Token导航 LogoToken导航

Agent Skill · 开发

hallucination-detector(幻觉探测器)

hallucination-detector 用于补充开发相关能力,适合在 OpenClaw 中需要让 Agent 承接开发相关任务时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

hallucination-detector 是开发类 Agent Skill,可用宿主为 OpenClaw,通过ClawHub获取,权限为需要联网;许可证为 MIT-0,第三方扫描已通过,按安装量在开发类的 21,746 个 Skill 里排第 12,101。

总安装 1,443周安装 62GitHub Stars 公开资料未说明下载 506核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
MIT-0
版本
1.0.0

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:hallucination-detector(幻觉探测器)
来源仓库:https://github.com/534422530/hallucination-detector
安装命令:
openclaw skills install hallucination-detector
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

ClawHubOpenClaw
openclaw skills install hallucination-detector

这个 Skill 是做什么的

开发类 Skill 面向写代码、改代码和排查问题,一般会读写仓库文件,部分还会执行构建或测试命令。

幻觉检测器 - 原创技能。检测AI生成代码中的幻觉内容,包括不存在的API、错误的参数、虚假引用等。适用于代码审查、AI编程辅助、质量保证等场景。

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 OpenClaw;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 openclaw skills install hallucination-detector;命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    它需要需要联网,先在测试目录或测试账号里跑,确认没问题再放到正式项目。

常见问题

6 条

hallucination-detector 怎么安装?

在终端执行 openclaw skills install hallucination-detector。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

hallucination-detector 支持哪些 AI 工具?

公开资料标注支持 OpenClaw。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

hallucination-detector 需要什么权限?

权限级别是需要联网。该 Skill 可能需要联网访问来源站点、仓库或外部 API;具体网络访问范围需要结合源码和 README 复核。

hallucination-detector 是免费的吗?

来源标注的许可证是 MIT-0。本站不代收任何费用,也不托管安装包;能否商用、要不要署名,以许可证原文为准。

hallucination-detector 用的人多吗?

公开数据是累计安装 1,443 次,近一周安装 62 次,下载 506 次。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

hallucination-detector 安全吗?

第三方扫描结果为通过,但这只覆盖已知的静态检查项,不能替代自己读一遍源码和安装命令。

值得选的地方和要先想清楚的地方

值得选的地方

  • 专注 OpenClaw 一种宿主,触发方式和使用习惯不用来回切换。
  • 许可证明确为 MIT-0,商用和分发边界好判断。
  • 第三方扫描已通过,常见的高风险行为没有命中。

先想清楚的地方

  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 OpenClaw,想直接扩展它能力的人。
  • 需要处理开发类任务、又不想每次都手写提示词的人。
  • 需要许可证清楚、并且有第三方扫描结果的团队项目。

不太适合

  • 需要厂商级技术支持和 SLA 的生产系统。

开发类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
skill-vetter

技能审查员 · OpenClaw

8,779,018986操作浏览器MIT-0通过
ontology

本体论 · OpenClaw

6,636,960576只读MIT-0通过
entra-app-registration

内部应用程序注册 · Codex、Claude

6,631,872764接触敏感数据未明确通过
entra-app-registration

内部应用程序注册 · Codex、Claude

3,757,680201接触敏感数据未明确通过
nano-banana-pro

纳米香蕉专业版 · OpenClaw

3,526,898364接触敏感数据MIT-0有提醒
hallucination-detector

幻觉探测器 · 本页

1,443—需要联网MIT-0通过

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

name
hallucination-detector
description
幻觉检测器 - 原创技能。检测AI生成代码中的幻觉内容,包括不存在的API、错误的参数、虚假引用等。适用于代码审查、AI编程辅助、质量保证等场景。
metadata
{"openclaw": {"requires": {}, "install": []}}
tags
[hallucination, detection, code-quality, verification, safety]
version
1.0.0
author
laosi
source
original

⚠️ 发布规则

所有发布到ClawHub的技能必须严格测试,确定没有问题再发布


技能测试验证清单

  • [x] frontmatter格式正确
  • [x] 检测逻辑完整
  • [x] 幻觉类型覆盖全
  • [x] 验证流程明确
  • [x] 无语法错误

Hallucination Detector - 幻觉检测器

原创技能 | 激活词: 检测幻觉 / 验证代码 / 代码审查

核心问题

AI生成的代码可能出现"幻觉":

