clarity-gate

Clarity Gate 是一個開源的認知驗證系統，旨在防止大語言模型 (LLM) 在 RAG 工作流程中錯誤解讀事實或假設。透過實施嚴格的預注入門控，它確保文檔在進入知識庫前經過適切的定義、真理來源 (SOT) 比對及必要的標記。系統明確區分了「檢測」（識別現有的模糊詞）與「執行」（針對無根據的預測或主張強制執行不確定性標記）。

該系統使用結構化格式 (CGD) 並提供用於主張識別與文檔雜湊的確定性 Python 工具，確保在 Claude Code、Cursor 等開發環境中保持一致。它專為需要驗證知識庫認知基礎的開發人員與研究組織設計。

• 透過自動化預注入檢查強化認知品質標準。

• 使用基於 SHA-256 的雜湊唯一識別碼實現確定性的主張追蹤。

• 包含文件結構與驗證的正式規範 (FORMAT_SPEC v2.1)。

• 提供自動化驗證碼，用於識別 HITL (人在迴路) 記錄中的架構錯誤與結構異常。

• 驗證 SOT 文件，確保事實主張在資料注入前符合已核實的證據。

• 適用於技術文件、會議記錄、專案規範及充滿假設的數據集。

• 事實準確性的最終驗證需依靠人工介入 (HITL) 完成。

• 作為守門人運作：未通過認知檢查的文檔將被攔截，直到修正為止。

• 可透過標準開發目錄（如 .claude/skills/）整合至工作流程中。

• 不執行事實真實性的驗證；嚴格執行主張的認知形式與方法論記錄。

• 具備強健的雜湊標準化功能，確保跨不同作業系統與空白字元變異下的內容一致性。