# Multi Source Verification

> 多源交叉验证、实体存在性确认、先取超集后过滤的综合验证策略

- Skill: `antins-labs/multi-source-verification` (Agent Skill, multi-file: 3 files)
- Install (CLI): `npx skillmds@latest add antins-labs/multi-source-verification`
- Raw SKILL.md: https://api.skillmd.com/api/skills/antins-labs/multi-source-verification/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: antins-labs (https://skillmd.com/u/antins-labs)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/antins-labs/multi-source-verification

---


# Skill: Multi-Source Verification（多源验证与过滤策略）

## 目标
解决三类验证性检索问题：
1. **实体存在性验证**：确认特定命名实体（事件、组织）是否真实存在，避免在幽灵实体上浪费搜索预算
2. **多源数据融合**：需要跨多个独立数据源进行交叉引用、筛选和去重的复杂查询
3. **超集过滤**：从标准列表中检索满足特定条件的子集，当该子集不存在独立页面时

核心策略：**先验证存在性 -> 分治获取数据 -> 程序化融合/过滤**。

## 适用场景
1. **实体存在性可疑**：查询包含具体名称、时间、地点的事件或组织，但初始搜索未找到官方信源
   - 例："2023年韩国伍德斯托克音乐节的演出阵容"
2. **多源交叉查询**：需要查找同时出现在多个不同来源中的实体
   - 例："既在 Billboard 榜单上又获得 MTV 提名的歌曲"
3. **超集子集过滤**：从标准权威列表中筛选满足特定属性的子集
   - 例："诺贝尔和平奖得主中曾任国家元首的人"
4. **数据清洗需求**：涉及去重、名称标准化处理

## 不适用场景
- 常识性实体查询（如"2024年奥运会"）
- 单一来源可直接回答的简单查询
- 目标子集本身拥有广为人知的独立页面

## 核心原则

### 原则1：存在性优先
在查询任何属性之前，必须先确认实体是否真实存在或如期举行。
将"搜索结果缺失"视为"实体可能不存在"的强信号，而非仅仅是"没搜到"。

### 原则2：及时止损
一旦验证逻辑判定实体极大概率不存在，立即停止搜索并报告结果。
禁止尝试更多变体搜索浪费预算。

### 原则3：分治获取
不要试图搜索"交集"。分别获取各个源的完整原始数据列表，先获取全量数据，再在本地处理。

### 原则4：超集优先
永远不要先搜索交集或特定子集。首先寻找包含所有候选人的"超集"页面，
获取完整列表后，通过访问个体页面或利用上下文来验证特定条件。

### 原则5：程序化融合
依靠 Python 执行能力进行数据清洗、交集运算和过滤，而非依赖搜索引擎的布尔逻辑。

## 执行流程

### 流程A：实体存在性验证

#### Step 1：初始存在性探测
- 使用实体全名 + 官方关键词搜索
- 查询模板：`"[Entity Name] [Year] [Location]" official site`
- 判断：找到官方网站/主流媒体报道 -> 实体存在，转常规检索。仅有社交媒体/二手票务 -> 进入否定性验证

#### Step 2：否定性验证
- 主动搜索实体的"取消/虚假"信息
- 查询模板：`[Entity Name] cancelled` / `[Entity Name] fake OR scam OR hoax`
- 找到辟谣或取消公告 -> 确认无效，终止任务

