链接真实不等于结论正确：逐句检查来源是否支持主张

最难发现的错误，往往就藏在真实链接旁边

许澄是一名独立运营顾问。她请 AI 为一家 16 人顾问工作室起草“是否试点会议助手 M”的采购备忘录。初稿列出 18 个结论、22 个链接；链接都是真实网页，没有虚构域名，看起来比没有引用的答案可靠得多。

她先随机打开了几条：域名是真的，页面也确实在谈会议助手、效率和数据控制。问题看似已经解决。可当她把“页面谈到同一主题”和“页面支持这句话”分开检查，18 个结论迅速分成了七种不同关系：

最终 5 句原样保留，7 句缩小或重写，4 句降为“状态未知”，2 句删除。备忘录从“建议全面采购”改成“只批准 4 人、6 周、无自动发送的试点”。本文为教学案例，人物、产品代号、数字和来源包均用于说明审计方法，不代表真实产品效果。

一个引用至少要过七道门，链接能打开只是第一道

DOI 是持久标识，不是质量印章。Crossref 明确说明，DOI 不表示所定位对象具有价值或准确性；Crossref 自身也不评估内容质量。引用检查必须继续进入正文和具体主张。

先把复合句拆成原子主张，避免一个链接掩护三件事

初稿写：“会议助手 M 的准确率达到 92%，能把会后整理时间减少 35%，并符合所有客户的数据要求。”一句含三个可独立为真或假的主张：质量、时间和数据边界。它们需要不同来源和不同验收。

只要 C-03a 有真实数字，整句就容易被误判为“有来源”。许澄规定，主张账本的每一行只能含一个谓词、一个对象和一组适用条件；包含“并且、同时、因此、所有”的句子优先拆分。

拆分后还要保存主张类型，因为描述、比较、因果、预测和规范性建议需要的证据不同：

AI 常把描述性证据升级成因果结论或行动建议。审计先保留原始句型，再决定是补证据，还是把动词降回“观察到”“文档说明”“在本样本中”。

先核对来源身份：谁写的、为什么写、它是什么类型

同一个网址背后，可以是研究论文、新闻稿、产品帮助页、销售案例或转载摘要。来源身份决定它适合支持什么，不是决定一切的总分。

她为每个来源保存作者、出版商、资金来源、资料类型、发布日期、更新日期和来源用途。厂商来源不是自动无效，独立来源也不是自动适用；关键是让利益关系与用途可见。

身份页与正文也可能矛盾。一份 PDF 封面写“独立研究”，致谢页却说明样本由厂商提供、分析费用由厂商支付、厂商可在发布前审阅。许澄把“资金来自供应商”“样本来自供应商客户”“供应商拥有发布前事实核对权”分开记录，而不是只写“有利益冲突”四个字。

来源身份不直接决定结果真假，但会改变需要寻找的反证和允许的措辞。把“第三方撰写”自动改成“独立证明”是不支持的增强。

当前版本和当时引用要分开

初稿引用一页 2025 年帮助文档，页面在 2026 年改为新的数据保留选项。当前网址能打开，却不再证明作者写稿时看到的旧句子。审计记录引用日期、访问日期、内容版本、存档副本和内容摘要。

版本检查回答“这是谁在何时说的”，蕴含检查才回答“它是否支持这句话”。两步不能合并。

引用必须定位到最小证据单元

许澄要求证据位置精确到 PDF 页码、网页章节、表格行、视频时间戳或数据字段。定位失败有三种不同含义：页面不存在、页面存在但找不到原句、原句存在但不支持主张。

复制一小段原文可以帮助核对，但证据表还要保存上下文前后句；过短摘录容易删掉“仅限”“可能”“未发现”等限制词。

用五种蕴含关系判断来源到底怎样对待主张

判断时做反事实测试：如果原文为假，这句话是否仍可能为真？若可能，来源多半只是“相关”。比如安全认证页存在，并不能推出“所有客户合同都允许录音”；即使认证属实，合同结论仍可能为假。

她再做三步蕴含测试：先只读主张，写出它成立所必需的条件；再只读来源，摘出它能支持的最强表述；最后对比缺口，避免被初稿措辞锚定。

“没有逐字出现”不一定是不支持，合理的直接推论可以接受；但推论步骤必须显式，不能引入来源没有的人群、因果或保证。

范围要逐格核对人群、场景、比较、结果和时间

许澄建立了一张范围矩阵：

只要关键格不一致，结论就不能原样迁移。来源可作为间接证据，但文字必须说“在某个具体场景观察到”，并把本地验证列为待补缺口。

蕴含关系与来源质量必须分开。一篇方法很弱的客户案例可以直接支持“该案例报告 13 分钟”这句描述，但不能高质量支持一般效果；一篇严谨的大型研究可能质量高，却因人群、工具和结果不同而不直接支持本句。

