AI 搜索引用来源，为什么还需要二次核对

先辨认这次变化的信号

引用链接证明答案附近出现过来源，不证明来源支持该结论，更不证明来源仍然有效。

带链接的回答容易让读者跳过核对步骤，把引用数量误当成证据强度。模型天气不按发布频率判断变化，而先看这项能力是否真的改变了任务条件。如果演示只展示一次成功输出，读者仍不知道它在重复、冲突和权限不足时会发生什么。

逐条检查引用与句子是否直接对应，并确认来源日期、版本和访问权限。

把现场条件写下来

一个回答列出三个来源，但只有第一个直接提到数字，另外两个只是同主题背景文章。

这类现场不需要先做大型评测。选择一条最近真实完成的任务，保留原资料、角色和截止时间，再让新工具在不改变目标的前提下重做。观察结果时，把“界面是否顺眼”放在最后一层；先记录输入是否完整、事实是否可追溯、失败能否解释。

最小测试记录

以下检查用于制造可比较的证据。每项都应保存输入、输出、时间和复核人；不同设备或账号也应独立记录。

• 随机抽取回答中的三条引用。
• 在原文中定位与结论直接对应的句子。
• 检查来源发布日期是否早于当前政策版本。
• 删除一条关键引用，看答案是否还会给出相同结论。

若某项只能由供应商演示或管理员完成，就把它标为尚未验证。未验证不是缺点，把未验证写成成功才是问题。

编辑部状态标记

把引用当作调查入口而不是结论担保。至少确认一处原始来源与结论逐句对应，再决定是否采用答案。

一次测试足以发现明显问题，却不足以证明稳定。把原始输入、失败样本和复核人一起留档，下一次模型或权限发生变化时，团队才能分清是工具退化，还是任务条件已经不同。如果记录只能说明“体验不错”，它就还没有成为能被另一名成员继续维护的证据。在下结论之前，至少让另一位未参与测试的人按记录重做一次。