AI 引用是否真正支持表述的核验流程
这一方法解决什么问题
当 AI 回答中带有看似正式的链接与具体数字时，用户很容易把"出现链接"误读为"已经核实"。本方法把核验过程拆成可重复的步骤：先拆解事实陈述，再对每条引用执行"打开—定位—判断支持关系"的人工核对，把"链接存在 ≠ 已核实"转化为可操作的工作流。
步骤
- 拆事实陈述。把回答中的每一句结论拆成可单独判断的事实单元（如"X 公司成立于 Y 年"是单独一条）。
- 拿到引用。要求模型给出每条事实对应的链接，但不要把"出现链接"当作核验完成。
- 打开链接。逐条访问，检查页面是否真实存在、是否为原始或可靠来源。
- 定位原文。在打开的页面中找到与回答相对应的证据段落，记录具体位置或截图。
- 判断支持关系。问自己：原文是否完整支持回答中的表述？是否过度引申、遗漏条件或时间错位？
- 记录错误类型。把不能完整支持的引用归类为无中生有、张冠李戴、时间混乱、以全概偏 / 以偏概全、计算错误等。
- 高风险领域升级。医疗、法律、金融、公共安全相关信息必须由专业人员或权威机构复核，AI 核验只能作为前置筛查。
适用情况
- AI 给出的回答带有具体数字、年份、机构名、统计或法规条款
- 用户需要把这些内容用于消费决策、新闻判断、工作调研或学习引用
- 用户希望对一组回答做批量、统一的核验，而非凭印象判断"看起来对不对"
不适用情况
- 来源明确说"这是创意写作"或"这是虚构场景"
- 用户只是闲聊、不要求事实性
- 没有时间或能力去打开每个链接（此时应放弃直接采用 AI 结论，转而寻找权威来源）
失败点与作者经验
- 来源：SRC-LIFE-006：实测数据告诉你：带引用的 AI 也不可靠 的实测显示，5 款主流模型在该实验中 45.37% 的引用不能完整支持对应表述，"无中生有"出现 952 次。
- 不要用"回答更长、推理过程更多"代替核验。该实验显示开启深度思考并未稳定降低引用错误。
- 不要只点开链接看到页面存在就停止。还需要在页面内定位证据，并判断证据是否真正支撑表述。
与相邻方法的关系
来源边界