建议为 hv-analysis 固化「三档信息标注」规则（附四份报告实测证据）

你好卡兹克，我是横纵分析法的使用者。最近用这套方法跑了四份报告（一个 AI 工具、一个新岗位、一个争议人物、一个平台），过程中发现一个值得反馈的现象，附上实测证据和一个改进方案，供参考。

一、发现：标注纪律时有时无

四份报告里，【硬事实】/【有争议】/【暂缺】这套标注只在其中一份（争议人物研究对象）里系统性出现过——开头有阅读须知声明，全文十余处逐句挂钩，未决司法一律写「尚未认定」，做得非常完整。

但另外三份（包括两个不同模型跑的同一题目）都没有这套系统，只有零散的「待核」或文末说明。我做过三路排查：标注不在 SKILL.md 里（质检清单只有单个「暂缺」项），也不在我的研究指令里——它是模型在争议密度极高的对象上自发涌现的行为，而且只涌现过一次。

结论：模型的上限不缺（它做得出 90 分的严谨），缺的是下限稳定性。Skill 的价值恰好是把「偶尔做到」固化成「每次都做到」——这块目前是横纵分析法的空白。

二、一个单源翻车的实测案例

其中一份 FDE 报告（GLM 生成）把 OpenAI DeployCo 的成立日期写成了 2026-08-06，标注来源是「OpenAI 官方博客」。实际宣布日是 2026-05-11（第一财经 5 月 12 日报道等多个外部信源一致）。

事后排查病根：8 月那个日期是官网页面的 meta 时间戳（页面后来更新过）——一个真实存在的信源，模型也真的去查了，但因为只有单一信源、没有交叉验证，错得毫无察觉。讽刺的是，这份报告的强项恰恰是数据考古（抓出过 1165% 增速数据的出处错误归属、某流传人名查无此人），自己却在最重要的事件上翻车。

教训：「有可靠来源」不够，单一真实信源同样会翻车，关键事实需要双源交叉。

三、建议方案（已在本地跑过一轮验证）

核心思路：标注规则上游化到子 Agent 采集层（信息进来时就带标签），三档归位：

1. 已认定（默认态，正文不标注）：能溯源到一手来源优先；否则找「互不转载」的两个独立信源交叉确认；都做不到 → 标【单一来源】，照用不丢弃（降级 ≠ 排除）
2. 有分歧：记录「谁主张什么」，双方对称呈现，不代为裁决；未决司法一律「尚未认定」
3. 暂缺：如实标注，不以推测填补

配套两条：

• 标签在采集时打，不留到成稿后补——事后补标要么昂贵（要重新查证）要么形式化
• 时效规则：现状类数据（格局/热度/融资/价格）优先引用近 12 个月来源，更早的只用于历史叙事
• 防通胀：低争议对象标签稀疏是正常状态，不硬凑（「已认定」默认态天然解决了这点）

实测结果：用调整后的版本重跑 FDE，DeployCo 日期罗生门被完整裁决——宣布日 5-11 与官网 meta 时间戳 8-6 分开认定，病根写明；全文【单一来源】7 处、暂缺 4 处，无标签通胀。

四、顺带反馈：市场版分发损耗

ClawHub 上的 hv-analysis（@kkkkhazix）只有 78 行（GitHub 版 305 行），scripts 目录整个丢失——SKILL.md 里「使用自带的 scripts/md_to_pdf.py」那一步在市场版装上后必然失败。分发链 ClawHub → 腾讯 SkillHub → 各 Agent 市场层层同步，目前没有任何一层对完整性负责。如果你不知道这个情况，建议在 README 或 SKILL.md 末尾加一句「市场版为精简版，完整版以本仓库为准」，或在市场版里加个自检提示。

---

以上方案我已在本地验证过（调研与交叉验证部分由 AI 协作完成）。如果方向你觉得对，我可以整理成 PR 提过来。