Codex 50% 的回答没有来源支撑，你还在复制粘贴吗？

当 AI 回答很顺时，如何保留最小核验动作？流畅不等于可信——本文给你一份「最小核验清单」和可直接复制的 Codex 核验提示词，把信任加一道门槛。

凌晨两点，你让 Codex 解释一个技术概念。

它给你 800 字，结构完美，逻辑清晰，配了 3 个代码示例。你复制进笔记。第二天发现，核心结论是错的——文档链接打不开，代码跑不通。

这不是你第一次遇到，也不会是最后一次。

一、越顺的答案，越容易让人放松警惕

AI 的迷惑性来自一种错位：它输出的是语言，你接收到的却是权威感。一个回答只要足够顺、足够完整、足够像专家，就会让人下意识放松警惕。

你以为顺滑是可信度，其实只是 AI 会组织语言。

二、顺滑不是可信度

OpenAI 把 hallucination(幻觉)解释为：模型生成了看起来合理、但实际不真实的陈述。重点不是模型「故意骗人」，而是很多训练和评测方式会奖励模型猜答案，而不是奖励它承认不知道。

流畅回答和事实可靠是两个指标。你真正要警惕的是：AI 把不确定内容说成确定内容。

你信的不是事实，你信的是流畅感。

三、有链接也不够，要看来源是否支撑结论

很多人以为：AI 只要给了链接，就比没给链接可靠。其实不是。链接本身只能证明它会「贴来源」，不能证明这个来源真的支撑它那句话。

真正的核验动作要多走一步：把 AI 的关键结论拆成一句一句，然后问——这句话能不能在来源里找到依据。如果来源只是相关，但没有证明这句话，那它仍然是未确认信息。

引用核验分三问：

• 链接存在吗？ 打不开、跳转异常、标题不对，先标红。
• 来源可靠吗？ 作者、机构、发布时间、主题是否和 AI 说的一致。
• 来源真的支持这句话吗？ AI 那句话，能不能在来源中找到直接或合理的依据。

AI 会贴链接，不等于它验证过链接。

四、最小核验清单：只查关键 3-5 个判断

核验不是让你怀疑一切，是让你给信任加一个门槛。不要核验整段话，只核验会影响理解或行动的关键结论。

AI 学习核验清单(7 步)：

• 1. 先判断风险：只是理解概念 → 简单核验；要写进文章、转述给别人、用于决策 → 严格核验；涉及价格、入口、模型能力、法律、医疗、金融、隐私安全 → 必须官方确认。
• 2. 拆出关键结论：不核验整段，只核验关键 3-5 个判断。每个判断都问——如果这句错了，会不会影响我的理解或行动？会影响就必须核验，不影响可以跳过。
• 3. 查来源是否存在：链接能不能打开？来源方、标题、作者、发布时间是否匹配？是官方、论文、权威媒体，还是个人经验？
• 4. 查来源是否支撑结论：来源里是否真的说了这件事？AI 有没有把相关内容过度概括？引用是否只是「看起来相关」？
• 5. 标出不确定点：没有来源 = 未确认；只有单一来源 = 待交叉验证；来源过旧 = 待更新确认；属于推断 = 不能写成事实。
• 6. 高风险内容回到官方：产品功能、价格、入口、模型能力 → 查官方文档；法律、医疗、金融 → 查权威机构并咨询专业人士；隐私安全 → 查服务条款、隐私政策、管理员设置。
• 7. 保留核验记录：保存来源链接，标注访问日期，写清楚哪些是来源确认、哪些是自己的理解。

五、哪些内容必须查官方

不是所有内容都需要同样严格的核验，但有些内容，AI 说得再顺，也必须回到官方：

六、让 Codex 帮你标出不确定点

核验不是反 AI，而是把 AI 从「答案机器」改成「学习助手」：AI 负责加速整理，你负责决定哪些信息值得相信。Codex 的实用点是——可以把核验要求写进提示词或 AGENTS.md，让「标来源、不确定点、待官方确认项」变成默认流程。

场景 1：快速查概念

场景 2：深度研究

场景 3：产品功能确认

七、把核验写进 AGENTS.md

Codex 的好用之处，不只是它能写得顺，而是你可以把核验要求变成工作规则。比如在项目的 AGENTS.md 里写清楚：凡是做全网检索，必须标来源；凡是涉及产品入口、价格、模型能力，必须以官方最新说明为准；凡是找不到来源，必须写「待确认」。

这样做的意义不是让 AI 永远不犯错，而是让错误更容易被你看见。对普通人来说，这比让 AI 多写一段解释更重要。

可放进 AGENTS.md 的规则：

AI 可以帮你提速，但不能替你承担相信的后果。没有来源的说法，先不要进笔记；没有官方确认的产品信息，先不要拿来指导操作；没有交叉验证的结论，先不要转述给别人。