  • 调用不存在的API
  • 使用错误的参数
  • 引用不存在的文档
  • 混淆相似的库名称
  • 虚构函数签名

幻觉类型分类

类型1: API幻觉

# ❌ 幻觉: 不存在的API
response = requests.get_json(url)  # 应该是 response.json()

# ❌ 幻觉: 错误的方法
list.append_many([1,2,3])  # 应该是 extend()

# ❌ 幻觉: 不存在的参数
df.sort('column', ascending=True)  # pandas 2.x 应该用 by= 参数

类型2: 版本幻觉

# ❌ 幻觉: 版本不兼容
# React 19 不需要 forwardRef 了

# ❌ 幻觉: 过时的API
requests.post(url, data={})  # 应该用 json={}

类型3: 引用幻觉

# ❌ 幻觉: 不存在的文档
# 参见: https://fake-docs-example.com  (虚构链接)

# ❌ 幻觉: 不存在的库
import super_fake_library  # 未发布的库

类型4: 类型幻觉

# ❌ 幻觉: 错误的类型假设
def func(x: str) -> str:
    return x.append('a')  # str没有append方法

# ❌ 幻觉: 类型不匹配
result = await promise.json()  # promise是Promise对象���不是Response

类型5: 逻辑幻觉

# ❌ 幻觉: 不可能的逻辑
if user.is_admin and not user.is_admin:  # 自相矛盾
    return "impossible"

# ❌ 幻觉: 永远为真的条件
if x == x:  # 总是True
    pass

检测策略

1. 静态分析

def static_check(code: str) -> list[Hallucination]:
    issues = []
    
    # 检查不存在的API调用
    for call in extract_api_calls(code):
        if not api_exists(call):
            issues.append(Hallucination(
                type='api',
                location=call.location,
                message=f"API '{call.name}' 不存在"
            ))
    
    # 检查类型错误
    for type_check in extract_type_checks(code):
        if not type_compatible(type_check):
            issues.append(Hallucination(
                type='type',
                location=type_check.location,
                message=f"类型不匹配: {type_check.expected}"
            ))
    
    return issues

2. 引用验证

def verify_references(code: str) -> list[Hallucination]:
    issues = []
    
    for ref in extract_urls_and_docs(code):
        if not url_exists(ref):
            issues.append(Hallucination(
                type='reference',
                location=ref.location,
                message=f"URL不存在或无法访问: {ref.url}"
            ))
    
    for lib in extract_imports(code):
        if not package_exists(lib):
            issues.append(Hallucination(
                type='package',
                location=lib.location,
                message=f"包 '{lib.name}' 不存在"
            ))
    
    return issues

3. 逻辑验证

def logical_check(code: str) -> list[Hallucination]:
    issues = []
    
    for expr in extract_conditions(code):
        if is_contradiction(expr):
            issues.append(Hallucination(
                type='logic',
                location=expr.location,
                message="逻辑矛盾或永真条件"
            ))
    
    return issues

完整检测流程

1. 代码输入
      ↓
2. 静态分析 (API/类型检查)
      ↓
3. 引用验证 (URL/包检查)
      ↓
4. 逻辑验证 (矛盾/永���检查)
      ↓
5. 综合报告
      ↓
6. 修复建议

输出格式

## 幻觉检测报告

### 检测结果: 发现 3 处幻觉 ⚠️

### 幻觉 #1 [高危]
- **类型**: API幻觉
- **位置**: line 15
- **代码**: `response.get_json()`
- **问题**: 方法名错误
- **建议**: 改为 `response.json()`

### 幻觉 #2 [中危]
- **类型**: 版本兼容
- **位置**: line 23
- **代码**: `forwardRef(...)`
- **问题**: React 19 已废弃
- **建议**: 直接使用 ref 作为 prop

### 幻觉 #3 [低危]
- **类型**: 引用幻觉
- **位置**: line 45
- **代码**: `https://docs.example.com/fake`
- **问题**: URL可能不存在
- **建议**: 验证链接或移除

### 置信度评估
- 综合置信度: 0.92
- 误报率预估: <5%

置信度计算

检测类型基础置信度调整因素
API检查0.85+0.1 静态可验证
版本检查0.70+0.1 版本明确
引用检查0.80+0.1 可实际验证
逻辑检查0.75+0.1 模式明确

集成建议

配合其他技能使用:

配合技能效果
workflow-verifier执行前验证代码
karpathy-principles确保代码简洁可验证
entropy-manager控制验证流程熵

原创性声明

本技能为原创,融合了:

  • 静态代码分析
  • API签名验证
  • 引用完整性检查
  • 逻辑矛盾检测

作者: laosi 创建日期: 2026-04-28

平台分布

OpenClaw

86.28%
按下载量换算437

安全审计

VirusTotal

未展示

ClawScan

通过

Static analysis

通过

权限和风险

需要联网

该 Skill 可能需要联网访问来源站点、仓库或外部 API;具体网络访问范围需要结合源码和 README 复核。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。目前只有一个公开来源,建议同时核对源仓库。

继续浏览同类 Skills