Evidence Calibration 是一个面向事实性表达的证据校准技能，出自 senjuwoo/ultimate-ai-starter-bundle 技能包。它的适用场景是：在证据不完整的情况下需要作出事实陈述、估计、诊断、排名、推荐或信心程度说明。
用途 该技能用于约束 AI 在信息不足时的表述方式，避免把猜测、局部证据或未经核实的推断包装成确定结论，帮助用户在决策时看清哪些部分是事实、哪些是推断、哪些仍是未知。
主要能力 核心规则是分离五类信息：事实、推断、假设、意见和未知。信心等级应依据证据质量而非语言流畅度来分配。对每个重要主张，技能要求回答四个校准问题：什么能直接证明它；来源是否最新且权威；同一证据是否可能支持另一种解释；什么观察结果能证伪它。
信心分级标准 技能给出三级信心参考：直接复现的行为或强一手证据对应高信心；相互汇聚的间接证据对应中等信心；合理但未经验证的推断对应低信心。
明确禁止的做法 不得把“未找到”转化为“不存在”；不得把单一基准测试结果当作普遍排名；不得把一次本地运行成功当作通用平台结论。
使用方式 当不确定性对用户决策有影响时，应主动暴露最弱的主张，并说明哪项检查或验证可以提升信心。资料未提供具体的安装命令、调用接口或配置步骤，暂未提供。
适用场景 适合需要严谨表达的研究、分析、诊断、选型比较与建议输出等场景。
限制 该技能是表达与推理层面的校准规则，本身不提供数据源或验证工具；其效果依赖使用者的执行。具体平台支持、收费方式和集成方式暂未提供。