让 AI 标出最可能编错的五类信息

回答越流畅，越容易让人跳过核对。Alice 的数字、日期和接口名到了现场才被发现没有出处。

周五下午，Alice 要把一份 AI 整理的活动方案交给同事。答案读起来很顺：参与率预计 47%，新流程从 6 月 1 日启用，数据可通过 syncRecords() 导出，旧版附录还写了跨设备自动恢复。标题、项目符号、结论都排得很完整。

她没有看到语病，也没发现前后矛盾，于是直接搬进汇报。现场打开原始公告和帮助文档，数字、日期、接口名都找不到，所谓自动恢复也没有上线。几句具体细节把整份方案一起拖进了返工。

问题不在答案是否像真的。真正省时间的动作，是先定位最值得核对的位置。可疑表示「需要证据」，不表示「已经写错」。

Alice

AI 风险核对练习 · 只标风险，不代替原始材料

在线

一段 AI 答案写得很流畅，你准备怎么核对？ 三种做法都很常见，也都只能覆盖一部分风险。先选一种。

重读一遍，确认逻辑顺、前后没有矛盾 随机抽一个数字，算对了就继续使用 追问 AI「你确定吗」，看它会不会改口

发送给 Alice

更稳的起点：先把答案里的五类高风险信息原样摘出，再逐项找证据。这样不会因为全文通顺，就漏掉一句短小但后果很大的功能声明。

现在请选择 3～5 个片段或检查动作。里面混有三项看似可靠、实际不能证明事实的线索。

「参与率 47%」→ 查原始统计表 「6 月 1 日启用」→ 查正式公告 「syncRecords()」→ 查官方接口文档 「旧版附录写明」→ 打开附录原页 「支持自动恢复」→ 查功能帮助页 语气很自信，所以可以信 排版很完整，所以来源可靠 两个 AI 都这样说，所以不用再查

发送所选内容 已选 0 项，还需至少 3 项

换一组再判断

1. 数字：金额、比例、阈值、版本号和精确到小数的参数。
2. 时间线：发布时间、启用日期、先后顺序和更新节点。
3. 设置项或接口名：名字很像产品原文，仍要回到真实界面或官方文档。
4. 冷门细节：旧手册、附件、会议纪要中的一句话，外部很难交叉验证。
5. 功能声明：声称支持、能够、自动完成某件事，尤其要防止用常见经验填空。

五类只是风险标签。原始统计表能对上 47%，这条就成立；帮助页没有自动恢复，功能声明才算被证据否定。标可疑负责排队，查原文负责定案。