许澄的表里分别保存“支持关系”和“质量警示”，不计算一个综合分把两者抵消。高质量但不相关的来源，仍然是“不支持当前主张”。

引用位置也要对应句界。一个段落末尾放三个链接，读者无法知道分别支持哪一句；她把引用编号绑定到原子主张，并在多句共享来源时明确证据位置。背景来源不能因为离结论很近就被误解成效果证据。

数字是真的也可能被换了指标、分母或方向

第一个错误数字是 92%。原表记录的其实是：100 个已分段说话片段中，有 92 个说话者标签正确；初稿却写成“转写准确率 92%”。数字相同，指标完全不同。

第二个是 35%。来源中整理时间从 20 分钟降到 13 分钟，(20－13)÷20＝35%；初稿写“生产率提高 35%”。时间下降不能直接改名为生产率提高，因为交付数量和质量没有测量。

第三个是问卷比例。60 名自选受访者中 42 人偏好自动草稿，42÷60＝70%；初稿把“42 人”与另一题的“50 名使用者”混在一起，写成 42÷50＝84%。分子和分母各自都真实，组合却不存在。

第四个是相对与绝对变化。错误行动项从每场 5 个降到 3 个，绝对减少 2 个，相对减少 40%；初稿写“准确率提升 40%”。错误数量的相对下降不等于准确率上升，且没有总行动项分母。

不能只按计算器验证 35%。算术正确、概念错误仍是不支持。

以“数据 24 小时内全部删除”为例，许澄完整走一遍：隐私页写用户请求在 24 小时内进入处理队列；数据处理协议写活动存储按请求删除；备份说明写轮换最长 30 天；缓存层没有可验证说明。原句把启动、活动存储和全部层混成一个保证。

修订句写成：“文档称删除请求在 24 小时内开始处理，活动存储按请求删除，备份最长 30 天轮换；索引与应用缓存的端到端撤回尚未验证。”这比一句“合规删除”更长，却准确区分了可证实和未知。

她把删除演练列为试点前硬门：创建一个带唯一标记的测试会议，删除后分别查原件、活动记录、搜索、摘要和缓存；任何一层仍能返回内容，C-04 就保持“部分支持”，不得升级为“直接支持”。

图表标题、脚注和坐标轴也在限制结论

AI 从柱状图读出“所有任务都更快”，但图只展示完成的 48 项，脚注说明另有 7 项因音频失败未进入分析。若把失败项排除，速度结论只适用于成功处理的任务。

图表审计保存图表编号、坐标轴、单位、图例、脚注、纳入数和数据来源。像素估读只能写近似值；没有数据表不能创造小数精度。截取图时必须保留标题和脚注，避免一个孤立柱形成为“证据”。

沿引用链找到原始来源，防止二手摘要逐层增强

一篇博客写“独立研究证明节省 40%”，链接到新闻稿；新闻稿链接到白皮书；白皮书的原表只显示 12 名付费客户自报“约减少四成首稿时间”。每转述一层，独立、证明、总体时间三个词被加上。

许澄为引用链同时保存“直接引用的来源编号”和“底层研究编号”。多篇报道若都来自同一白皮书，只算一个底层证据，不能用链接数量制造共识。无法取得原始材料时，二手来源可说明“某方曾这样声称”，不能支持精确效果。

第一手来源也要问：它直接记录了什么，而不是什么都更可靠。

产品日志可直接证明本账户某设置在某时刻的值；用户访谈可直接证明受访者说过什么；实验原表可证明记录值。它们仍可能有缺失、偏差和错误。

“第一手”是关系描述，不是免检标签。对某个主张更直接，才有意义。

沿链时，每层转述都要保留：原表是“成功任务首稿时间”，白皮书摘要成“会后工作时间”，新闻稿再成“团队生产率”。只有看到三层差异，审阅者才能判断增强发生在哪里；最终引用优先回到原表，同时可把新闻稿作为传播语境，而不是效果证据。

负面证据与没有证据不是一回事

“研究没有发现时间改善”可能表示估计接近零，也可能表示样本太小、区间同时包含有利和不利结果。没有证据支持某效果，也不能自动写成“证明无效果”。

许澄把五种情况分开：没找到资料是“缺失”；结果不确定是“不明确”；结果指向无差异是“空值”；结果方向相反是“负面”；两个合格来源冲突是“矛盾”。每种状态对应不同措辞和下一步。

