AI生成内容的事实性如何进行核查？

经常有朋友问用AI做搜索、调研或是生成内容，如何保证它的事实性？

这里结合自己平时经验以及刘润老师的观点给大家提供几个思路，我们可以先把核查标准定清楚，再让 AI 把文章里所有“可能出错的事实”逐条抽出来，最后按信源等级逐项验证，给出可修改的结论。

一、先统一信源分级
没有标准就没有核查。可以用四级框架：
1、一级信源优先，包含权威学术期刊、政府与监管部门统计、国际组织数据、顶级研究机构正式报告。
2、二级信源可接受，包含行业协会、知名咨询机构、重视声誉的主流媒体与专业出版物。
3、三级信源要谨慎，公众号评论、博客、论坛、社交媒体帖子、研讨会转述等通常都在这一层。
4、四级信源直接禁用，匿名爆料、无法追溯的“内部消息”、强广告倾向结论、明显立场先行且不给证据的论断，都不要出现。

二、拆列事实清单
核查最麻烦的点叫“颗粒度”。你到底查到多细？只查关键数据，还是每个细节都过一遍？想把这件事做成流程，第一步永远是让 AI 从文章里“抽取事实清单”，而且要尽量细，宁可多，不可漏。
刘润老师给了一个很实用的事实类型划分，你可以直接沿用五类：定量信息（数字、百分比、金额、排名、日期时间）；实体信息（人名、组织、公司、品牌、地点、型号）；事件与行为（谁在何时何地做了什么）；属性与特征（功能、规格、客观特性）；引用与声明（谁说过什么、文件/报告的结论、可追溯的观点表述）。

三、逐项核查
按信源等级搜索与比对。
这里有两个小技巧：先把每条事实改写成更利于检索的表达，带上关键实体、时间范围、指标口径；再从一级到三级逐级找证据。
你会发现“信源白名单”并不万能，因为用户输入可能是某个细分行业分析或学术内容，预设的媒体范围覆盖不到。更稳的路径是沿着事实追“原始出处”，再查“引用链”，确认它不是 A 引 B、B 引 C、C 其实是推测的空心结构。

四、把核查结果分状态输出，方便修改
可以用四类：已核实；核实存在偏差（数字接近但口径不同、时间范围不同、单位不同）；与信源相悖（高等级信源给出不同结论）；无法核实（按既定路径找不到支撑，或需要付费数据库、内部数据才能确认）。依此作为后续编辑修改的基础。

目前国内的AI搜索引擎返回的弱相关结果很多，再不做太多工程化的前提下，输出的结果事实性还是需要注意的，

各位如果有什么实用的技巧，欢迎分享在评论区~

端测模型在2026年会不会得到井喷式的发展？

一方面端测需求会越来越多，另一方面具身智能也需要端测，这也是我觉得「闪电说」类产品比较有优势的原因之一…

全靠 AI 带飞了，明年希望继续保持~

新年快乐[庆祝][庆祝]，祝大家万事顺遂~
2026 开年「AI工具清单」分享给大家，希望能成为你的生产力工具！

「省流版清单」
你不想看长文也没关系。 直接抄这三套。
方案 1：只订阅一个
- Gemini （通用主力）
适合：你想最省心，覆盖最广。
方案 2：一付费 + 一免费
- 付费：Gemini 或 ChatGPT（看你更偏写作还是更偏深聊）
- 免费：豆包（平台型备胎）
适合：你要稳定，也要省钱。
方案 3：内容创作者套装
- 文本：Gemini / ChatGPT
- 绘画、音视频、3D模型综合：Lovart
- 记录：Get 笔记
- 阅读：沉浸式翻译
- 资产：ChatMemo
适合：你要持续产出、要商业交付。

2025最后一天了！写了一篇年终总结，算是给自己这一年做个交代：忙、加速，但也挺值得。

三个词总结，感恩、祛魅、成长🌿

感恩遇到的人和事，祛魅那些“看起来很高级”的东西，最后落到最实在的一点：真诚和交付。

更感谢家人的支持、理解与陪伴[爱心]

