Double check
让 AI 对自己刚做完的事严格复盘、再自审一遍, 戳穿"嘴上说搞定了其实没测"的虚假完成 (false done). 解决 AI 幻觉 (hallucination) + 上下文看不全 — 复盘能再抓出第一遍漏掉的 bug、漏洞、幻觉. 适用 AI self-review / code review / 复盘 AI 生成的代码 / verify AI output. 触发: 打 `2` / 说 "复盘" / "double-check" / "审一遍" / "再查一遍" / "review" / "有没有问题" / "有没有漏洞"; 涉钱涉险自动接. 方法: 双向推演 (0→100 + 100→0) + 逆向反驳 + 分领域检查清单 (功能13 / 代码21 / 算法18 问). 附带 1/2/3 快捷键工作流 (1=干 / 2=复盘 / 3=上线), 复盘 (2) 是核心.From its SKILL.md
npx -y skills add LouisLin0723/double-check --skill double-checkAssembled from the repository path, not quoted from the project. Check it against their README if it does not work.
One thing to look at
- 2 stars2 stars. Stars are a popularity signal and not a quality one, but at this level it is likely that nobody has read this closely except its author, and you would be relying on your own review.
SKILL.md
6.8 KB, as published. Nobody here has run it
double-check
你的 AI 说"搞定了"。让它证明给你看。 Your AI says "done." Make it prove it.
double-check 干一件事:逼 AI 回头把自己刚做完的事,往死里复盘一遍,抓出它第一遍没看见的 bug、漏洞、幻觉 (hallucination)。
为什么需要它
AI 一定有幻觉率。哪怕它拍胸脯说"我很诚实、搞定了",它照样看漏、编造、留雷。这不是态度问题,是模型的先天限制 —— 而且它看不全。
把 AI 想象成一个只有两只眼睛的人。 它盯着面前这 1,000 个文件,就只能看到这 1,000 个。 但真正的 bug,往往不在它眼皮底下这 1,000 个里 —— 而是藏在它没加载进来的另外 99,000 个文件里。 整个项目有 10 万个文件,没有任何 AI 能一口气全看完。 它看了 1% 就敢喊"搞定了",剩下 99% 的雷,它根本没瞧见。
double-check 治的就是这个:再花一点 token,逼 AI 仔细复盘一遍。靠下面这套亲测有效的提示词,它能再揪出一大批第一遍漏掉的洞。
复盘消不掉幻觉(没人能),但能把 AI 的严谨度,实打实再顶高一档。
怎么触发
- 打
2 - 说 "复盘" / "double-check" / "审一遍" / "再查一遍" / "有没有问题" / "有没有漏洞" / "review"
- 自动接管:涉钱 / 法律 / 健康 / 重大不可逆 / 多 agent 议事后
复盘怎么走(核心)
走法 = 双向推演 + 逆向反驳 + 三组检查清单挑一
① 双向推演
- 0 → 100 顺推:这方案怎么一步步成立的,往上盖一遍
- 100 → 0 反推:从最终结果倒着拆,找最弱环节、单点故障
② 逆向反驳
逼 AI 站到对立面,列出"这东西会怎么死":
- 有 BUG 吗?
- 从用户角度有没有问题?
