Open Skills Logo
Open Skills

clarity-gate

基于9点验证与两轮人机交互流程的RAG系统认知质量预摄取验证

作者

@sickn33

分类

AI 技能开发

安装

热度:10

下载并解压到你的 skills 目录

复制命令，发送给 OpenClaw 自动安装：

下载并安装这个技能 https://openskills.cc/api/download?slug=sickn33-skills-clarity-gate&locale=zh&source=copy

Clarity Gate — RAG 系统预摄取认知质量验证工具

技能概述

Clarity Gate 是一个开源的预摄取验证系统，用于确保进入 RAG 知识库的文档具备正确的认知质量标记，防止 LLM 将未经验证的猜测当作事实而产生自信的幻觉。

适用场景

  • RAG 语料库质量控制：当你的知识库包含草稿文档、工单、会议记录或用户提供的内容时，Clarity Gate 可以在文档进入知识库前自动检查并添加缺失的不确定性标记。

  • 可扩展的 HITL 验证：当需要超越人工抽检的实用人在回路（HITL）工作流时，Clarity Gate 将验证请求智能分为"数据确认"和"真实验证"两轮，让人工关注点聚焦在真正需要验证的声明上。

  • 自动化摄取网关：当需要在文档摄取前自动执行质量标准，确保所有声明都被正确分类为事实、假设或预测，并在缺失标记时强制要求人工验证。

    • 核心功能

  • 9 点验证系统：涵盖认知质量检查（假设与事实标记、不确定性标记强制、假设可见性、权威外观数据的验证）和数据质量检查（数据一致性、隐含因果关系、未来状态误标、时间连贯性、外部可验证声明路由）。

  • 两轮 HITL 验证工作流：将需要人工验证的声明智能分流到 Round A（快速确认已找到来源的声明）和 Round B（需要真实验证的声明），优化人工注意力分配。

  • Verify 和 Annotate 两种模式：Verify 模式生成验证报告并启动 HITL 流程，Annotate 模式直接生成修复后的 Clarity-Gated Document（CGD），可直接安全地用于 RAG 摄取。

    • 常见问题

    Clarity Gate 和传统事实检测工具有什么区别？

    传统事实检测工具关注"内容是否与来源一致"（准确性），而 Clarity Gate 关注"声明是否被正确限定"（认知质量）。例如，将"收入预计达到 5000 万"当作事实陈述是准确性检测可以通过，但认知质量检测会失败——因为预测被当作了事实。Clarity Gate 填补了预摄取认知强制执行的空白。

    Clarity Gate 能自动验证事实真假吗？

    不能。Clarity Gate 验证的是形式而非真值——它检查声明是否被正确标记为不确定，但无法验证声明本身是否真实。这就是为什么两轮 HITL 验证是强制性的——LLM 可以凭空捏造事实并添加来源标记来通过检查。HITL 确保在声明进入知识库前得到真正的人类验证。

    如何在 Claude 中使用 Clarity Gate？

    有多种方式：1）在 claude.ai 网页版上传 dist/clarity-gate.skill 文件；2）在 Claude Desktop 中使用相同的技能文件；3）使用 Claude Code 时克隆仓库，会自动检测 .claude/skills/ 目录中的技能。使用时只需说"Run clarity gate on this document"即可启动验证。