AI 生成内容的事实核验习惯
AI 最危险的不是答不上来，而是答得特别流畅地编造——行业里叫「幻觉」。一本正经的语气 + 具体的数字和出处，很容易让人放下戒心。三个习惯，把幻觉关进笼子。
习惯一：把「不确定」变成合法选项
幻觉高发的根本原因是模型被逼着「必须给个答案」。写提示词时主动给它出口：
回答下面的问题：
1. 确定的部分直接回答
2. 不确定或可能过时的部分，标注"[不确定]"
3. 需要实时信息才能回答的部分，直接说"需要查证，模型无法提供"
4. 涉及数字、日期、人名、文献时，注明"待核实"
问题：{{你的问题}}
给模型一个体面的「我不知道」，它编造的动力会小很多。
习惯二：按风险等级决定核验深度
不是每句话都值得查，按用途分级：
- 随手聊天、找灵感：不核验，但别直接转述成事实；
- 要发给别人的内容：数字、日期、人名、引用逐一核对；
- 要写进合同、报告、医疗健康决策的内容：每个关键事实回到原始来源确认，AI 只当排版助手。
一个实用技巧：把 AI 给的「出处」当线索而非证据。让它列出文献名可以，但文献是否真实存在、结论是否如它所说，必须自己去数据库或官网确认。
习惯三：让两个信息源互相质证
重要内容别只问一家。同一问题问两个不同家的模型，或者「模型说 + 搜索验证」：
针对下面这段论述：
1. 列出其中所有可被证伪的事实性声明（编号）
2. 对每条声明标注：常识可靠 / 需要查证 / 高度可疑
3. 只分析，不要补充新论据
论述：{{粘贴内容}}
AI 找自己人的漏洞，往往比人眼快得多。
60 秒快速核验清单
内容要发出去之前，按这张清单过一遍，一分钟以内能完成：
- 数字：每一个数字都能在原始材料里找到吗？找不到的删掉或标注「未经核实」；
- 名称：人名、公司名、产品名、文献名，逐个搜索确认存在且写法正确；
- 日期：「2025 年发布」这类时间锚点，是最容易编出来的信息；
- 因果：AI 喜欢把「先后发生」写成「因为所以」，检查有没有强加因果；
- 引用：直接引语（加引号的话）逐字核对，转述注明是转述。
清单里任何一项过不了关，就用上一节的提示词让 AI 标注不确定性，或者干脆删掉那句话——宁可少一个论据，不要多一个幻觉。
一个好用的追问句式
发现可疑内容时，别急着下结论，先问它一句：
上面回答里的 {{某条信息}}，你的依据是什么？
1. 如果来自训练数据中的公开资料，说明大致来源类型
2. 如果不能确定，请直接说"不能确定"
3. 不要为了自洽而补充新的"依据"
很多幻觉在这一问之下会自己「塌掉」。这不是刁难模型，而是把它从「叙述者」切换到「答辩者」——答辩模式下，它的措辞会明显保守。
心态上的一个提醒
幻觉不会随着模型升级消失，只会更隐蔽。把它当成「一位口才极好但偶尔记错事实的同事」：他的表达可以参考，关键事实必须自己签字负责。工具越顺手，核验习惯越重要——这也是本站免责声明反复强调「工具输出仅供学习参考」的原因。