AI文章发布前怎么核查事实：四层清单与一张核查单

发布前的第一道关不是错别字，是事实。AI 文章的事实核查按四层走：先看信息来源处于哪个层级，再对价格、版本、功能状态这类时效性条目当天核验，然后逐条审数字与断言，最后把改动写进修订记录。文末附一张可以直接套用的核查单。

事实核查和校对不是一回事

校对解决的是错别字、标点与格式；事实核查解决的是“这句话是真的吗”。AI 稿件的风险集中在后者：模型会把看起来合理但不存在的数字、案例、引用写进正文，而且行文通常很流畅，流畅本身会掩盖错误。因此核查必须放在校对之前，并且作为发布流程里的独立关卡，而不是编辑顺手扫一眼。

第一层：来源按层级取信

拿到稿件后，先看每个关键论断后面有没有来源。来源按以下层级取信：

• 第一优先：官方文档、原始仓库、作者页面、产品页面和原始公告；
• 第二优先：标准、论文、权威机构资料；
• 第三优先：有作者、日期和方法说明的专业媒体或实测；
• 聚合页和搜索结果只作为线索，不能作为结论来源。

核查动作是：把稿件中“据某某报道”“研究表明”这类表述，逐条打开原始来源核对。凡是来源写的是聚合页、二手转述，或者根本找不到来源的论断，退回重写或删除。

第二层：时效性条目当天核验

涉及“当前、最新、支持、价格、版本、排名、增长、降低”的表述，只能在发布当天核验，不能凭写作时的印象放行。常见的高风险条目包括：产品价格与套餐、软件版本与兼容性、功能是否已上线、工具是否停止维护、平台政策与审核规则、榜单与市场份额数字。

操作方法是给每条时效性条目标一个核查状态：已核验（附核验日期与来源）、无法核验（改为有边界的表述或删除）、已过期（按最新事实改写）。找不到可靠证据的条目不写数字，例如把“下载量增长 300%”改为“官方未公布最新下载数据”。

第三层：数字与断言逐条过闸

每个数字、百分比、案例结论过三问：出处在哪里？口径是什么？是不是模型编的？这一层主要拦截两类问题：一类是没有来源的精确数字，例如搜索量、CPC、转化率提升幅度；另一类是夸大断言，例如“全网最全”“颠覆行业”。

处理规则只有三条：有可靠来源的保留并标注；只有模糊记忆的删除；必须保留但无证据的，改成有边界的经验判断，例如“根据我们的项目经验，先做小范围验证比直接全量投入更稳妥”。

第四层：改动必须留修订记录

核查中删掉或改写的内容要留记录，而不是静默改稿。修订记录至少包含四项：改动位置、原表述、新表述、改动原因（无来源、来源冲突、时效过期）。这份记录有两个用途：一是下次同主题写作时避免重复踩坑，二是出现争议时可以还原决策过程。

一张可以直接套用的核查单

把核查纳入日常流程

核查单要固定在发布流程的一个节点上，而不是等出问题再补。建议的做法是：AI 生成与人工核查分开两个环节，核查不通过的文章退回生成环节修改，只有通过核查单的稿件才能进入发布；每月抽一篇已发布文章复检时效性条目，把过期内容列入更新队列。这样事实核查就从一次性动作变成可重复的治理机制。

常见问题

每篇都这样查，成本是不是太高？ 不必每句都查，只查风险条目：带数字的、带时间敏感词的、带来源引用的。普通叙事性句子走常规校对。核查成本与内容对外的影响成正比：涉及产品承诺、价格、竞品对比的内容从严。

AI 自己能不能完成事实核查？ 可以完成第一遍过滤，例如标记无来源的数字和时效性词汇，但不能作为最终放行。AI 核验与生成共享同一套知识边界，需要人来确认来源真的打开过、口径真的对得上。

来源互相冲突怎么办？ 按第一层的层级取信：官方来源高于媒体报道，带方法说明的实测高于聚合页。冲突仍无法解决的，在文中如实说明差异，而不是擅自拼成一个“行业共识”。

核查发现问题，是改还是退？ 单点数字错误可以直接改并登记；发现整段建立在虚假来源上，退回重写该段；连续两篇出现同类问题，回到生成环节检查提示词里的证据规则。

把这份核查单存成团队表格，下一次审稿时从第一层开始逐项打勾；坚持一个月，你会积累出一份属于自己团队的高频错误清单，回写进提示词规则里。若核查重点是营销案例的数据真伪，见本站《AI营销案例如何判断真假：一套七问核查法帮你避开虚增数据》。