今天我差点把一句错的 AI 答案发给客户

周二下午，我在杭州给一位客户做行业分析。模型把两条政策的时间线拼在一起，数字看着很顺，我差点直接复制进提案。客户追问来源时，我才发现其中一条根本不存在。那一刻我很慌：我也是刚搞明白，AI 最麻烦的不是明显胡说，而是错得像真的。现在不处理也没事，但如果你靠它交付结论，这一步值得多花十分钟。

这项研究讲的是：别只听答案，还要检查推理过程

Anthropic 最近介绍“可证明推理”的研究进展，核心不是让模型永远不答错，而是让它给出一个能被检查的推导过程。论文可以理解成：AI 每次得出结论时，把中间步骤、依据和不确定性写出来，人更容易找到薄弱环节。

已经有人在做类似的事。陈思远在上海经营独立咨询业务，他让模型先列事实，再逐条标注依据；遇到无法确认的信息，就明确写成“待核实”。他的做法并不高级，却比直接要一段漂亮结论更稳。咱们做副业、写方案、做个人 IP，同样可以借用这个思路。

今天复刻：几乎不用钱，但要先改提问方式

钱：0 元，用现有 AI 对话工具即可。时间：约 15 分钟。技术门槛：不需要编程，只要会检查它引用的来源。操作门槛：不用研究论文；先从下面这段提问开始。

你可以复制：“请给出结论，但把推理拆成三步；每一步列出依据；不确定的地方单独标注，并告诉我还需要查什么。不要把猜测写成事实。”然后追问：“哪一步最可能错？请给出一个最便宜的核查办法。”

我也搞错过：最早我要求模型“写得专业一点”，结果它只是把语气做专业了。后来我补上“列依据、标不确定、给核查办法”，才真正少返工。注意，这套方法不能保证答案正确，只是帮你更早发现风险；重要数据仍要回到官方网站、合同原件或客户确认。

按你现在的工作量来选，不必一步到位

如果你刚起步：现在不试也没事。先把“给出依据”和“标出不确定”加进常用提示词，每次多留 5 分钟，不必搭复杂流程。

如果你已经有 1-2 个客户：涉及报价、方案和事实判断时，我会要求模型附来源，并自己抽查最关键的一条。我也会在交付前加一句：“这里哪些内容只是推测？”这能避免客户替你发现问题。

如果你正在扩规模：我会整理一张检查表，固定检查来源、时间、数字和承诺边界，再交给团队执行。AI 可以生成初稿，但核查责任必须落在人身上。先从一个高频任务试两周，再决定是否扩大；这工具不是所有人都需要，关键是它能否配合你已有的专业判断。