③ 三组检查清单 —— 按任务类型挑一组(不要三组全套)
🅰️ 新功能 / 改旧功能 (13 问)
| # | 问 | 大白话 |
|---|---|---|
| 1 | 有效 | 真解决问题,还是只碰到边? |
| 2 | 直观 | 用户一眼会用,还是要猜? |
| 3 | 直接 | 最短路径,还是绕远? |
| 4 | 自欺欺人 | 表面完成、其实没成? |
| 5 | 诚实 | 有没有藏雷 / 糊弄? |
| 6 | 高效 | 省时省力,还是笨重? |
| 7 | 为做而做 | 这步真需要,还是凑数? |
| 8 | 互相污染 | 改了 A 有没有弄坏 B? |
| 9 | 多余 | 有没有能删的冗余? |
| 10 | 最极致省 token | 输出 / 上下文有没有啰嗦? |
| 11 | 最省资源 | 算力 / 内存 / 请求有没有浪费? |
| 12 | 可常态化 | 可持续,还是一次性 hack? |
| 13 | 稳定 | 边界 / 异常会不会炸? |
🅱️ 代码 (21 问 = 🅰️ 13 问 + 代码专属 8 问)
代码相关任务,在 🅰️ 全部 13 问之上,再加:
| # | 问 | 大白话 |
|---|---|---|
| 14 | 简单精简美观 | 代码干净,还是又长又乱? |
| 15 | 没有屎山 | 在堆技术债吗? |
| 16 | 多语言一致 | 产品多语言时,各语言文案(如简体 / 繁体 / 英文)同步无遗漏? |
| 17 | 没有矛盾冲突 | 跟现有逻辑 / 约定打架没? |
| 18 | 不重复 | 该复用的有没有抄一遍? |
| 19 | 省存储空间 | 数据结构 / 缓存有没有浪费? |
| 20 | 查证过 | 关键 API / 库行为是搜过证实的,不是凭记忆猜的? |
| 21 | 治本 | 修根因,还是贴膏药? |
🅒 算法 / 数学公式 (18 问)
算法和公式不像普通功能,错一个边界可能几年后才爆。这组去掉"省 token",加最关键一条:
| # | 问 | 大白话 |
|---|---|---|
| ⭐ | 稳定运行 100 年 | 极端输入、长期运行、边界值,公式都不崩? |
算法组同样覆盖:精简美观 / 无屎山 / 有效 / 直观 / 直接 / 不自欺 / 诚实 / 高效 / 不互相污染 / 无矛盾冲突 / 不多余 / 不重复 / 省存储 / 可常态化 / 稳定 / 查证过 / 治本。
红线
- 禁模糊 —— 结论具体到数字 / 步骤 / 人,不准"差不多""应该没问题"
- 推测必标 —— 哪些是确认的,哪些是猜的,分清楚
- 草稿在脑里跑,用户只看最终结论,别把推演过程全倒出来
什么时候停
量化完 + 行动项列完 + 双向都跑过 | 或连续 2 轮挑不出新问题。
附带:1 / 2 / 3 快捷键工作流
复盘(2)是这个 skill 的核心,但它最好嵌在一个完整节奏里。配套两个键当辅助:
1 = 干(执行)
触发 1 / OK / 继续 / go → 接上一条建议直接动手,不二次确认。带铁律干:第一性思考 + 费曼回答 + 干完复盘 + 浏览器实测 + 部署上线。
停问例外:涉钱未定 / 不可逆(rm -rf / drop table / 转账)/ 方案 A/B 未拍板。
2 = 复盘(核心,见上)
触发 2 / 复盘 / double-check → 走上面整套复盘流程。
3 = 上线(收尾)
触发 3 / 收尾 / 完工 → 4 步:第一性+费曼 → 复盘(调 2)→ 真机实测找 BUG → 部署验证 exit 0 才算完。
1跟2/3互斥;3内含2。快捷键是辅助,复盘才是这个 skill 的核心。
设计理念 FAQ
Q: 复盘要花额外 token,值吗? 值。Claude 官方都承认幻觉消不掉。复盘的成本是几千 token,漏掉一个 bug 上线的成本是几小时排查 + 用户流失。便宜的检查 vs 昂贵的事故,稳赚。
Q: 复盘能保证抓光 bug 吗? 不能,没人能。它做的是把 AI 的严谨度往上顶一档 —— 把"看了 1% 就说搞定"变成"再逼它多看几遍",显著减少漏网。
Q: 跟普通 code review 工具(CodeRabbit 等)有啥不同?
那些是"别人 / 工具审你的 PR"。double-check 是"让 AI 审它自己刚做的事" —— 在你部署前,逼它先自我复盘。互补,不冲突。
Q: 为什么 3 包含 2?
上线前不复盘 = 裸奔。收尾流程强制塞一道复盘。
自定义
这套复盘清单 + 快捷键是作者的工作流约定。Fork 它,改本文件:
- 换触发词
- 改检查清单(删用不上的,加你领域的)
- 改部署命令(
3那步换成你项目真实的上线流程)
核心思想一句话:AI 说"搞定了"不算数,逼它再 double-check 一遍才算。