人们常用“这段话看起来不错”来验收 AI。可读性当然重要，但它无法证明事实正确、来源存在、规则仍然有效，也无法证明一个外部动作真的完成。
验证不是技术人员的专属工作。只要把输出拆成事实、推断、未知和动作，普通用户也能建立一套够用的检查方法。
可靠使用 AI 的关键，不是要求它永远不犯错，而是让错误更容易暴露、更容易纠正、更难造成不可逆后果。
01 / CLASSIFY先把输出放进四个篮子。
事实可以回到材料或权威来源核对；推断是基于事实做出的解释；未知是材料目前无法回答的问题；动作则改变了外部世界。四类内容不能用同一种信任方式处理。
事实
问来源在哪里、原文是什么、日期和版本是否一致。
推断
问依据哪些事实、是否还有另一种合理解释。
未知
允许明确说不知道，并列出补充什么材料才能继续。
动作
检查对象、范围、权限、预览、回执和能否撤回。
02 / SOURCE来源不只是链接，还要看版本和时间。
一条真实但过期的规定，仍然可能带来错误答案；一个搜索结果标题，也不等于正文支持该结论。高风险问题至少要看原始来源、发布日期或生效时间，以及答案是否准确对应原文。
- 这条结论来自哪里，能否打开原文？
- 来源是什么时间发布或更新的？
- 引用的原文是否真的支持当前结论？
- 如果没有找到依据，系统有没有把推测明确标出？
03 / ACTION对外动作，验收的是世界有没有被正确改变。
生成一封邮件和发送一封邮件是两件事；点击打印与拿到完整纸张是两件事；保存规则与目标网站真的能打开也是两件事。涉及外部动作时，要检查对象、内容、状态和回执。
“系统说完成了”是线索，不是完成本身。
04 / CHECKLIST给普通用户的一分钟验收。
提交或采用 AI 结果前，用一分钟问五个问题。不是所有任务都需要同样严格，但风险越高，越不能跳过。
- 它依据的是我提供的材料，还是自己补出来的常识？
- 关键事实、数字、日期和引用能否回到来源？
- 它有没有把不确定的内容说得过于确定？
- 如果结果错了，最坏会造成什么后果，能否撤回？
- 我是否看见了真实结果，而不只是模型的完成声明？
学习来源与阅读边界
- 《深入理解 AI Agent》开源仓库：十章工程主线与术语来源。
- 本前置系列由本站为非技术读者补写，使用生活化例子降低入口门槛，不替代原书。
- 不用访问 GitHub 也能在本站读完整内容并完成预编排互动；原始链接仅供想继续深挖的读者使用。
下一篇：把现在流行的模型放进一张地图。
继续保持“先建立直觉，再补术语与工程细节”的顺序。
打开交互实验室 ↗继续零基础路线 →
读者评论
把这篇文章留给你的想法写下来。
还没有评论。你可以留下第一条。