把一段流畅回答拆成可以逐项核验的声明账本

先定义这条回答将影响什么决定

写下回答会影响的选择、决定时间，以及哪个错误细节足以改变选择。这样就不会为了核对一句无关修饰语而无限扩张工作。只把有后果的句子拆成声明卡：原始表述、涉及对象、数字或条件、适用日期、建议出处和核验状态。例如“场馆很早开门，因此适合你的安排”至少含两项：可向场馆核对的开放时间，以及依赖个人日程的适配推断。NIST 把生成式 AI 的虚构性错误定义为以自信方式表达的错误或虚假内容，因此语气有多肯定并不是捷径；真正需要检查的是声明的类型、时间和证据。

给三种标签设置严格的完成条件

只有可访问来源直接支持同一对象、数值、条件和时段时，才标为事实。底层事实已获支持、结论只是它们之间的合理连接时，标为推断，并保留前提，让别人可以不同意结论而不必否定事实。信息缺失、含义不清、来源冲突、工具无法访问或主题太新时，标为未知。“未知”是完整状态，不是必须用猜测补齐的空格。OpenAI 关于语言模型错误的研究说明，模型可能生成看似合理但并不真实的陈述，评估方式有时还会奖励猜测而不是保留意见。模型自报的信心可用于安排核查顺序，却不能把无证据声明升级成事实。

检查来源是否直接支持这项声明

打开被引用的页面，不要只看引用标题、搜索摘要或回答中生成的引语。逐项确认页面真实存在，讨论的是同一对象，写明相同数字或规则，适用于所问地区、版本和时间，而且不是简单转述另一个发布者。区分内容的发布或更新时间与搜索引擎抓取、收录时间。Google 的信息评估指引建议了解来源是什么、是否熟悉该主题、为何发布、发布日期为何，以及其他来源如何描述同一内容。如果链接只支持一句话的一部分，就继续拆句，并记录“部分支持”，不要把窄证据拉宽成整句结论。

重要且易变化的信息先找第一方，再找独立来源

当前日程、功能、价格、规则、规格或账号设置应先查看负责该信息的组织。第二步再找一条独立获得该事实的来源，而不是复制稿、转载公告，或同样引用那句未经核验表述的页面。两个链接不必然等于两条证据链。只有第一方资料时，应明确记录限制；可靠来源互相矛盾时，比较日期、版本、地区、定义与更正说明，不把不兼容数字取平均。英国政府的生成式 AI 指引建议依据真实基准或有根据的判断评估输出，并选择符合用途的衡量方式。对个人核验而言，就是先写清楚怎样才算确认，再开始搜索。

把宽泛问题改写成可以回答的单元

“这个方案好吗”包含大量隐含前提，可以改成当前是否可用、明确条件、生效日期、第一方写出的限制，以及用于比较的个人偏好。要求 AI 列出假设、不要引用无法打开的页面、给易变化事实附日期，并保留未知项，然后在回答之外逐项核验。官方页面可以证明开放时间，却不能脱离你的日程证明“方便”；产品页面可以说明功能设计，却不能证明它在你的设备上实际表现如何，除非你亲自观察。把公共事实与个人输入分开，也能减少为了让回答更个性化而提交不必要私人资料的冲动。

让每个重要声明落到四种终态之一

核验结束后，每项声明应成为已核实、受支持推断、未解决或已被更新资料取代。已核实要求直接证据与适用时间一致；受支持推断要求前提已核实且推理清楚；未解决代表资料缺失或冲突；已取代表示较新的第一方记录覆盖旧说法。补上访问日期与重新核查触发点，例如预订前一天或产品版本变更后。双源核验不是无止境浏览：达到预先定义的确认标准就停止；达不到时保留未知，并选择可逆的下一步。这样能把不确定性变成行动条件，而不是假装每个问题都有最终答案。

用公开低后果问题练习一次

选择带日期第一方页面的公开低后果事实，例如某公共场馆在指定日期的开放时间。请 AI 把回答拆为事实、推断与未知，并列出假设。不要提供私人资料；逐个打开链接，再和第一方页面及一条独立来源比较。第二轮改变日期或地点，观察回答是否同步改变时间范围，还是沿用了旧细节。记录提问、可见的模型或产品版本、声明标签、来源、差异和最终状态。不要用专业领域或会造成重大后果的问题充当练习材料。这个练习检验的是自己的核验流程，不是为某个模型推导一个适用于所有场景的准确率。

继续探索这个主题