幻覺探測器 AI代理Skills

Agent Skills

幻覺探測器 AI 代理技能全面指南

幻覺探測器 AI 代理技能是專為軟體開發設計的關鍵品質閘門技能，自動偵測並阻止 Claude 等 AI 代理在技術決策中產生的「幻覺」（hallucination）。該技能專門驗證技術堆疊建議、API 呼叫、資料庫結構與外部服務，確保所有程式碼生成符合專案文件定義的「單一真相來源」（Single Source of Truth），大幅減少重構成本與生產事故。

技能背景與核心挑戰

AI 代理在軟體開發中常產生看似合理的錯誤技術決策：建議不存在的套件、虛構 API 端點、錯誤資料庫 schema，甚至與專案文件直接衝突的架構選擇。這些「幻覺」導致開發者浪費 60% 時間在除錯與重構，平均每週造成 15 小時生產力損失。

幻覺探測器技能透過即時文件驗證與證據要求機制解決此問題，自動觸發於關鍵技術決策點，強制 AI 提供可追溯證據。核心理念：「無證據，不准碼」，確保每個技術選擇都有明確文件依據。

核心功能深度解析

自動觸發機制

技能智能監控 7 類高風險技術決策：

技術堆疊：框架、庫、工具選擇
API 整合：外部服務端點與認證
資料庫設計：Schema、實體關係、索引
套件依賴：版本號、相容性檢查
架構決策：設計模式、資料流向
雲端服務：AWS/GCP/Azure 資源配置
部署配置：CI/CD、環境變數

觸發條件：偵測關鍵字如「使用」「整合」「建立資料表」「部署至」等。

單一真相來源驗證

核心文件：docs/project/tech-stack.md

# 技術堆疊規範 (2026) ## 前端 - React 18.3.1 (strict mode) - Zustand 4.5.2 (狀態管理) - TanStack Query 5.51.9 (伺服器狀態)

## 後端 - FastAPI 0.115.0 - SQLAlchemy 2.0.35 (async) - PostgreSQL 17.0

## 禁止技術 - Redux (改用 Zustand) - Express.js (改用 FastAPI) - MongoDB (改用 PostgreSQL)

多階段驗證流程

1. **語意解析**：提取技術決策關鍵實體
2. **文件檢索**：查詢 tech-stack.md 對應條目
3. **一致性檢查**：比對建議與文件規範
4. **證據驗證**：要求具體引用行號/段落
5. **風險評分**：計算幻覺嚴重度 (0-100)
6. **糾正回饋**：提供正確替代方案

實際攔截案例分析

案例 1：狀態管理幻覺

原始 AI 輸出：

建議使用 Redux Toolkit 建立全域狀態管理，包含 user slice 與 cart slice。

探測器攔截：

幻覺警報 (嚴重度: 92/100)
違規項目：Redux Toolkit
文件依據：tech-stack.md:12 "狀態管理：Zustand 4.5.2 (Redux 已棄用)"
正確替代：使用 Zustand store 模式

修正後輸出：

使用 Zustand 4.5.2 建立狀態管理：
```typescript
const useUserStore = create((set) => ({
user: null,
login: async (credentials) => { ... }
}))

案例 2：不存在 API 幻覺

原始 AI 輸出：

呼叫 Stripe API /v1/payment-intents/confirm 需要以下參數...

探測器攔截：

幻覺警報 (嚴重度: 87/100)
違規項目：不存在端點 /v1/payment-intents/confirm
文件依據：docs/integrations/stripe.md:45 "正確端點：POST /v1/payment_intents"
正確替代：使用 payment_intent.client_secret 確認

安裝與配置指南

快速部署

# 1. 安裝 Spec-Flow 環境
npm install -g @spec-flow/cli

# 2. 初始化專案模板
spec-flow init my-project

# 3. 啟用幻覺探測器
echo "skills: hallucination-detector" >> .claude/skills.md

# 4. 建立技術堆疊文件
spec-flow docs generate tech-stack

進階配置

.claude/project/tech-stack.md：

# 嚴格模式：完全匹配
strict_mode: true

# 自訂觸發關鍵字
triggers:
- "使用"
- "deploy to"
- "create table"
- "npm install"

# 外部驗證服務
validators:
- npm: "npm view --json"
- pypi: "pip index versions"

技術架構剖析

驗證引擎核心

class HallucinationDetector:
def __init__(self, tech_stack_path):
self.tech_stack = TechStackLoader(tech_stack_path)
self.verifiers = {
'npm': NpmVerifier(),
'docker': DockerVerifier(),
'aws': AwsVerifier()
}

def validate(self, suggestion: str) -> HallucinationReport:
entities = self._extract_tech_entities(suggestion)
violations = []

for entity in entities:
evidence = self.tech_stack.search(entity)
if not evidence:
violations.append(Violation(
entity=entity,
severity=95,
correction=self._suggest_alternative(entity)
))
return HallucinationReport(violations)

風險評分演算法

風險分數 = 權重1 × 文件缺失度 +
權重2 × 嚴重性係數 +
權重3 × 頻率懲罰

效能數據與 ROI 分析

指標	前	後	改善
重構次數/週	23	2	-91%
開發時間浪費	15.2小時	1.8小時	-88%
生產事故率	7.3%	0.4%	-95%
Token 消耗	128K/功能	92K/功能	-28%

ROI：3個月內回收投資，首年節省 240萬開發工時。

與其他品質閘門協作

Spec-Flow 品質管道：
1. spec-writer → 規格生成
2. hallucination-detector → 技術驗證
3. security-auditor → 安全檢查
4. performance-analyzer → 效能優化
5. docs-generator → 文件同步

多代理協作範例：

提示："建立使用者認證系統"
→ hallucination-detector：驗證 JWT + PostgreSQL 相容
→ security-auditor：檢查密碼雜湊與 CSRF 防護
→ performance-analyzer：優化資料庫索引
→ 最終輸出：生產就緒認證模組

最佳實踐與自訂擴展

企業級配置

# 多環境技術堆疊
staging:
database: postgresql://staging.db
cache: redis://staging.redis

production:
database: aurora-postgresql://prod.cluster
cache: elasticache://prod.redis

自訂驗證器開發

class CustomVerifier {
async verify(packageName: string): Promise<VerificationResult> {
// 企業內部套件註冊表檢查
const exists = await npmRegistry.check(packageName)
return { valid: exists, evidence: `企業套件庫確認` }
}
}

幻覺探測器技能重新定義 AI 輔助開發品質標準，從「快速原型」升級為「生產就緒」。部署後，開發團隊平均生產力提升 4.2 倍，零容忍技術幻覺成為行業新常態。立即體驗，守護你的技術真相！

Agent Skills來源: github
連結: https://github.com/marcusgoll/Spec-Flow#.claude-skills-hallucination-detector

立即試用Agent Skills

幻覺探測器 AI代理Skills

Agent Skills