AI 幻觉识别核查

它解决什么问题

大模型的输出越像一份正式报告，反而越难靠直觉分辨事实和编造：一段并不存在的法条、一处被合并进同一个履历的两个人经历、一个格式完美但 DOI 并不指向原文的引用。等到逐句核对，人工成本已经远高于一开始就把关键事实挑出来验证。

这个技能处理的是输出真实性，不是生成速度或表达质量。它提供一个可重复的核查流程，让你知道该先验哪些点、按什么顺序验、最后交付什么样的结论。

核心方法

• 对关键事实做多源交叉验证：优先查权威库和原始文献，而不是二次转述。
• 要求输出标注置信度，并显式列出 不确定 项，禁止编造。
• 检查引用的真实性与可访问性，剔除幻觉引用。
• 对数值、日期、人名、法条等易错点做重点核验。

工作流程

1. 明确目标与场景边界，先确定这次核查覆盖哪些事实。
2. 套用上述核心方法逐项执行或自查。
3. 输出结构化结果：清单 / 分级 / 建议。
4. 标注不确定项与需要人工复核的环节。

适用边界与红线

适合在幻觉核查、事实核查、多源验证、引用核验、输出验真等场景下作为方法论指导和清单参考；当你需要结构化步骤或检查清单时也适用。

不适合需要实时数据或外部系统直连的高频自动化任务。不适合替代持牌专业人士出具确定性结论，法律、医疗、财税等领域的结论仍须由对应资质的人给出。

另有一份速查卡见 references/速查卡.md，适合贴在手边做快速自查。

红线只有一条：核查可以降低风险，但不会消除风险。涉及关键决策时必须人工确认，不盲目采信 AI 输出。