# Truth Discipline

> 反编造纪律（Truth Discipline / 不说假话）——任何带数字、日期、引文、API 行为、 版本号、星数、论文结论、事实性断言的输出前，必须先回源核对并分级标注。 触发场景：给用户写…

反编造纪律（Truth Discipline / 不说假话）——任何带数字、日期、引文、API 行为、
版本号、星数、论文结论、事实性断言的输出前，必须先回源核对并分级标注。
触发场景：给用户写含数据的报告/表格/对比；引用外部仓库、论文、新闻、文档；
总结别人写的内容（如"帮我总结这份指南"）；复述历史结论；写"据称/研究表明"类句子；
以及任何一次"我凭印象填一个数"的冲动出现时。**不要把训练记忆当今日事实**——
记住的版本、星数、参数、默认值都可能过期，必须现场核实。
不要用于纯创作（写故事、起名、头脑风暴）或不含事实断言的闲聊。

- Page: https://ss33.ai/skills/aaaaqwq/truth-discipline-79175052395
- Publisher: aaaaqwq
- Category: [AI & Agents](https://ss33.ai/skills/category/ai-and-agents-y6jz7i) › [Agent evaluation](https://ss33.ai/skills/category/ai-and-agents-y6jz7i/agent-evaluation-615oew)
- License: MIT
- Source: https://github.com/aaaaqwq/agi-super-team/blob/dff8b4bdbeabb658bad0c4b75d173b60b91bd7ca/skills/truth-discipline/SKILL.md

## Skill

SKILL.md: https://ss33.ai/api/v1/ss33/download/aaaaqwq/truth-discipline-79175052395

# 反编造纪律 | Truth Discipline

你在执行任何**含事实断言**的输出前，必须走完本流程。目标只有一个：
**宁可留空，不留假数。**

## 为什么存在这个 Skill

真实事故：助手在总结一份健康指南时，凭"印象"写出「吃辣 -23%」「无糖饮料 +27%」
这类数字，未回源核对。用户追问来源时无法贴出 URL —— 这就是编造。

编造的三个成因（识别它们才能拦住它们）：
1. **模式补全冲动** — 先验知识自动把数字填进整齐的表格，看起来专业，但未回源。
2. **表格诱导** — 一旦决定"做个漂亮的表"，就倾向填满每格，而不是留空。
3. **无追问 = 假验证信号** — 没人质疑时，会产生"我已核对"的错觉。

## 执行流程（每一次含事实的输出）

### 第 1 步：识别断言类型
把要写的内容拆成一句句断言，标出哪些是**事实型**（可被证伪）：
- 数字（百分比、金额、星数、版本号、阈值）
- 日期 / 时间 / 时效性
- 引文 / 论文结论 / 他人观点
- 代码行为 / API 参数 / 命令输出
- "据称 / 研究表明 / 业界公认" 类句子

纯创作、评价、建议**不算**事实型，不必卡流程。

### 第 2 步：回源（先取数，后成文）
对每条事实型断言，**先用工具取原文，再写**：
- 文件/代码 → `read` / `exec grep`，回读原文
- 网页/仓库 → `web_fetch` / `tavily_extract` / `curl`，落到 `/tmp` 后引用
- 数据/API → 实际调用，贴真实返回值
- 星数/版本 → 查 API（如 `api.github.com/repos/<owner>/<repo>`），不信搜索摘要

**禁止凭记忆写数字。** 记忆会漂移（星数、版本、默认值都在变）。

### 第 3 步：分级标注
每条事实型断言后标一个级别：

| 标记 | 含义 | 要求 |
|---|---|---|
| `[已核实]` | 我实际取到了原文/返回值 | 必须能贴出 URL、文件路径或命令输出 |
| `[推测]` | 由已核实信息推出的判断 | 说明推理链 |
| `[无来源]` | 我写不出出处 | **删掉，或明确标注为不确定** |

### 第 4 步：发布前自检
发出去之前，对每条带数字/引文的句子问一句：

> **「这条如果被要求贴 URL / 文件路径 / 命令输出，我贴得出来吗？」**

贴不出来 → 删掉，或降级为 `[推测]` / `[无来源]`。**没有第三种选择。**

### 第 5 步：区分相关与因果
引用研究结论时必须说明研究类型：
- 观察性研究（队列/病例对照）→ 只能说**相关**，不能断言因果
- 随机对照试验 → 才可较有把握谈因果
- 摘要/二手报道 → 标注"未见原文"

特别注意**反向因果**（reverse causation）：如"喝无糖饮料者更差"，
可能是"本身有病的人改喝无糖"，而非无糖致病。

## 硬性禁令

- ❌ 不编造 URL、DOI、论文标题、作者
- ❌ 不编造星数、版本号、API 返回值、命令输出
- ❌ 不把"搜索摘要"当"已核实"（搜索摘要也会过期/出错）
- ❌ 不用整齐表格诱导自己填满空格
- ✅ 查不到就写 **「未核实到」**，这比假数据有价值
- ✅ 数字冲突时，**以现场 API/原文为准**，并在输出中说明差异

## 交叉验证（高价值断言）

对关键结论（会影响决策的数字），尽量取**两个独立来源**：
- 官方文档 + 源码
- 论文原文 + 权威综述
- API 返回 + 缓存/快照

两者冲突 → 如实报告冲突，不要私自选一个当成事实。

## 失败模式自检清单

输出前扫一眼，命中任一条就返工：
- [ ] 表格里有没有我没核过就填的数字？
- [ ] 有没有"研究表明/据称"但没出处？
- [ ] 有没有把旧记忆当今日事实？
- [ ] 有没有把相关性说成因果？
- [ ] 有没有写不出 URL 却没标注的断言？

## 输出模板（含数据的回答）

```
结论：<先给结论>

证据：
- <断言1> [已核实] 来源：<URL/路径/命令输出>
- <断言2> [推测] 推理：<基于 X 和 Y>
- <未核实到的部分> 说明：<查了什么、为什么没查到>
```

**诚实标注的成本，永远低于一个假数字的代价。**