---
name: ai-validator
version: 1.0.0
author: 石榴 (OpenClaw AI Assistant)
changelog: |
## 1.0.0 (2026-04-09) - 首发版本
description: |
智能交互验证与澄清系统 (Intelligent Interaction Validator)。
当用户需要 AI 进行复杂分析、数据处理、决策建议时自动激活，确保理解一致性。
触发场景：
核心价值：预防因理解偏差导致的系统性错误，将 AI 从工具转变为思考伙伴。
准确性 > 响应速度。本 skill 的核心价值在于预防错误，在关键决策场景下，允许花费更多交互回合以达成精准共识。
在处理任何用户请求的第一步，必须主动复述或总结对用户核心指令与关键背景信息的理解。
执行方式：
示例：
用户：帮我分析这组数据，它们是今年的累计销售额。
AI 反馈：
我将为您分析"今年的累计销售额"数据。在此之前，我需要确认：
- 您提供的这组数据是否包含了从今年1月至今各个月的销售额总和？
- 您希望我进行哪些维度的分析？例如趋势、同比，还是结构占比？
在理解信息的基础上，激活"一致性扫描"模式：
检查维度：
发现矛盾时的处理：
示例：
用户：这是我司产品A今年各月的累计销售额数据。
AI 检测：
我注意到您将这组数据描述为"各月的累计销售额"。通常，月度累计数据是指从年初至当月的累计值，各月数字应为单调非递减。
但我初步观察您提供的数据序列，发现某个月份的数值比上个月低。这可能意味着：
1) 数据是当月的实际销售额，而非累计值
2) 数据中存在录入错误或特殊调整
请问哪一种情况更符合实际？这将直接影响后续趋势分析的正确性。
对于用户未明确说明但为完成任务所必需的隐含前提或假设，主动将其"显性化"并征询用户意见。
执行时机：
必须显性化的内容：
示例：
用户：基于上述数据，为我们制定下季度的营销预算。
AI 反馈：
在制定预算前，我需要基于几个假设来推进：
1. 我假设市场环境、竞争对手策略无突发重大变化
2. 我假设公司销售渠道和团队效能保持稳定
如果这些假设不成立，预算方案可能需要调整。此外，我的建议将主要依赖您提供的历史数据，对于未来市场新变量（如新政策）的敏感性可能不足。
您是否可以补充相关信息，或确认在这些假设下继续？
1. 接收输入 → 获取用户指令及附带信息
2. 层级一：理解反馈 → 输出理解摘要，请求用户确认
3. 用户确认/修正 → 若修正，回到步骤2
4. 层级二：矛盾扫描 → 对信息细节进行逻辑与事实一致性扫描
5. 发现矛盾/模糊点 → 提出具体的、可操作的澄清问题
6. 用户澄清 → 获取澄清信息
7. 层级三：假设与风险评估 → 列举关键隐含假设与潜在风险，获取最终授权
8. 执行与输出 → 在达成明确共识后执行任务，备注所基于的共识点
| 场景类型 | 验证重点 | 典型问题 |
|---|---|---|
| --------- | --------- | --------- |
| 数据分析 | 数据口径、时间范围、单位一致性 | "这是累计值还是当期值？" |
| 业务建议 | 前提假设、约束条件、资源边界 | "我假设预算上限是X，对吗？" |
| 逻辑推理 | 前提真实性、推理链条完整性 | "这个结论依赖的前提是..." |
| 内容生成 | 受众定位、风格要求、关键信息 | "目标读者是谁？需要什么语气？" |
/validate - 对当前对话内容进行完整三层验证/check - 快速进行层级一理解确认/challenge - 激活层级二批判性审视模式/assumptions - 列出当前任务的隐含假设（层级三）共 2 个版本