FAQ — 常见问题

不需要。全程离线运行，仅扫描本地文件夹中的 SKILL.md 和 .py 文件，不会发起任何网络请求。如果执行卡住，大概率是 AI 对话环境超时或目标路径文件过多导致扫描耗时。

对 AI 说「帮我用 HaluCatch 审查 /path/to/skill」即可。AI 会先确认目标路径无误，再开始扫描评估。为避免误操作，请确保指定的路径是希望审查的 Skill 目录，不要指向系统目录或 home 目录。3 步上手：

1. 跑一次审查 → 看标准版报告了解问题
2. 打开 -行动版.md → 从列表第一条开始逐项修复
3. 修复后重新跑 → 对比分数是否改善

是。HaluCatch 采用 MIT 开源协议，完全免费，包括个人和商业使用。源代码在 GitHub 上公开。

都支持。HaluCatch 会自动检测你的 AI 对话环境的语言偏好，输出对应语言的三份报告（标准版、专业版、行动版）。也可以通过 --lang en 或 --lang zh-CN 强制指定。

HaluCatch 支持所有允许上传提示词/技能的 AI 平台，包括 ClawHub、SkillHub 等技能市场。同时支持纯命令行模式，可以在任何终端中运行。

会。审查完成后自动在 HaluCatch/reports/ 目录生成三份报告（标准版、专业版、行动版 .md 文件）。不会修改目标 Skill 目录中的任何文件。如需自定义输出路径，使用 --output-dir 参数。

Q: 审查结果长什么样？

标准版报告示例（白话、零术语，给非技术用户看）：

# HaluCatch 审计报告 — my-skill

## 📌 一句话总结

🟢 3 通过 · ⚠️ 2 注意 · 💡 3 可优化

## 🎯 核心结论

| 地基 | 代码 | 规则 | 护栏 | 复杂度 |
|:--:|:--:|:--:|:--:|:--:|
| 🟢 稳固 6/6 | 🟢 干净 90/90 | 🟡 有歧义 4/6 | 🟢 到位 11/11 | 🟡 注意 2.2/10 |

### 做的不错 👍
- ✅ 有固化脚本兜底核心任务

### 需要注意的方面
- ⚠️ 存在模糊表述 ['大概']（说明书写了模糊词，AI 可能会猜错）

看同目录下的 HaluCatch-report-日期-行动版.md，它逐条列出了修复方案和验证检查点。按清单逐项改即可，改完后重新审查验证。

护栏检查按类型分层——工具库型只查 5 项核心项（跳过数据来源/时效性/置信度），分析型查全 8 项。分母不同，分数不可直接比较。

报告日期是生成当天，版本号跟随 HaluCatch 自身版本。同一个 Skill 在不同版本 HaluCatch 下的评分可能不同——因为检测规则在持续改进。

当前版本暂不支持批量模式。你可以逐个运行。批量功能已在 roadmap 中。

含 .py 文件、或 SKILL.md 中嵌入了 \\\python` 代码块、或引用了 pandas 等数据处理库的 Skill → 代码工程型（启用全四维评估）。其余 → 纯方法论型（只查方法论+护栏）。

HaluCatch 会尝试以 UTF-8 读取所有文件。如果遇到非 UTF-8 编码（如 GBK），会用 backslashreplace 保留原始字节的转义形式，避免静默丢数据。

当前 7 条通用规则：异常处理（裸 except: pass）、浮点比较（== 0.0）、除零风险（return 中无保护除法）、硬编码阈值（固定 skiprows）、路径拼接（字符串拼路径）、静默覆盖（open 写模式无警告）、超时缺失（requests 无 timeout）。

审查完成后，HaluCatch 会询问是否按方案修复。选择「执行修复」→ 将方案发给 AI 实施 → 修复后重新审查验证。选择「我有更好建议」→ 描述你的想法 → 重新生成方案。选「不执行」→ 结束。完整的「发现→修复→验证」链路。