也记录了一部分点滴，两本书、几节课、ToB企业落地、Prompt到Context的升级，还有一些低谷和小确幸。

内容都在文章里了，欢迎来聊、也欢迎补充你这一年的关键词。

新年快乐，愿我们2026继续向上生长、向下扎根。随风起，不设限。

再次祝大家新年快乐！万事顺遂！🎆

年底了。
如果要选今年 AI 落地最扎实的领域，
我肯定投 「AI 编程」一票。

2025 年是一个分水岭。
AI 编程，正从“副驾驶”抢着去握方向盘。

前两天，翻开了 Trae 的年度报告。
12月25日，日子选得挺有仪式感。
报告里记着半夜一点改过的 bug，狂按 Tab 的瞬间，
还有那些反复推倒重来的需求。
数字背后，其实都是开发者的生活。

聊聊这种进化的本质。
其实是「人机关系的重构」

1） 1.0 阶段：它是更聪明的搭档。
一路 Tab，自动补全。
它帮我们搞定那些没营养的样板代码、单测起手式。
这些事不难，但烦人。
这时候，我是主体，它是辅助。

2） 2.0 / 3.0 阶段：它是能跑起来的协作者。
进入 Solo 时代，也就是现在的 Agent 模式。
AI 不再只盯着光标那一行，它开始看全局。
读项目、拆任务、跑脚本，直到改到你能合并为止。
关系变成了：「它在做，我在审。」

这种节奏很有意思。
它没有剥夺感，反而像带了一个执行力极强的同事。
你不需要交出键盘，但可以交出那些繁琐的“推进过程”。

现在，代码的“入口”正在被重新定义。
以前写代码像门手艺，门槛高，成本也高。
现在，实现的稀缺性在下降。
真正稀缺的，是你定义问题的能力。

以前我们会下意识过滤掉很多小需求。
不是没价值，是“做它不划算”。
比如给孩子写个坐姿监控助手，或者弄个自娱自乐的小游戏。
但当 Agent 能在几小时内给出可运行版本时，
这些长尾场景，突然就从“先放放”变成了“顺手做掉”。

这才是科技的意义。
它拓宽了我们的创造半径。
让更多被忽略的想法，有机会落在屏幕上。

这就是我理解的 The Real AI Engineer：
把 AI 当作可靠的协作者，让创意跑赢体力。

你的想法，值得被看到。

如果让大家猜，2025年 AI使用最频繁的场景是什么？

你可能会说：用 AI 写文案、画图、做 PPT。

但前两天，千问发布了「2025十大AI提示词」排行榜，还是愣了一下。

排在第一位的，不是写作，不是设计，

而是股票。

从No.1到No.10分别是：股票、八字、情感咨询、朋友圈文案、景点推荐、双色球号码、失眠、解答这道题、离婚财产分割、人生的意义。

仔细想想，意料之外，情理之中，

投资，本身就是一个高度信息密集、强结构化、但极度依赖判断的事情。

而 AI，还挺适合整理碎片信息，拆解复杂材料，展示思考过程的。

过去，其实我也写过AI辅助金融投资的一些场景，

包括自己在做股票投资的时候，经常把 AI 当成一个“基础设施”。

不是每天都用，但一旦进入研究阶段，几乎离不开。

今天，就给大家分享一下自己在用的Prompt~

重点是最后一个！

企业服务要面向「管理者」，而不是「开发者」

很多企业借着「数智化」的风，完成了「数字化」转型。

现在很多AI产品很奇怪，一些很容易改进又能极大提升用户体验的小功能很多都不做。

比如随便举个例子，在一些AI平台新建一个项目，初始是「未命名」，在做了一些内容以及对话记录，很容易判断当下的“关键词”或者主题。

直接默认替换掉「未命名」不好吗？有时候项目比较多且自己没有命名的话，打开项目库，一堆no name…

再或者，有些工具生成文件（pdf也好，ppt也好）之后，下载文件的时候同样也是一堆乱码文字，给个默认文件的主题名字（两行代码即可）不好吗？

疑惑，不解，做出来的产品，自己不拿实际场景去体验吗？