Cross-Verify Skill
给定一段文字或数据，对其进行事实核查、偏见识别和逻辑分析，输出结构化的验证报告。
验证维度
1. 事实核查（Fact Check）
- 识别所有可验证的具体声明（数据、日期、百分比、名称、机构）
- 对每个声明进行核查：搜索可靠来源（官方数据、权威媒体、学术文献）
- 标注：✅ 已验证 | ⚠️ 无法确认 | ❌ 与事实不符
- 如果数据存疑，给出参考依据
2. 偏见识别（Bias Detection）
检查信息来源和内容本身的潜在偏见：
- 来源偏见：信息来自哪里？是否有利益关联？是否是一手来源？
- 选择偏差：是否只选了有利证据？是否忽略了对立证据？
- 确认偏误：是否在强化某种既得观点？
- 语言倾向：用词是否带有情感偏向（"惊人"、"竟然"、"不过是"等）
- 标注：
来源偏见|选择性呈现|情感化语言|利益相关方
3. 逻辑漏洞（Logic Gaps）
- 因果混淆（相关≠因果）
- 样本偏差（以偏概全）
- 稻草人（反驳弱化后的观点）
- 诉诸权威/情感
- 标注：
因果混淆|样本偏差|逻辑断层
4. 可信度评分（Credibility Score）
对整体内容给出一个 1-10 的可信度评分：
| 评分 | 含义 |
|---|---|
| 9-10 | 多方信源确认，无明显偏见，逻辑严密 |
| 7-8 | 基本可靠，有小问题或信息不完整 |
| 5-6 | 存在明显不确定性，需进一步核实 |
| 3-4 | 存在严重偏见或逻辑漏洞，可信度低 |
| 1-2 | 基本不可信，多处存疑或明显错误 |
评分要给出简要理由。
输出格式
━━━━━━━━━━━━━━━━━━
🔍 交叉验证报告
📊 可信度评分：X / 10 [评分含义]
━━━━━━━━━━━━━━━━━━
✅ 已验证声明
- ...
⚠️ 无法确认的声明
- [声明] → 缺乏可靠来源/存疑
参考：...
❌ 与事实不符
- [声明] → 实际为：...
━━━━━━━━━━━━━━━━━━
🧠 偏见标记
- [类型]：[具体内容]
- ...
🔗 逻辑漏洞
- [类型]：[具体内容]
- ...
📌 信息来源评估
- 来源：[来源名称]
- 利益关联：[有/无/不确定]
- 一手/二手：[判断]
━━━━━━━━━━━━━━━━━━
💡 总结建议
[1-2句话给出综合判断和补充建议]
━━━━━━━━━━━━━━━━━━
工作流程
- 提取声明 — 识别文本中所有具体声明（数据、事实、断言）
- 并行核查 — 使用 web_search 搜索每个关键声明的可信度
- 分析偏见 — 从来源、用词、证据选择角度扫描
- 扫描逻辑 — 查找常见逻辑谬误
- 综合评分 — 给出评分和总结
输出原则
- 不回避：即使结论是"这段基本不可信"，也要直接说
- 有依据：每个标注都要有具体证据
- 区分层次：轻微问题、严重问题分开展示
- 有建设性：在总结里给出"如果要做实，需要补充什么"
适用边界
触发：
- 用户主动粘贴文字/数据要求核查
- 用户说"有没有问题"、"可靠吗"、"有没有偏见"
不触发：
- 用户只是在问信息（不要求验证）
- 用户在写小说、诗歌等创作内容
- 纯娱乐/闲聊