf "POST /collections/kb_chunks/points/scroll HTTP/1.1\r\nHost: qdrant\r\nContent-Type: application/json\r\nContent-Length: %s\r\nConnection: close\r\n\r\n%s" "${#B}" "$B" >&3 cat <&3' | tail -1 > chunks.json 遥测可用： $DC exec -T postgres psql -U kb -d kb -tAc "select payload_json from audit_log where action='QUERY_ANSWERED' order by ts desc limit 1;" 其中 snippetCount 为送入模型的段落数，高 snippetCount 搭配弱层级模型是高风险配置。
失败清单（按名查找）：无依据主张；单位/货币归一化；限定条件丢失；语义合并；选择性省略/乐观偏差；陈旧内容当现行；引用漂移；对规范性问题给出描述性答案。
输出要求：先给结论，再按严重程度列出缺陷，逐条把源文本与答案文本并列展示；说明已核实且无可指摘之处，并给出“有依据/总数”的计数；不加缓和与吹捧。
限制：资料未提供该技能的安装方式、依赖版本、收费与支持平台等信息；示例命令中的容器名、集合名与表名为资料原文所给，使用时需与自身部署一致。