verifiable-data
/verifiable-data
Przygotowuje zbiory danych, w których każdy wpis da się niezależnie sprawdzić, z podaniem źródła, cytatu i poziomu pewności.
- Autor
- Trustbaselab ↗
- Repozytorium
- vigiliae ↗
- Licencja
- MIT
- Ostatnia zmiana repozytorium
- 08.11.2026
Ocena i bezpieczeństwo
- Pliki w paczce
- 1
- Skrypty
- 0
- Komentarze HTML
- 0
- Adresy URL w SKILL.md
- 0
Brak sygnałów. Repozytorium zmienione 08.11.2026, bez odwołań do wycofanych modeli i API.
MIT, otwarta: można używać i zmieniać, z zachowaniem informacji o autorze.
Co robi i kiedy
Przygotowuje zbiory danych, w których każdy wpis da się niezależnie sprawdzić, z podaniem źródła, cytatu i poziomu pewności.
Oryginalny opis (EN)
生产「每条都能被独立核验」的数据集的方法:A–E 五级置信度、source_url + 逐字 quote 双证、A1/A2 双轨分层、标的指纹锁定、失败留痕。当用户要建数据集、做数据质量审计、写数据登记/申报材料、被问「你的数据凭什么可信」时使用。当用户说「这批数据可信吗」「怎么证明数据有来源」「数据质量怎么保障」「能不能出个可信度报告」「数据溯源怎么做」时使用。
Jak działa
- 何时使用
- 核心原则:三个「不可」
- 五级置信度(A–E)
- A 级双轨分层(关键)
- 执行流程(六步)
- 数据质量自评模板(对齐 T/CIIA 060-2025)
- 常见陷阱(血的教训)
- 诚实边界
Podgląd SKILL.md
--- name: verifiable-data description: 生产「每条都能被独立核验」的数据集的方法:A–E 五级置信度、source_url + 逐字 quote 双证、A1/A2 双轨分层、标的指纹锁定、失败留痕。当用户要建数据集、做数据质量审计、写数据登记/申报材料、被问「你的数据凭什么可信」时使用。当用户说「这批数据可信吗」「怎么证明数据有来源」「数据质量怎么保障」「能不能出个可信度报告」「数据溯源怎么做」时使用。 --- # 可信数据生产法 ## 何时使用 - 要建一个「别人可以质疑」的数据集 - 数据要用于对外披露、登记、申报、授权 - 有人问「你的数据凭什么可信」 - 要做数据质量审计 **不适用**: - 只是自己用的草稿数据 → 不需要这么重 - 纯粹的分析报告 → 用写作类 skill --- ## 核心原则:三个「不可」 ``` ① 不可编造 source_url —— 没亲自取到就不写 URL ② 不可编造 quote —— 必须是页面逐字子串,不是概括 ③ 不可编造 as_of —— 页面没写就用取回日期并注明 ``` **违反任何一条,整条记录降为 E 级。** --- ## 五级置信度(A–E) | 级别 | 含义 | 判定条件(必须全部满足) | |:-:|---|---| | **A** | 权威一手 | ① 来源是发布方自己的正式文件/数据表/官方页面 ② 实测 HTTP 200 ③ quote 是页面逐字子串 ④ as_of 来自页面 | | **B** | 权威二手 | 数字被归因于某个一手源,但你没能亲自取到那个一手源 | | **C** | 一般二手 | 二手转述,无明确一手源指向 | | **D** | 存疑 | 来源存在但内容有内部矛盾,或口径不明 | | **E** | 不可核验 | 取不到(403/付费墙/robots 禁止)、或无法确认 quote、或来源已消失 | **⭐ E 级不是「坏数据」,是「线索」。诚实标 E 比伪装成 A 有价值 100 倍。** --- ## A 级双轨分层(关键) **同样是 A 级,「行业相关」和「宏观统计」的价值完全不同,必须分开披露。** | 档 | 定义 | 例子 | |:-:|---|---| | **A1** | 行业相关:政府机关 / 标准组织 / 厂商官网技术数据表 | 某部委文件、ASTM 标准原文、厂商产品 datasheet | | **A2** | 宏观统计:国际统计库,公开发布,任何人免费可得 | World Bank / UN Comtrade / EIA | **为什么必须分:** ``` 如果只报「A 级 87%」→ 看起来很好 但其中 86% 是 World Bank/UN 宏观数据(客户自己就能免费拿) → 一旦客户发现,信任崩塌 分轨披露「A1 13% / A2 86%」→ 难看但真实 → 客户知道你的核心资产在哪 ``` --- ## 执行流程(六步) ### ① 先定 schema,再采数据 **不要先采再想字段。