bestpractice_temporal_info_verification

道-方法 · 道层 skill 全文

本页是 <code>rules/skills/bestpractice_temporal_info_verification.md</code> 的逐字投影（仅隐私清洗，零改写）。

时间敏感信息验证

背景

AI 模型有 knowledge cutoff date，可能错过之后发布的新版本、新功能、新产品。当遇到可能是时间敏感的信息时，不应仅凭训练数据判断，而应主动验证。

触发条件

当以下类型信息与你的知识可能冲突时：

• 模型名称/版本号（如 Gemini、Claude、GPT 等）
• 软件版本（框架、库、工具）
• API 端点或参数
• 已知产品的功能更新

做法

1. 不要直接否定：用户代码中的版本号可能确实存在
2. 使用 Tavily 搜索验证：查询是否有新版本发布
3. 给出准确信息：包括完整的版本号、发布日期（如有）

案例

Gemini 模型名（2026-02）

代码中出现 gemini-3.0-flash，初步判断可能是无效模型名。

验证后发现：Gemini 3.0 Flash 确实已发布，但用户漏了 -preview 后缀，正确应为 gemini-3.0-flash-preview。

教训：如果模型名看起来"太新"，应先搜索确认是否已发布，而非假设用户错误。

搜索模板

{产品名} {版本号} release date
{产品名} {版本号} official announcement

使用 Tavily 搜索，search_depth="advanced"，max_results=5。

物理锚点校验

原则

在数字逻辑中，利用物理常识作为复杂逻辑校验的最终防线。AI 输出可能看似合理，但违背物理规律时应被质疑。

应用场景

• AI 生成的技术参数（如卫星高度、设备规格）
• 数值计算结果（量级是否合理）
• 因果推理（是否违背物理定律）

案例

AI 给出同步卫星的轨道参数，但高度与赤纬关系不符合开普勒定律。物理常识（同步卫星必须在赤道上空约 35,786 km）揭示了 AI 的幻觉。

执行方式

1. 识别输出中涉及物理量的部分
2. 用已知物理常识（单位换算、量级、定律）做快速校验
3. 发现异常时要求 AI 重新解释或搜索验证