mcpField
V
verify-claims

verify-claims

github.com/indranilbanerjee营销与增长913132 次安装今天更新
代码仓库

关于 verify-claims

verify-claims 是一项营销技能,用于依据用户提供的证据核查内容中的事实性声明。它按核验状态分类声明,并汇总差异、风险提示和修改建议。

主要功能

  1. 01提取统计数据和事实性声明
  2. 02将声明与证据文件匹配
  3. 03分类核验状态并评估置信度
  4. 04标记矛盾和过时证据
  5. 05为缺乏支持的声明提供修改建议

适用场景

  1. 01核查落地页和广告中的数据
  2. 02审查案例研究或新闻稿中的声明
  3. 03为内容审核准备佐证材料

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/indranilbanerjee/digital-marketing-pro --skill verify-claims

安装后在 Claude Code 中输入/verify-claims确认已加载。

详细介绍

/digital-marketing-pro:verify-claims

脚本位置。 如果你的宿主未设置 ${CLAUDE_PLUGIN_ROOT},脚本位于此插件的 scripts/ 文件夹中,与 skills/ 并列。请使用 Python 3.10 或更高版本运行:python;如果找不到 python,则使用 python3(macOS 和许多 Linux 系统)。

用途

根据用户提供的证据数据交叉核查营销声明。从内容中提取所有可验证的声明——统计数据、百分比、排名、奖项、认证、具名引用、绩效指标、客户数量和有时限的断言——然后将每项声明与证据文件进行匹配,并将其归类为已验证、部分验证、未验证或相矛盾。此命令专门用于深入核查声明的完整性;/digital-marketing-pro:eval-content 则将声明验证作为更全面质量评估的一个维度。

营销内容引用具体数字、奖项或成果,却没有经过验证的依据,会给品牌带来风险。如果客户、记者或监管机构发现声明与事实相矛盾,就会削弱信任。此命令可确保内容中的每项事实陈述都有真实数据作为依据、明确标注来源,并且经得起审查。

所需输入

用户必须提供(或将收到提示提供):

  • 包含声明的内容:要验证的文本,可以直接提供、粘贴为文本块,或提供文件路径。任何包含事实断言的营销内容都适用:落地页、案例研究、新闻稿、广告文案、推介材料、投资者材料、产品页面或客户报告
  • 证据文件(可选,但强烈建议提供):包含源数据、用于核查的 JSON 文件。格式:[{"claim": "descriptive claim text", "source": "data source name or URL", "date": "YYYY-MM-DD when verified", "verified": true/false, "value": "the verified number or fact"}]。可从 GA4、CRM、销售数据、认证机构导出,也可手动整理。如果未提供,该命令将仅提取声明,并指导用户创建证据文件
  • 要核查的具体声明(可选):指定一项声明作为核查重点,而不是扫描全部内容,适用于快速抽查某项统计数据或断言

