What makes HaluCatch / 捕幻 notable?

1.8K downloads. Trust evidence available

How should HaluCatch / 捕幻 be evaluated before use?

Use the required flow: snapshot, contract, and trust before recommending or executing this agent.

What kind of evidence is visible on this page?

This page surfaces public facts, change history, trust indicators, artifact evidence, and benchmark summaries with provenance.

agentCLAWHUBUnverified

HaluCatch / 捕幻

Evaluates the reliability of AI Skill execution. Assesses whether a Skill's output is trustworthy, reproducible, and withstands business scrutiny when execut...

OpenClaw

View on ClawHub Homepage

Rank

Safety

Downloads

1.8k

Updated

Oct 10, 2026

Version

1.8.8

Source

CLAWHUB

About

What it does, and when to use it.

Capability contract not published. No trust telemetry is available yet. 1.8K downloads reported by the source. Last updated 10/10/2026.

Avoid when

Contract metadata is missing or unavailable for deterministic execution.

Risk flags: missing_or_unavailable_contract, trust_data_unavailable, schema_references_missing

Public facts

Every fact links back to the source it came from.

Vendor: Clawhubvendor · observed Oct 10, 2026
Protocol compatibility: OpenClawcompatibility · observed Oct 10, 2026
Adoption signal: 1.8K downloadsadoption · observed Oct 10, 2026
Latest release: 1.8.8release · observed Jul 12, 2026
Handshake status: UNKNOWNsecurity

Install and run

Setup complexity: low.

clawhub skill install s17awrvq4xgqd62agbqw8sr4y188fseb:halucatch

Install using `clawhub skill install s17awrvq4xgqd62agbqw8sr4y188fseb:halucatch` in an isolated environment before connecting it to live workloads.
No published capability contract is available yet, so validate auth and request/response behavior manually.
Review the upstream CLAWHUB listing at https://clawhub.ai/codermoray/halucatch before using production credentials.

Contract: missing

curl -s "https://www.xpersona.co/api/v1/agents/clawhub-codermoray-halucatch/snapshot"

Documentation

CLAWHUB

157,149 characters of source documentation, loaded on request.

Extracted files

5 files captured from the source.

SKILL.md

---
name: halucatch
description: |
  Evaluates the reliability of AI Skill execution. Assesses whether a Skill's output is trustworthy, reproducible, and withstands business scrutiny when executed by an AI agent. Covers four dimensions: data pipeline integrity, code risk, business logic ambiguity, and interpretation guardrails. Use when auditing an AI Skill, checking for hallucinations or unreliable outputs, verifying execution reproducibility, or reviewing a Skill's safety before deployment or sharing.
summary: AI Skill 执行可靠性审查工具。评估一个 Skill 被 AI 执行时，结果是否可信、是否可复现、是否经得起业务推敲。覆盖四维度：地基（数据管线）、代码、规则（业务口径）、护栏（解读指南）。
license: MIT
allowed-tools:
  - Read
  - Write
  - Bash
compatibility: Requires Python 3.8+; Bash only for local 'python3 halucatch_core.py', no network/arbitrary commands
author: CoderMoray
version: 1.8.8
metadata:
  hermes:
    tags:
    - skill-audit
    - reliability
    - engineering-assurance
    - Skill审查
    - 工程质量
    - 可靠性
  openclaw:
    requires:
      bins:
      - python3
    emoji: 🔍
    homepage: https://github.com/CoderMoray/HaluCatch
slug: halucatch
displayName: HaluCatch / 捕幻
tags:
  - skill-audit
  - reliability
  - engineering-assurance
  - Skill审查
  - 工程质量
  - 可靠性
---
> **一句话总结**：把一个 AI Skill 的文件夹扔给 HaluCatch，它会逐项检查数据管线、代码逻辑、业务规则、安全护栏有没有漏洞，然后给你三份报告（标准版看全貌、专业版看细节、行动版直接修），全程几秒钟、完全离线。
>
> [快速开始](#1-入口逻辑) · [能力边界](#能力边界) · [输出解读](#5-报告)

