# Source Quality Control

> 来源质量控制默认规则，约束 Agent 在依赖外部知识时优先使用高可信、可溯源、相对权威的一手或近一手来源，并按来源质量校准结论力度。适用于资料收集、技术调研、方案比较、开源库判断、API 查证与文档写作等场景。关键词：可信来源、来源质量、可溯源、一手来源、交叉验证、推断、并行执行、可重复执行。

- Skill: `qiao-925/source-quality-control` (Agent Skill, multi-file: 4 files)
- Install (CLI): `npx skillmds@latest add qiao-925/source-quality-control`
- Raw SKILL.md: https://api.skillmd.com/api/skills/qiao-925/source-quality-control/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: AI & ML
- Author: qiao-925 (https://skillmd.com/u/qiao-925)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/qiao-925/source-quality-control

---


# 来源质量控制

> 当结论依赖外部知识时，优先依赖高可信、可溯源、距离原始事实更近的来源，而不是凭记忆、猜测或低质量二手材料给出强结论。

## 核心原则

### 1. 来源优先于猜测

- 只要结论明显依赖外部知识，就优先查来源，不靠模型记忆或模式补全直接下判断。
- 编码/API、资料收集、技术调研、产品比较、开源库判断都适用这一原则。
- 如果无法获得足够可靠的来源，必须降低结论力度。

### 2. 显式区分来源级别

- 默认按 `P0 / P1 / P2` 对来源分级，并据此决定结论可用强度。
- 关键结论尽量由 `P0` 支撑；较强、较新或解释性较强的结论，优先交叉验证。
- `P2` 只能补充，不应主导关键结论。

### 3. 可信度、可溯源性与时效性同时考虑

- 来源不只看“是否官方”，还要看是否接近原始事实、是否有解释权、是否可回溯、是否足够新。
- 对 API、版本、产品能力、价格、法规、公司信息等高时效问题，默认重新验证。
- 对论文、标准、设计思想等较稳定内容，可适度放宽时效要求，但仍需保留出处。

### 4. 事实、推断与观点必须分开

- 来自资料的事实，应能追溯到具体来源。
- 基于资料做出的解释或归纳，必须显式标注“这是基于资料的推断”。
- 证据越弱，结论越要保守；不得把推断包装成确定事实。

### 5. 输出必须可复查、可重复执行

- 应保留足够的来源选择依据、检索范围和时间信息，便于后续复查。
- 可并行的资料收集任务应优先并行，但最终结论必须统一编排和去重。
- 资料型文档默认追求：结构清晰、逻辑连贯、来源可查、语言精炼。

## AI Agent 行为要求

### 默认执行方式

- 先判断当前任务是否依赖外部知识。
- 若依赖外部知识，先建立来源优先级，再开始收集与判断。
- 优先使用距离原始事实更近、可信度更高、可回溯性更强的来源。
- 输出时显式区分：来源事实、基于资料的推断、当前建议。

### 关键场景要求

| 场景 | 最低要求 |
|------|----------|
| 编码/API 查证 | 优先查官方文档、API reference、release notes、官方示例；不要靠猜测写参数或行为 |
| 资料收集/技术调研 | 关键结论优先由 `P0` 支撑；较强结论尽量交叉验证 |
| 开源库判断 | 不只看 README；还要看 release notes、maintainer 说明、issue/discussion 中的高信号内容 |
| 产品/方案比较 | 不只看宣传页；要交叉核对文档、限制说明、价格页、变更说明等 |
| 文档写作/总结 | 目录、正文、引用来源三段式输出；正文中区分事实与推断 |

### 文档产出要求

当任务产出的是资料型文档、调研文档、结构化总结或分析报告时，默认遵守：

- 文档顺序：目录 -> 正文 -> 引用来源
- 正文要求：逻辑连贯、可读性强、有明确主线，不堆材料
- 结论要求：关键判断能回指来源；推断必须显式标注
- 篇幅要求：保持精炼，突出重点，默认不超过 300 行

### 并行与重复执行

- 如果环境支持 multi-agent，且任务可按来源域、主题或时间线拆分，则优先并行收集。
- 并行收集不等于并行写终稿；最终文档必须统一编排、统一去重、统一结论力度。
- 为保证可重复执行，应保留最少必要的检索线索：来源类别、查询范围、时间点、纳入/剔除理由。

### 场景化展开

- 涉及来源分级、结论力度和通用纳入规则时，读取 `references/source-quality-ladder.md`
- 涉及编码、API、SDK、版本差异、迁移判断、开源库接入与维护状态评估时，读取 `references/engineering-source-validation.md`
- 涉及资料收集、技术调研、产品/方案比较、研究总结、长文档写作与并行证据整合时，读取 `references/research-source-synthesis.md`

## 判断标准

- 是否已显式区分 `P0 / P1 / P2`，而不是把所有来源混在一起。
- 关键结论是否主要由高等级来源支撑。
- 对高时效问题是否重新验证，而不是直接依赖旧知识。
- 是否已经显式区分事实、推断与建议。
- 如果只拿到低等级来源，是否主动降低了结论力度。
- 如果产出文档，是否满足“目录 -> 正文 -> 引用来源”的基本结构。

## 反模式

- 把社区文章、第三方测评直接当作关键结论主来源。
- 因为“看起来像官方”就默认可信，而不检查是否可溯源、是否过时。
- 明明只有弱证据，却给出很强的确定性结论。
- 堆大量来源却不做优先级判断和统一编排。
- 并行收集后直接拼接材料，导致重复、冲突和无主线输出。
- 用“官方优先”当偷懒理由，忽略更接近事实的 release notes、维护者说明、原始数据或标准文本。

## 参考资料

- `references/source-quality-ladder.md` - P0 / P1 / P2 来源分级、来源使用规则与结论力度校准
- `references/engineering-source-validation.md` - 工程场景下的来源验证：编码、API、SDK、版本迁移、开源库行为与维护状态判断
- `references/research-source-synthesis.md` - 研究与综合场景下的来源控制：资料收集、技术调研、产品比较、文档输出、并行收集与统一编排