输入、输出与证据

用好 AI 的关键，是理解一个简单的因果链：

你给的输入 → 它生成的输出 → 你需要的证据

这三环任何一环出问题，结果都不可用。

---

一、输入决定输出的上限

同一个问题，问法不同，结果差距巨大：

输入	输出质量
「帮我写篇作文」	泛泛的模板文
「帮我写一篇 300 字的英语议论文，题目是学生该不该穿校服，我支持，我的两个理由是省时间和减少攀比，请用初中水平的词汇」	可直接用的初稿

差别在于：第二个输入提供了约束。 AI 不知道你要什么，除非你说。

好输入的四个要素：

要素	例
任务	写／改／总结／找错／解释
对象和范围	300 字、初中水平、只看语法
背景	我的立场、我已经知道什么
形式	分点／表格／代码块／口语化

下一章会专门练这个。

---

二、输出必须当成「草稿」而不是「答案」

这是最重要的使用习惯。

把 AI 的输出当成「一个不太靠谱但很勤快的助手交上来的初稿」：

• 结构大概率可用
• 语言大概率通顺
• 具体事实必须核

哪些内容必须核对：

必须核	原因
数字、年份、统计数据	幻觉高发区
人名、书名、论文标题	格式完美但可能不存在
引用的原话	常被「改写」得更工整，但不是原文
法律条文、医学建议	后果严重
数学计算结果	自己重算一遍

可以不核：语气、结构、措辞建议、思路启发——这些本来就是主观的。

---

三、证据：怎么核

第一层：让它自证（有用但不够）

「这个数据的来源是什么？」
「你有多确定？哪部分可能不准？」

注意：它给出的来源也可能是编的。这一步只能筛掉最明显的问题，不能作为最终验证。

第二层：外部核对（真正的验证）

• 数字 → 查原始出处
• 书名论文 → 搜一下是否真的存在
• 代码 → 跑一遍
• 数学 → 自己算一遍
• 事实 → 找第二个独立来源

「跑一遍」和「算一遍」是最可靠的验证，因为它们不依赖任何人的说法。

第三层：交叉验证

换个问法再问一次，或者问另一个模型。如果两次说法不一致，说明这里不可靠。

---

一个实用的原则

可验证成本越低的内容，越可以放心用；核对成本越高的内容，越要警惕。

内容	核对成本	建议
代码	低（跑一下）	大胆用
语法修改	低（自己能看懂）	大胆用
一个统计数字	中（要搜）	必须核
一篇论文的具体结论	高（要读原文）	默认不信

练习：向 AI 问一个你熟悉领域的问题，找出它回答里所有「需要核对」的具体事实，并实际核对其中一个。