HaluCatch 核心能力
HaluCatch（捕幻）是一款专为 AI Skill 设计的执行可靠性审查工具，解决 AI 代理执行 Skill 时的「幻觉」与不可复现问题。它通过四维度评估框架（地基-数据管线、代码-执行风险、规则-业务口径、护栏-解读约束）系统性地诊断 Skill 的薄弱环节。
核心用法：用户指定 Skill 目录路径后，HaluCatch 自动完成 L1 文件扫描 → L2 多维评估 → L3 三版报告生成，全程离线、数秒完成。
显著优点：
- 工程化评估体系：将模糊的「靠不靠谱」转化为可量化的四维评分（🟢/🟡/🔴）
- 三版报告输出：标准版（业务白话）、专业版（技术细节）、行动版（AI 修复指令），覆盖不同受众
- 完全离线安全：不联网、不调 API，审查过程零数据外泄风险
- 类型自适应：自动识别「代码工程型」vs「纯方法论型」Skill，动态调整评估维度
潜在局限：
- 不覆盖网络安全（SQL 注入/XSS）与合规审查（GDPR）
- 单文件 10MB 上限，不支持批量审查
- 无法判断 Skill 业务逻辑本身的正确性（只检查「描述是否清晰」，不验证「业务规则是否合理」）
- 修复建议需用户确认后执行，非全自动闭环
适合人群：AI Skill 开发者、数据工程团队、需审计第三方 Skill 的运维人员、追求 AI 输出可复现性的业务分析师。
常规风险：报告生成时可能误判外部 Skill 归属；大目录/非 UTF-8 编码文件可能触发截断或跳过；修复阶段若未经确认直接执行可能导致目标 Skill 被意外修改。