Find Reliable Sources Faster Skill 技能

技能简介

信息检索任务往往面临搜索结果散乱、来源质量难以判断、信息一致性无法验证等困扰，花费大量时间阅读却发现结论互相矛盾。Find Reliable Sources Faster 是一款专注于来源查找与信息验证的 Agent 技能，帮助 AI 编程助手在研究任务中执行结构化搜索、来源质量筛选与交叉验证，输出可信度高、引用清晰的发现结果。该技能适用于需要对冲虚假信息、确保研究结论可靠性的知识密集型任务。

核心能力

1. 搜索词变体生成：针对宽泛和精准两类搜索需求，生成多个互补的搜索词组合，提升发现率。
2. 多维度来源过滤：按域名类型、时间范围、来源类型（学术、官方、媒体、自媒体等）筛选搜索结果。
3. 来源可信度评估：从机构背景、出版时间、资金来源、同行评审等维度对来源进行评级。
4. 多源交叉验证：对关键事实claim在多个独立来源间进行交叉核实，标注一致性等级。
5. 矛盾信息标注：主动识别并报告不同来源间的冲突观点，提示用户注意而非擅自取舍。
6. 搜索过程透明：记录使用的搜索词、检索路径与来源筛选逻辑，方便用户审计与复现。
7. 研究空白建议：识别信息盲点，推荐进一步搜索的方向或关键词。

安装配置

前置要求

• 支持 Claude、Codex、Claude Code 等主流 AI 编程助手
• 本地已安装 npx 环境（Node.js ≥ 16）
• 建议配备网页搜索或 Tavily/BrowserAct 等研究工具，以便获取实时内容

安装步骤

1. 打开终端，执行以下命令安装技能： npx skillstore add sickn33/search-specialist
2. 在 AI 助手对话中激活技能，建议在首次使用时明确研究目标与信息来源偏好。
3. 如有可信度要求（如「仅限同行评审来源」），在提示词中注明，助手将严格执行过滤。

配置可选参数

• 时间范围：可通过提示词限定为「近一年内」「近五年内」或「不限」
• 来源类型：可指定「学术论文」「政府报告」「行业分析」「新闻报道」等偏好

使用步骤

1. 陈述研究目标：向 AI 说明需要核实的事实claim、主题或问题，明确最终用途（报告、决策支持、内容创作等）。
2. AI 生成搜索策略：助手输出多个搜索词变体、来源过滤规则与预期发现方向。
3. 执行结构化搜索：根据策略执行搜索，助手实时记录每个结果的质量评分。
4. 交叉验证关键事实：对核心claim在多个来源间比对，报告一致或矛盾情况。
5. 生成来源简报：输出包含可信度评级、来源链接与关键发现的结构化报告。
6. 识别研究空白：助手主动标注现有信息不足之处，推荐下一步搜索方向。

适用场景

1. 商业计划信息核实：创业者在编写商业计划前，核实市场规模、竞品数据与行业趋势的准确性。
2. 内容创作来源准备：内容创作者在撰写深度文章前，系统搜集可引用的权威来源与数据支撑。
3. 技术事实确认：开发者在技术选型或架构设计时，确认文档变更、版本历史与性能基准数据的真实性。
4. 竞争情报收集：市场分析人员搜集竞品公开信息，区分官方声明与第三方解读的可信度差异。
5. 新闻事实核查：研究人员在重大新闻事件中追溯信息源头，区分一手报道与转发引用。
6. 学术参考文献整理：研究人员在文献调研时，评估二手引用的一手来源是否可靠。

适用人群

• 内容创作者与知识博主
• 商业研究者与创业团队
• 市场分析师与竞争情报从业者
• 技术架构师与开发者
• 调查记者与事实核查人员
• 学术写作者与研究生

工作原理

该技能以「搜索—评估—验证—综合」四步工作流为核心。在搜索阶段，助手根据用户提供的初始问题生成多组互补搜索词，分别覆盖精准术语、通用表述与长尾变体，以最大化发现相关信息的概率。在评估阶段，每条结果经过预设的可信度评估框架打分，涉及来源机构背景、最近更新时间、是否同行评审、是否存在利益相关性等维度。在验证阶段，助手对用户标记的关键claim在多个独立来源间进行交叉核实，不做主观取舍而是如实报告一致程度。在综合阶段，助手生成结构化来源简报，清晰标注每项发现的可信度来源、矛盾之处与信息空白。整个过程中，助手不生成未被来源支撑的结论，不替代用户做可信度取舍，搜索过程全程可追溯。

官方链接

• 技能主页：https://skillstore.io/skills/sickn33-search-specialist
• 安装命令：npx skillstore add sickn33/search-specialist
• 作者：sickn33（GitHub）
• 授权协议：MIT