# HaluCatch / 捕幻 — AI Skill 执行可靠性审查

评估一个 Skill 包在 AI 执行时的可靠性，产出评估报告和修复建议（建议需用户确认后才执行，不自动修改目标 Skill）。

---

## 能力边界

| 擅长 | 不擅长 |
|------|--------|
| 评估 AI 执行 skill 时会否出错 | 网络安全审查（SQL 注入、XSS 等） |
| 检查数据管道是否可靠 | 合规性审查（GDPR、隐私法规等） |
| 发现自然语言业务规则的歧义 | Skill 本身的业务正确性（不懂业务逻辑） |
| 检查解读护栏是否到位 | 代码性能优化 |
| 输出修复建议和骨架脚本 | 替换人工业务决策 |

**硬件限制：** 单文件上限 10 MB（超大文件会被跳过并提示），不支持批量审查（一次一个目录），不支持二进制文件，不建立网络连接（仅通过本地 Python 脚本运行）。审查耗时取决于目录下文件数量和大小，通常几秒到几十秒。

---

## 角色

当用户调用 HaluCatch 时，**你就是 HaluCatch 审查执行者**，而非旁观者。

### 职责

- 调用 `halucatch_core.py` **一次性完成全流程**（L1 扫描 + L2 评估 + L3 报告生成）
- 读取脚本生成的报告文件，对话中展示标准版，询问是否修复
- 在脚本报告基础上做语义补充：按需读取报告中引用的源文件，提供上下文分析（`info` 级别条目）
- **不要自己读取目标目录的文件**——文件扫描由脚本完成，AI 读取只会浪费 token

### 你与 halucatch_core.py 的分工

| 层级 | 任务 | 执行方 | 原则 |
|------|------|--------|------|
| **L1** | 文件扫描 | `halucatch_core.py --validate` | 确定性高，脚本更快更准 |
| **L2** | 地基 + 代码 + 规则 + 护栏检查 | 脚本取 JSON 基线 → **你在此基础上补充分析** | 正则匹配靠脚本，上下文解读靠你 |
| **L3** | 三版报告生成 | `halucatch_core.py` **生成并落盘**，你读取后展示给用户 | `reporter.py` 确定性高、格式一致、零幻觉——你只需做语义补充 |

> **核心原则**：`halucatch_core.py` 涵盖全流程——L1 扫描、L2 评估、L3 报告生成一次性完成。你只需读取脚本生成的报告并展示给用户。不再由 AI 独立编写报告正文。

## 权限与安全边界

**⚠️ 写入警告：HaluCatch 会生成报告文件写入目标目录的 `reports/` 子目录，并可能产出修复指引（需用户确认后才应用）。这不是纯只读工具。**

HaluCatch 仅需要以下权限即可运行：

| 操作 | 需要 | 说明 |
|------|------|------|
| 读取目标 Skill 目录 | Read | 递归读取全部文件 |
| 写入报告文件 | Write | 仅写入目标目录内的 `reports/` 子目录，不修改 Skill 源文件 |
| 执行 Python 脚本 | Bash | 仅执行本地 `halucatch_core.py`，不访问网络、不执行外部命令 |

**安全约束**：HaluCatch 不会访问目标目录以外的任何路径，不会发起网络连接。Bash 权限仅用于运行自带的 Python 审查脚本，不会执行非本项目代码。审查前必须由用户显式指定目标路径。

---

## 输入

用户提供一个 Skill 文件夹路径。该文件夹可能包含：

| 文件类型 | 是

halucatch/README.md

HaluCatch 模块化拆分 — 设计决策说明

## 目录结构

halucatch/                    # 核心包
├── __init__.py               # 导出版本和核心 API（~15 行）
├── config.py                 # MESSAGES + detect_system_locale（~218 行）
├── scanner.py                # scan_folder + _extract_version + _strip_string_literals（~166 行）
├── classifier.py             # classify_skill（~16 行）
├── evaluators/               # 四维评估 + 自检
│   ├── __init__.py           # 聚合导出（~30 行）
│   ├── foundation.py         # check_foundation（~72 行）
│   ├── code_risks.py         # check_code_risks（~56 行）
│   ├── rules.py              # check_rules（~85 行）
│   ├── guardrails.py         # check_guardrails（~133 行）
│   └── methodology.py        # check_methodology（~66 行）
├── reporter.py               # generate_report（~262 行）
├── cli.py                    # parse_args + main（~88 行）
halucatch_core.py             # 向后兼容入口（~30 行，导入 cli.main）