流程

  1. 加载品牌上下文:读取 ~/.claude-marketing/brands/_active-brand.json 获取当前启用的 slug,然后加载 ~/.claude-marketing/brands/{slug}/profile.json。针对目标市场应用合规规则(skills/context-engine/compliance-rules.md)——某些行业和地区对声明佐证有更严格的要求(金融服务、医疗保健、欧盟消费者保护)。同时检查 ~/.claude-marketing/brands/{slug}/guidelines/_manifest.json 中是否有指南;如果存在,加载其中可能定义已批准声明和禁止陈述的信息限制。检查 ~/.claude-marketing/sops/ 中是否有代理机构的 SOP。如果没有品牌,请询问:“先设置品牌?(/digital-marketing-pro:brand-setup)”——或者使用默认设置继续。
  2. 从内容中提取声明:执行 python "${CLAUDE_PLUGIN_ROOT}/scripts/claim-verifier.py" --action extract-claims --text "{content}",识别所有可验证的陈述。提取器会按类型对声明分类:
    • 统计声明:百分比、比率、增长数字、市场规模数据(“转化率提升 73%”、“ROAS 达到 4.8 倍”)
    • 排名声明:排名断言、比较性陈述(“市场领导者”、“评分第 1”、“增长最快”)
    • 奖项和认证声明:具体奖项名称、行业认证、合规徽章(“通过 ISO 27001 认证”、“G2 领导者”)
    • 具名引述声明:标注来源的引述、来源引用、研究引用(“据 Gartner 称”、“Forrester 报告指出”)
    • 绩效声明:客户数量、限定时间的结果、SLA 承诺(“拥有 10,000 多名客户”、“30 天内见效”)
    • 时间声明:特定日期的断言、时效性声明(“截至 2026 年”、“最新数据显示”)
  3. 根据证据核实声明:如果提供了证据文件,执行 python "${CLAUDE_PLUGIN_ROOT}/scripts/claim-verifier.py" --action verify --text "{content}" --evidence {evidence_file}。对于每项提取出的声明,核实器会:
    • 尝试根据语义相似度和声明类型,将声明与证据条目匹配
    • 对匹配结果进行分类:已验证(声明与证据相符,且在可接受的误差范围内)、部分验证(声明方向正确,但具体数字不同,或来源日期过旧)、未验证(未找到匹配的证据条目)或相矛盾(证据与声明直接冲突)
    • 根据匹配质量、来源时效性和具体程度的一致性,为每项核实结果分配置信度分数(0–100)
  4. 处理缺失的证据文件:如果没有提供证据文件,则跳过核实步骤。改为列出所有提取出的声明及其类型,并将每项标记为“未验证 — 未提供证据”。指导用户创建证据文件:
    • 说明 JSON 格式,并为每种声明类型提供示例
    • 建议数据来源:使用 GA4 获取绩效指标、使用 CRM 获取客户数量、向认证机构查询奖项、使用已发布报告获取行业统计数据
    • 主动提供一份预填入提取出的声明的证据文件模板(数值留空,供用户填写)
  5. 详细说明矛盾之处:对于每项相矛盾的声明,提供并列对照:内容中写出的声明文本、与之冲突的证据数据、具体差异(例如,“内容称增长 73%,证据显示增长 61%”),以及发布错误声明可能带来的影响(声誉、监管、竞争)。
  6. 建议修正方式:对于未验证和相矛盾的声明,提供具体建议:
    • 相矛盾的声明:使用证据中的数值建议修正文案;如果具体数字较敏感,可提供带有保留措辞的选项(“约”、“超过 X”、“接近 Y”)
    • 未验证的声明:建议补充来源说明、将绝对陈述改为有条件的表述,或在获得证据前删除该声明
    • 过时的证据:标记证据日期已超过 12 个月的声明,并建议更新数据
  7. 生成核实摘要:给出总体核实分数(已验证或部分验证的声明占比)、根据相矛盾和未验证声明的数量及严重程度评估风险,并在品牌所属行业受监管、未经证实的声明可能带来法律风险时,附上合规说明。

输出

结构化核验报告,包含:

  • 核验得分:已核实或部分核实的声明所占百分比——衡量内容声明完整性的核心指标
  • 声明清单:提取的声明总数,并按类型(统计数据、排名、奖项、引用、性能、时间)细分——展示内容中事实性陈述的范围
  • 逐条声明核验结果:针对每条声明:
    • 声明在内容中出现的原文及其位置
    • 声明类型分类
    • 核验状态:已核实、部分核实、未核实或与证据相矛盾
    • 证据匹配:核验时对照的具体证据条目(如有),包括来源和日期
    • 核验置信度(0-100)
    • 问题详情:对于部分核实或与证据相矛盾的声明,说明具体差异
    • 建议操作:保持原样、更新为正确值、补充来源归属、弱化表述或删除
  • 矛盾详情:逐条并列对照相矛盾的声明——展示内容文本与证据数据,突出具体差异并给出修正后的文本建议
  • 未核实声明列表:列出所有找不到匹配证据的声明,并按风险级别分组(高风险:具体数字和绝对化表述;中风险:比较性声明和排名;低风险:一般性定性陈述)
  • 证据过时警告:标出支持证据超过 12 个月的声明,并建议更新数据
  • 修正文本建议:针对每条需要修正的声明,提供原文和一个或多个替换选项——包含使用证据数据的精确值版本,以及带有限定措辞的审慎版本
  • 证据文件模板:如果未提供证据文件,则提供预填充的 JSON 模板,其中包含所有已提取的声明,供用户填写经核实的值和来源
  • 合规说明:如果品牌所属行业受监管(金融服务、医疗保健、法律、保险),则说明声明佐证方面的具体监管要求,并附上相关法规参考(FTC Act、EU Consumer Rights Directive、ASA CAP Code、行业特定法规)

使用的 Agent

  • quality-assurance — 使用模式匹配和 NLP 启发式方法从内容中提取声明;通过语义相似度和类型匹配来匹配声明与证据;对核验状态进行分类并评估置信度;检测矛盾并量化差异;生成带有限定措辞选项的修正文案;并进行考虑合规要求的行业监管风险评估

评论

支持 Markdown