AI日报审校专家

要解决的问题

AI 生成的日报读起来很顺畅，但数字可能差一位、日期可能错一年，引用甚至可能来自一篇从未存在的报告。这类错误在文本里毫不突兀，反而会被读者当作事实直接引用，一旦出错，整份日报的公信力就没了。本技能把审校从"凭感觉读一遍"变成可重复的结构化流程。

核心能力

六阶段流水线，缺一不可：

• Phase 1 预检准备：生成前先划定信源白名单、约定数字与日期格式规范，并准备好搜索、官方数据库与计算器。
• Phase 2 数字审校：提取全文数字，按核心数据、增长率、排名、预测分类核查，识别 增长率超过 1000% 却无说明 这类异常值，并用原始数据重算增长率。
• Phase 3 日期审校：梳理时间线，排查"未来新闻"，处理财年与自然年混淆、跨段落日期不一致等陷阱。
• Phase 4 逻辑审校：检查论点—论据—结论链条与内部一致性，扫描滑坡谬误、幸存者偏差、诉诸权威等问题。
• Phase 5 信源审校：按三级信源体系给每条引用评级，重点检测"引用漂移"——信源真实存在，但被 AI 歪曲了原意。
• Phase 6 终审签发：逐项勾选检查清单、做风险预判，宁可晚发，不可错发。

适用边界

• 只做审校，不负责改写或润色；结论的强度必须与证据的强度匹配。
• 无法给没有源头的数字凭空造一个来源，无法核实的项只能标注"待核实"或删除。
• 突发新闻快报可适度简化逻辑审校，财报数据密集型日报则要强化 Phase 2。
• 审校流程本身也需要定期复盘，从漏检的错误中迭代。