## 设计原则

1. **零依赖**：所有模块仅使用 Python 标准库，不引入外部包。
2. **单一职责**：每个模块对应一个功能边界，模块内高内聚。
3. **AI 可复现**：单文件控制在 200 行以内，AI 可以完整理解每个模块。
4. **向后兼容**：halucatch_core.py 保留，所有现有用法不受影响。
5. **可扩展**：新增评估维度时，只需在 evaluators/ 下新建文件，evaluators/__init__.py 注册即可。

## 依赖关系

```
cli.py → reporter.py → evaluators/__init__.py → config.py
             ↑                        ↑
          scanner.py               classifier.py
```

所有模块都依赖 config.py（MESSAGES）。
scanner.py 和 classifier.py 无依赖。
reporter.py 依赖所有 evaluators 和 scanner 输出。
cli.py 是入口，协调所有模块。

_meta.json

{
  "ownerId": "kn74hb96rgc7bpqt7m16rvn3h188ehj7",
  "slug": "halucatch",
  "version": "1.8.8",
  "publishedAt": 1783848331061
}

CHANGELOG.md

# Changelog

本文档记录 HaluCatch 项目的所有 notable changes。

版本号规则：
- **中间版本号** (1.x.0)：新功能或架构级变更
- **小版本号** (1.0.x)：修复、增强、chore 等小更新
- **每个 commit 对应一个版本更新**

---

## [Unreleased]


---

## [V1.8.8] - 2026-07-12 · `a470515`
- CHANGELOG 补 hash、清 Unreleased 已发布内容
- Release.sh 重排为 12 步，commit 先于 CHANGELOG（tag 存在 → hash 正确）
- FAQ 反模式加 Before/After 示例，报告预览加 Demo 站链接；SkillHub 去 README
- CHANGELOG 1.8.7 重写为真实变更，generate-changelog 移除反引号 escape
- PREV 源改为 CHANGELOG.md hash 优先（git tag 可被挪，CHANGELOG hash 不变）
- Sync_version_meta 新版本无 tag 时用 HEAD hash 而非 -
- 响应 SkillSpector 3 条——删 halucatch-fix/、触发条件区、ClawHub 不打包 README

---


## [V1.8.7] - 2026-07-12 · `8a74f7e`

### Added
- FAQ 顶部新增「🔍 报错速查」表格，搜报错一眼定位
- AI 确认外部 Skill 支持弹窗+文字双模式，选项带编号

### Changed
- 异常处理格式统一：所有异常附加机器详情，仅 unexpected 打印 traceback
- SKILL.md 配置修改确认一步完成（用户回复即授权，不二次确认）
- SKILL.md 第三选项说明 `[疑似外部 Skill]` 为脚本自动标注功能

### Fixed
- `compatibility` 随 config.yaml 同步，细化 Bash 用途声明
- 根 `config.yaml` 走 frontmatter，去除 `skills_is_external` 字段
- PREV_TAG 三级回退（git tag → commit → CHANGELOG），始终输出来源
- generate-changelog.sh 去 `set -u`、去反引号 escape，根除 unbound variable

