AI 输出流畅、完整，并不等于正确。越像正式答案的内容，越容易让人跳过检查。交付前可以按风险从高到低做一次快速复核。

1. 事实是否有依据

  • 人名、日期、价格、政策、版本和统计数字是否来自可靠来源。
  • 引用的链接、论文、产品功能是否真实存在。
  • 模型是否把推测写成了确定事实。
  • 时效性强的信息是否标明了查询日期。

无法核实的内容应删除、降级为假设，或明确标注“待确认”。

2. 结论是否能从材料推出

检查每个主要结论前面是否有足够证据。常见问题包括：只看到相关性就判断因果、用一个案例代表所有情况、忽略与结论相反的样本。

可以追问模型：

请列出这份结论依赖的前三个关键假设，并说明哪一个最可能不成立。

3. 是否越过任务边界

核对输出有没有擅自增加功能、改写原意或忽略限制条件。代码任务尤其要检查是否修改了无关文件、引入了不需要的依赖，或把局部修复变成大范围重构。

4. 格式是否适合真正使用

  • 标题层级和段落顺序是否清楚。
  • 命令、代码和文件路径是否可以直接识别。
  • 表格是否适合移动端阅读。
  • 行动项是否写明负责人、输入和完成条件。

格式检查不是美化，它决定结果能否进入下一步工作。

5. 过程是否可以复现

重要任务应保留模型版本、输入材料、关键提示词、运行参数和人工修改。代码还需要执行测试或构建，数据任务需要保留清洗规则和异常样例。

两分钟快速版

时间有限时，只问五个问题：

  1. 哪一句最可能是编造的？
  2. 哪个结论缺少证据？
  3. 是否违反了原任务限制？
  4. 接收者能否直接使用这个格式？
  5. 出错后能否找到输入和处理记录？

AI 可以加快初稿，但交付责任仍然在人。稳定工作流的最后一步，永远是针对任务风险做人工确认。