Receipts 推出六项 agent skills，为产品文档和数据标注证据来源

为 Claude Code、Codex 和 Cursor 打造的六个 agent skills，让 PRD、指标、实验报告、AI 评估和发布文案都说明每一条论断来自哪里、每一个数字不能证明什么。

AI agent 写产品文档很快，写“97% 可靠”“用户很喜欢”“已验证能提升转化”这类毫无依据的话也同样快。Receipts 补上的是优秀 PM 本来就有的习惯：一条论断在发布之前，必须指向某个真实存在的东西。

Skill 适用场景 作用 claim-receipts 在发布任何带数字或结果的文案之前 把每条论断标注为 SOURCED、MEASURED-WITH-SCOPE、ASSUMPTION 或 UNSUPPORTED，并在不编造依据的前提下改写站不住脚的那些 metric-receipts 定义成功指标或汇报结果时 为每个指标配上它所支撑的决策以及它不能证明什么；标出代理指标的注水 ai-eval-receipts 上线 LLM 或 AI 功能时 针对完成度、充分性和一致性的就绪门槛；弃答规则；模型在该工作流中的边界 experiment-receipts 规划或解读 A/B 测试时 决策优先的方案、精确的指标、把样本量当作假设、护栏指标、按隐私范围限定的事件、已验证与模拟之分 prd-receipts 把访谈或需求转化为 PRD 时 把观察到的、推断出的和假设的分开；每条需求都指向证据 plain-copy 文案“听起来像 ChatGPT”时 去掉废话、破折号和浮夸动词，不新增任何论断

安装 一条命令，适用于任何 agent： npx skills add aliraza2025/receipts 或者 clone 后复制进你的 agent 的 skills 文件夹： git clone https://github.com/aliraza2025/receipts.git cd receipts ./install.sh claude # ~/.claude/skills ./install.sh codex # ~/.codex/skills ./install.sh cursor # ~/.cursor/skills ./install.sh all 仅安装到项目：./install.sh cursor --project path/to/repo（写入 .cursor/skills/、.claude/skills/，Codex 则写入 .agents/skills/）。 安装已在三个 agent 上测试通过。每个 agent 自行加载 skill 的方式和时机各不相同，因此在请求里点名该 skill 是最可靠的触发方式。

改前：“CrediClip 分析了 780 个视频，可靠率 97%。” 经 claim-receipts 改后：“在一个 780 条链接的 YouTube 批次中，每个任务都完成了，但 780 条结果中有 759 条被标记为证据不足。” 第二句没那么好听，却有用得多。它让读者、招聘经理或你自己的团队清楚知道系统究竟做了什么、哪里仍有欠缺。

发布前，一个 agent 对这份 README 运行了 claim-receipts。它检查了 8 条论断，抓到一条夸大其词：查看完整输出。

我是 Ali Raza，湾区的一名产品经理和 AI builder。每个 skill 都是我在真实工作中所用方法的书面化版本： phuryn/pm-skills 和 deanpeters/Product-Manager-Skills 这类大型库覆盖了整个 PM 工具箱，在这方面做得很好。Receipts 只做一件窄事：检查你的文档里说的东西是否有依据。它可以和它们配合使用。 python3 scripts/validate.py 检查 frontmatter、命名规则、描述长度、文件大小，以及没有任何 skill 包含破折号。CI 在每次 push 时运行它。

欢迎提交 issue 和 pull request，尤其是来自真实（非机密）项目的实战示例。每个示例要么是真实且有来源的，要么明确标注为示意。这正是这个仓库的意义所在。