三类事实必须回原文：数字、条款号、人名

它为什么会编

模型做的是预测下一个词。它见过大量“条款第几条”“据统计多少”这样的句式，所以能把这个句式填得很顺。

顺不等于对。流畅度来自语言规律，准确度来自它有没有真的见过那条信息。两件事在模型内部不是一回事。

更麻烦的是，它不会在编的时候停顿。人编造会犹豫，它不会，输出速度一模一样。你只能靠外部核对，不能靠语感判断。

所以核查要变成流程动作，不能靠“感觉不对再查”。

数字。金额、比例、期限、人数、版本号。这类错得最多，也最容易被当真。

引用。条款号、文件号、论文标题、人名。它会把真实存在的两个东西拼成一个不存在的第三个。

流程与时效。办事需要几份材料、审批要几天、政策什么时候生效。这类信息变化快，它的知识很可能过期。

要出处。让它标出每句话来自你给的材料第几段。标不出来的，就是它补的。

限范围。明确说“只根据我给的这段材料回答，材料里没有就说没有”。这一句能砍掉大部分编造。

二次检索。关键事实自己搜一遍，或者换个模型再问一次。两个模型给出不同答案的地方，就是最该核的地方。

三个动作里，限范围的性价比最高，顺手就能加。但它只防“材料外编造”，防不了“材料内误读”，所以出处还是要看。

一个折中：让它先给结论，再给每条结论对应的原文。顺序反了，它容易先想结论再找依据。

让它总结一份合同的风险点，它列出“根据第八条第二款，违约金上限为合同总额的百分之三十”。

听着很专业，但你去翻，第八条讲的是付款方式，第二款根本没有违约金。它是把“第八条”“第二款”“百分之三十”这几个常见元素拼在了一起。

正确做法：让它先给原文摘录，再给解读。有摘录你能对，没摘录一律当推测。

这条规则对所有“看起来专业”的输出都适用：先要原文，再要结论。

补充一句对外发布的内容，事实核查的时间要算进流程。省这一步，赔的是信誉。

让它自查能发现问题吗？

有限。它能发现明显的自相矛盾，发现不了自己编的细节。自查适合查逻辑，不适合查事实。

两个模型答案不一样，信哪个？

都不信，去查原文。分歧只说明这里有风险，不说明哪个对。

引用来源链接可靠吗？

不一定。链接可能打不开，也可能打开是另一个内容。点进去看，别只看它给的标题。