📖 定义
Verifier（验证器）是一个独立的模型调用或规则，用于检查候选答案的正确性、格式合规性、或政策遵守情况。验证器是生产级Agent捕捉幻觉的标准模式：生成答案 → 验证 → 失败则重新生成。
Digital Applied 2026 Glossary定义："The standard pattern for catching hallucinations in production."
🔍 通俗比喻
就像饭店里的菜品——厨师做好菜，还得有个质检员过一遍：菜够热吗？味道对吗？有没有异物？质检员不负责做菜，只负责检查。
Agent的Verifier也是这个角色：你（生成器）负责创作，我（验证器）负责审核。你写得天花乱坠，我一看格式不对、逻辑不通，直接打回重写。
周星驰电影里的台词："师傅，这菜不对啊！"——Verifier就是那个敢直言的学徒，防止师傅（LLM）自嗨。
Agent的Verifier也是这个角色：你（生成器）负责创作，我（验证器）负责审核。你写得天花乱坠，我一看格式不对、逻辑不通，直接打回重写。
周星驰电影里的台词："师傅，这菜不对啊！"——Verifier就是那个敢直言的学徒，防止师傅（LLM）自嗨。
⚙️ 验证流程
┌─────────────┐ ┌─────────────┐ ┌─────────────┐
│ 生成器 │ ──► │ 验证器 │ ──► │ 最终输出 │
│ Generator │ │ Verifier │ │ Output │
└─────────────┘ └─────────────┘ └─────────────┘
│
▼ PASS
┌─────────────┐
│ ✅ 通过 │
└─────────────┘
│
▼ FAIL
┌─────────────┐
│ ❌ 重新生成 │ ──► 返回生成器
└─────────────┘
正确性验证
检查答案是否正确解决问题。
例：数学题验算、代码语法检查。
格式合规验证
检查输出是否符合指定格式。
例：JSON Schema验证、Markdown结构。
政策安全验证
检查是否违反安全政策。
例：敏感内容过滤、PII泄露检测。
事实准确性验证
检查引用的事实是否真实。
例：引用来源验证、数据一致性。
🎯 OpenClaw实战应用
# OpenClaw Verifier Skill 示例
name: verified_code_generator
description: 生成代码并通过验证器检查
steps:
- name: generate_code
action: llm
prompt: |
根据需求生成代码：{{user_request}}
- name: verify_syntax
action: shell
command: |
# 使用语言工具检查语法
python -m py_compile {{generate_code.output}}
- name: verify_logic
action: llm
prompt: |
请检查以下代码是否满足需求：
需求：{{user_request}}
代码：{{generate_code.output}}
检查项：
1. 是否处理了边界情况
2. 是否有潜在的bug
3. 是否符合最佳实践
输出：PASS 或 FAIL + 问题列表
- name: retry_on_failure
action: conditional
condition: "{{verify_logic.output.status}} == 'FAIL'"
on_true:
- action: llm
prompt: |
前一代码有问题，请修复：
问题：{{verify_logic.output.issues}}
原代码：{{generate_code.output}}
- name: final_output
action: output
content: "{{retry_on_failure.output or generate_code.output}}"✅ 生产部署要点
- 验证器应该是独立模型：避免自我验证的偏见
- 设置最大重试次数：防止无限循环（通常3-5次）
- 验证结果可追溯：记录每次验证的决策原因
- 分层验证：先格式 → 再正确性 → 最后安全
- 与Human-in-the-loop结合：关键决策需人工确认
🔗 相关术语
📚 延伸阅读
- Digital Applied Agentic AI Glossary 2026
- Anthropic System Cards - 验证流程说明
- OpenAI Agents SDK 验证器模式