#### Step 3：权威信源缺失确认
- 扩大范围搜索主办方或相关背景，确认是否为同名误用
- 若经多步仍无权威证据 -> 判定为"无证据表明该实体存在"，停止消耗预算

### 流程B：多源数据融合

#### Step 1：复杂度评估与探测
- 分析问题，识别涉及的数据源（Source A, Source B）
- 尝试1-2次直接搜索，若触发 NO_PROGRESS 信号，立即进入分治模式

#### Step 2：分治数据获取
- 将查询拆解为独立的数据获取子任务
- 分别获取各源的完整原始数据列表
- 不要在搜索关键词中加入复杂的交集条件

#### Step 3：程序化分析
- 使用 Python 进行解析、标准化、交集运算、去重
- 处理名称差异（如 "Feat." vs "featuring"）
- 生成最终列表并添加 Evidence

### 流程C：超集过滤

#### Step 1：定位超集列表
- 搜索包含所有候选人的标准列表页
- 查询模板：`site:wikipedia.org "List of [Base Entity]"`

#### Step 2：批量提取候选名单
- 打开 Wikipedia 列表页后用 find() 提取完整表格，不要在搜索引擎层面过滤

#### Step 3：逐一验证筛选条件
- 遍历候选人名单，针对筛选条件进行核实
- 先检查列表页简介；信息不足再打开详情页

## 补充策略 (from dataset mining: constraint_satisfaction)

### 核心原则
1. **条件拆分**：将复合问题拆成独立、可验证的原子条件，避免一次性搜索整句。
2. **先宽后窄**：先用最独特或最少歧义的条件做首轮过滤，再逐步叠加剩余条件。
3. **交叉验证**：对候选结果用剩余条件逐一核验，任一不符即淘汰。
4. **结构化检索**：优先使用“实体+属性”或“实体+关系+实体”的短关键词组合，而非长自然语言。

### 标准执行流程
1. **列条件**：把问题中的限定词全部列出，标注类型（时间/地点/人物/机构/事件/属性）。
2. **选锚点**：评估各条件的唯一性，选最少结果、最少歧义的作为首轮“锚点”。
3. **首轮检索**：用锚点条件构造最短关键词（如“波兰 解释学 哲学家”）。
4. **生成候选**：从首轮结果中提取可能实体列表（人名、州名、球队名等）。
5. **条件核验**：对每条候选，用剩余条件逐一验证（如“该大学荣誉主席是21世纪法国思想家？”）。
6. **淘汰不符**：任一条件不满足即剔除，直到只剩唯一匹配。
7. **补全细节**：对最终匹配实体，补全问题要求的附加信息（参议员名单、转会细节等）。
8. **二次确认**：用反向查询确认（如“Alexis Sanchez 2018 转会 曼联”）。

### 检索策略模板
- `{国籍} {领域/职业} {核心理论或属性}`  
  例：`波兰 哲学家 解释学`
- `{实体A} {关系动词} {实体B} site:wikipedia.org`  
  例：`University of Warsaw honorary president 21st century French philosopher`

## 补充策略 (from dataset mining: entity_disambiguation)

### 核心原则
1. **先全局后局部**：先用宽泛搜索确认实体存在哪些可能指向，再逐步添加限定条件缩小范围
2. **交叉验证**：通过多个独立来源（官网、维基、权威数据库）确认同一实体身份
3. **上下文锚定**：利用问题中的时间、地点、领域等线索作为筛选条件

### 标准执行流程
1. **歧义检测**  
   用基础查询`"{entity}"`搜索，观察结果是否出现多个不同对象（如不同地点的学校、不同领域的人物）

2. **初步分类**  
   根据搜索结果将歧义实体分类：同名不同地？同名不同领域？不同产品线？

3. **添加限定词**  
   逐步加入问题中提供的限定条件：  
   - 地理限定：`"{entity} {city/state/country}"`  
   - 领域限定：`"{entity} {profession/product type}"`  
   - 时间限定：`"{entity} {year}"`

4. **权威源确认**  
   优先检查：  
   - 官方网站（学校官网、公司官网）  
   - 维基百科消歧义页（"Roxbury High School (disambiguation)"）  
   - 行业数据库（IMDb人物、IEEE产品库）

5. **交叉验证**  
   对比至少2个独立来源对同一实体的描述是否一致（如学校地址、人物生卒年）

6. **最终确认**  
   当满足以下任一条件时停止：  
   - 所有权威源指向同一实体  
   - 限定条件已足够排除其他可能性（如“1877年歌剧演员”）

### 检索策略模板
- 基础歧义检测：`"{entity}" site:wikipedia.org`（优先查看消歧义页）
- 精准定位：`"{entity} {unique_attribute}"`（如"Roxbury High School New Jersey"）
- 排除法：`"{entity} -{irrelevant_term}"`（如"Wayne Anderson -football"排除橄榄球运动员）