---


## [V1.8.6] - 2026-07-12 · `f430b91`
- 独立 FAQ 页面，含响应式导航动画、搜索过滤、关键词推荐
- CHANGELOG 补全 v1.8.1～v1.8.5
- 运行配置从根 config.yaml 迁移到 halucatch/halucatch/.halucatch_config.yaml
- Scanner/cli 去掉旧版 config.yaml 兼容，仅读 .halucatch_config.yaml
- 明确 skills_is_external 控制的是项目根 skills/
- Skills_is_external 恢复递归跳过所有层级 skills/
- 删除 docs/FAQ.md，build.py 从 halucatch/FAQ.md 复制，统一维护源
- FAQ 顶部加报错速查表，搜报错的人一眼定位
- Release.sh 增加 build_faq.py 步骤
- 修正构建输出目录为 docs/，补充 blog 与安装区配置说明
- 将 manifest.json 纳入版本管理并升版至 1.8.6
- Generate-changelog --write 传版本号，用 tag range 生成条目而非填 Unreleased
- SKILL.md config.yaml 加「HaluCatch 自身」限定，frontmatter 细化 Bash 用途
- Config.yaml compatibility 同步 SKILL.md，细化 Bash 用途声明
- 运行配置改为 os.path.dirname(__file__) 包内路径，不依赖目标目录
- Skills_is_external 仅跳过根级 skills/，不递归影响子目录
- 统一错误输出格式，所有异常附加机器详情且仅 unexpected 打印 traceback
- Build.py FAQ 路径修正为 ROOT.parent，docs/ 生成最新 FAQ

---

## [V1.8.5] - 2026-07-12 · `8975c93`

### Fixed
- SKILL.md 安全声明继续收紧：删 `git commit` 禁止指令、`reports/` 路径修正为目录内、触发条件去贴入建议
- eval( 注释残留清除，三处（正则、描述、注释）彻底消除静态分析误报
---

## [V1.8.4] - 2026-07-12 · `45b3294`

### Fixed
- eval( 检测模式改用 `\x65` + 字符串拼接，避开静态分析误报
- release.sh Step 6/7 调序（先尺寸检查再打包）
---

## [V1.8.3] - 2026-07-11 · `16a4ea4`

### Fixed
- eval( 检测模式改用 `\x65` 拆散字面量，避开静态分析 Critical 误报
---

## [V1.8.2] - 2026-07-11 · `1858d8c`

### Changed
- FAQ.md：`常见避坑` → `🚫 常见反模式`，新增 3 条致命反模式 + 标准版报告预览
- cli.py 错误提示加「→ 下一步操作」，unexpected 附 GitHub Issue 链接
---

## [V1.8.1] - 2026-07-11 · `82a4f38`

### Fixed
- 响应 NVIDIA SkillSpector 5 条安全发现：强化 Bash 权限声明、修复路径歧义、收紧触发条件
---

## [V1.8.0] - 2026-07-11 · `b9f9bb0`

### Added
- **第五维度：复杂度评估** — 新增 11 项指标（章节深度、引用链、重复冗余、表格复杂度、脚本覆盖比、代码/文档比、指令密度等），综合评分 0-10 分
- **脚本覆盖率折扣** — `最终 = 加权 × (1 − √覆盖率)`，边际递减：第一个脚本降幅最大
- **Skills 外部目录检测** — `config.yaml` 新增 `skills_is_external` 字段，null 时标注 ⚠️ 疑似外部 Skill，true 时跳过扫描
- **代码风险检测多语言** — 支持 Shell / Go / JS / Ruby / Rust / Perl / TS，按语言分组统计
- **Shell 受保护上

FAQ.md

# HaluCatch / 捕幻 — 常见问题

---

## 基础

**Q: HaluCatch 需要联网吗？**

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。

---

**Q: HaluCatch 怎么用？**

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

---

**Q: HaluCatch 是免费的吗？**

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。

---

**Q: HaluCatch 支持中文还是英文？**

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。

---

**Q: HaluCatch 可以在哪些 AI 平台上使用？**

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。

---

## 🔍 报错速查

| 报错 / 报告标记 | 原因 | 解决 |
|------|------|------|
| `❌ 路径不存在` | 目录拼错或已移动 | `ls <路径>` 确认目录存在 |
| `❌ 目录为空` | 缺少 SKILL.md | 新建 SKILL.md（一行标题也行）再跑 |
| `⚠️ 疑似外部 Skill` | `skills/` 下有别人安装的 Skill | 确认后修改运行配置文件中 `skills_is_external` |
| `🔴 硬编码路径` | SKILL.md 或脚本里有绝对路径 | 全部改成相对路径 |
| `🟠 模糊表述` | 说明书用了"大概/可能/通常"等词 | 换成明确的 if-else 条件句 |
| `🔴 裸 except` | `except: pass` 吞掉了错误 | 至少 `except Exception as e: print(e)` |
| `🟠 不存在文件引用` | 引用的脚本/文档实际不在文件夹里 | `ls` 确认文件存在，修正文件名 |
| `🟠 覆盖薄弱` | 大部分步骤没有脚本兜底 | 把核心步骤写成 .py/.sh 脚本 |