** 每条记录必须固定的字段: ``` id 稳定唯一标识(前缀 + 日期 + 序号) type 领域/类型 public.* 公开可展示字段(名称/地区/发布方/状态) sourced.source_url 来源页 URL sourced.quote 页面逐字子串(≥20 字符) sourced.confidence A | B | C | D | E sourced.verification 核验方式说明(怎么验的) as_of 数据时点(YYYY-MM 或 YYYY-MM-DD) evidence.* 指纹/取回时间/来源快照 ``` ### ② 采一条,验一条 ``` 每采一条立即做三件事: ① curl 一遍 source_url,记 HTTP 状态码 ② 在页面里搜 quote,确认是逐字子串 ③ 记录取回时间 ``` **批量采完再统一验 = 必然有一批过不了,且不知道哪条错。** ### ③ 采不到就标 E,写明原因 ``` E 级的 verification 必须写清: · 403 → 「官网返回 403,无法读取」 · robots → 「robots.txt 禁止抓取」 · 付费墙 → 「标准全文需购买」 · quote 找不到 → 「页面内未找到该数值」 ``` **⭐ 写清原因的 E 级 = 有价值的情报(告诉人这条路走不通)。** **⭐ 不写原因的 E 级 = 垃圾。** ### ④ 分轨统计,不要混报 ``` 输出统计时给两套数: · 全局 A 级占比(含 A2 宏观) · A1 行业相关 A 级占比(这才是核心资产) ``` ### ⑤ 锁定标的指纹(防篡改) ``` 对外承诺一个固定数据集(如「登记标的」)时: ① 算 SHA-256 并对外公布 ② 每次写库前自动校验该 hash ③ hash 变了就 abort,不允许继续 ``` **⭐ 这是「你的数据没被偷偷改过」的唯一技术证明。** ### ⑥ 唯一性与完整性三查 ``` ① ID 重复? ② 主键(key)重复? ③ 名称重复?(允许,但必须标 duplicate_of) ④ 必填字段缺失? ⑤ A 级是否都有 source_url? ⑥ E 级是否都写了「未核验」原因? ``` --- ## 数据质量自评模板(对齐 T/CIIA 060-2025) 国标《数据质量鉴证评价方法》七个维度,可自查: | 维度 | 标准问什么 | 怎么自证 | |:-:|---|---| | ① 规范性 | 命名/定义/结构/取值规范 | 有 schema 版本号 | | ② 完整性 | 必填字段齐全度 | 跑一遍缺字段统计 | | ③ 准确性 | 数据正确性 | 分层抽样验 source_url + quote | | ④ 一致性 | 跨表/跨源一致 | hash 校验 + 同名对照 | | ⑤ 时效性 | as_of 时效 | 统计 as_of 分布 | | ⑥ 安全性 | 访问控制 | 分层授权 + 敏感字段剥离 | | ⑦ 权属性 | 来源可追溯 | source_url + quote 覆盖率 | **⭐ 五项以上能满足即可对外称「按国标七维度自评 X/7」。** --- ## 常见陷阱(血的教训) | 陷阱 | 后果 | 正确做法 | |---|---|---| | 用「顶层 name」判空,没看 `public.name` | 误判数据脏 | **判断字段缺失前先 dump 一条完整记录** | | 修复范围凭增量猜测 | 修了 8,790 条而不是 118 条 | **先统计受影响总数,区分「历史遗留」vs「新引入」** | | 只查 subdomain/domain,漏看一直存在的 type | 7,079 条被错标 unknown | **枚举全部字段再判断缺什么** | | API 端点返回 401 仍标 A 级 | 客户点进去看到 401 | **需 subscription key 的降为 B** | | 采完不验就当 A | 一批假 A 级 | **采一条验一条** | --- ## 诚实边界 - 本 Skill 是方法与判据,不含任何具体数据 - A 级判定必须在**当次**验证,不能凭「上次能打开」 - 抽样验证的结论只能说「抽样 N 条中 X 条通过」,**不能外推为「全部可信」** - 对标国标时要注明用的是哪一版(如 T/CIIA 060-2025),版本变化判据可能变 - 数据登记/申报的法定要求以主管部门最新文件为准
Wersje
W bazie nie ma innych skilli o nazwie verifiable-data.
Migawka bazy z 13.11.2026 · wersja paczki 1bb97cc5c133 (skrót SHA-256 całej paczki)
Pobrania w ostatnich 30 dniach: 0 · ranking
Zgłoś problem z tym skillem: szkodliwa treść, błędny opis albo prośba autora o usunięcie.
Podobne skille
- 100ask-kb
Odpowiada z lokalnej bazy wiedzy z podaniem jednostki, strony i dosłownego cytatu, a gdy materiał nie wystarcza, mówi wprost, że nie znalazł odpowiedzi.