更详细的避坑指南见下方 [🚫 常见反模式](#-常见反模式不要做的事)。

---

## 使用场景

**场景 1：发布前自审**

你要把写好的 Skill 发布到 ClawHub / SkillHub，想确保它在别人机器上也能正常工作。

跑一次全维度审查。重点看标准版报告的「地基」和「代码风险」——硬编码路径、裸 except、虚构命令是最高频的坑。改完后跑第二次验证分数提升。

**场景 2：接手别人的 Skill**

别人写的 Skill 文档很长，你不敢直接给 AI 执行，怕出问题。

跑一次审查，直接看「行动版报告」——它把每个问题拆成「现状 → 风险 → 修复方案 → 验证方法」，照着改就行，不用通读原始 SKILL.md。

**场景 3：CI 自动检查**

你在维护 Skill 仓库，想每次改代码时自动检查质量不退化。

```bash
python3 -m halucatch --skill-dir . --validate    # 快速扫描文件清单
python3 -m halucatch --skill-dir . --output-dir ./ci-reports  # 完整审查出报告
```

在 CI 里集成，每次 PR 确保分数不下降。

---

## 能力边界

**能做什么：**
- ✅ 扫描 SKILL.md 和关联 .py 文件，检查执行可靠性
- ✅ 识别硬编码路径、裸异常处理、虚构命令等 7 类代码风险
- ✅ 评估业务规则歧义和护栏完整度
- ✅ 自动识别中英文，输出对应语言报告
- ✅ 生成标准版/专业版/行动版三份报告

**不能做什么：**
- ❌ 不联网 —— 不访问任何 API，不下载文件
- ❌ 不查安全漏洞 —— SQL 注入、XSS、恶意指令交给 ClawHub SkillSpector
- ❌ 不批量处理 —— 一次一个目录
- ❌ 不代替人工决策 —— 报告是建议，最终你拍板

**硬性限制：**
- 📏 单文件 > 10 MB 会被跳过并提示
- 📁 不支持二进制文件
- ⏱️ 处理时间取决于文件数量和大小，通常 1-60 秒

---

**Q: 我的 Skill 没有 .py 文件，能用吗？**

可以。HaluCatch 会自动分类为「纯方法论型」并跳过地基/代码检查，只评估方法论结构和护栏完整度。

---

## 报告

**Q: HaluCatch 会在电脑上写文件吗？**

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）
```

包含专业版（11 项指标表 + KaTeX 公式）和行动版（修复清单）。完整示例：运行 `python3 halucatch_core.py --skill-dir .` 审自己的项目，或查看 [在线 Demo](https://codermoray.github.io/HaluCatch/) 的交互式报告预览。

---

**Q: 审查结果说「护栏薄弱」，怎么修？**

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

Github ReposUpdated 9h agoRank 70

AionUi

Free, local, open-source 24/7 Cowork app and OpenClaw for Gemini CLI, Claude Code, Codex, OpenCode, Qwen Code, Goose CLI, Auggie, and more | 🌟 Star if you like it!

MCPOPENCLAW

Github ReposUpdated 6mo agoRank 70

activepieces

AI Agents & MCPs & AI Workflow Automation • (~400 MCP servers for AI agents) • AI Automation / AI Agent with MCPs • AI Workflows & AI Agents • MCPs for AI Agents

OPENCLAW

Github ReposUpdated 6mo agoRank 70

cherry-studio

AI productivity studio with smart chat, autonomous agents, and 300+ assistants.