一项 12 场模拟没有观察到节省，可能只是波动很大；一项 400 场记录显示复核更慢，也仍要检查是否因为复杂会议更常启用工具。负面方向同样不能跳过范围与混杂。

更正、撤回和状态更新必须传播到引用它的所有主张

链接今天能开，内容仍可能被更正、撤回或替代。审计要登记更正、撤稿、关注声明、已被取代和当前有效等状态，并记录检查时间。

DOI 持久并不阻止内容状态变化。稳定定位帮助找到对象，不能代替阅读对象的当前状态。

许澄为来源状态事件建立传播表。SRC-14 的表 3 更正了分母后，系统找到 C-06、FIG-02 和执行摘要三处使用位置；先全部标为“待复核”，重新计算 42/60=70%，再发布 MEMO-02@1.2。旧版仍保留“当时使用错误分母”的审计事实，不覆盖历史文件。

传播完成要验证搜索结果、缓存摘要和导出 PDF 都不再显示 84%，不能只改证据表中的一格。

多来源结论要建立证据组合，不是把三个链接放在句尾

“受限试点值得开展”依赖四类不同证据：内部整理成本、模拟质量、数据边界和可逆退出。任何一类缺失，建议都要缩小。

建议不是由“多数来源支持”投票产生，而是看必要条件是否都达到最低门槛。安全边界失败不能被时间收益抵消。

完整审计 18 个结论：从原句到修订动作

处理统计以最终动作而不是引用数量为准：C-09、C-11、C-16、C-17、C-18 共 5 条原样保留；C-01、C-02、C-04、C-05、C-06、C-10、C-13 共 7 条重写；C-03、C-08、C-12、C-14 共 4 条保持“状态未知”；C-07 与 C-15 共 2 条删除，合计 18。

这里暴露一个重要规则：原始“结论数”和拆分后的“原子主张数”不能混用。备忘录有 18 个决策句，拆分后产生 23 个原子主张；处理统计仍按 18 个原句报告，同时账本对 23 个原子项逐一保存支持关系。否则拆得越细，失败数量看起来越多，前后比例失真。

每次修改都保留原句、对应的原子主张编号、修订句、修改原因和复核人。这样，审计既能展示读者看到的 18 句，也不会漏掉藏在复合句中的子主张。

主张账本是审计产物

claim_id: C-02
original: 使用 M 让生产率提高 35%
revised: 在来源所述的成功处理任务中，首稿整理时间由 20 分钟降至 13 分钟
source: SRC-09, table 2, rows 4-5
relation: partial
scope_gap: no delivery-volume or quality measure
arithmetic: (20-13)/20 = 35%
status: accepted_with_revision
reviewer: 许澄

账本让读者知道改了什么和为什么。最终正文只引用“已接受”或“修订后接受”的主张；“状态未知”进入缺口表，“已拒绝”也保留在历史中，不会被悄悄删除。

AI 可以做候选抽取和一致性检查，不能自己给自己放行

许澄让 AI 执行四类低风险工作：拆复合句、抓取候选段落、对照范围字段、复算明确公式。每项都要输出证据编号和原文位置，不能直接改写主张状态。

人工负责来源身份、隐含语义、适用范围、利益关系、法律边界和最终措辞。尤其是 AI 生成的原句不能由同一次无独立标准的生成自评直接通过；至少要用冻结规则和原文逐项核对。

用反向抽样和改写回归防止审计过程自己出错

第一轮 18 条中，AI 判 11 条“已支持”。许澄逐条人工审计后，只有 5 条得到直接支持。她再从 22 个来源反向抽 8 个，检查是否有原文被错误用于多个主张；结果发现 2 个来源各被过度扩展到第二个结论。

修订后运行三类回归：每个引用都能打开到具体证据位置；每个数字都可复算；每个强限定词“所有、保证、证明、显著”都有直接依据。18/18 通过结构检查，但 4 个“状态未知”仍保持未知，不能为了全绿填入猜测。

她请另一名审阅者在不知道 AI 初判的情况下复核 6 个高影响主张。两人在 4 条上直接一致，2 条有分歧：审阅者把 C-04 判为“仅相关”，许澄判为“部分支持”；审阅者认为 C-10 可获直接支持，许澄认为混合语言场景缺失。回到关系定义后，C-04 保持“部分支持”，因为来源确实支持删除流程的一部分；C-10 也保持“部分支持”，因为列出两种语言不等于验证同一会议混用。

盲审不是为了做形式上的双签，而是检验规则能否让另一人得到可解释结果。分歧记录留在审计日志，最终裁决与理由一并发布。

18 句初审用了 3.6 小时：链接与身份 46 分钟、定位和摘录 58 分钟、范围与数字 72 分钟、改写与回归 40 分钟。后续同结构备忘录可以复用表格与检查顺序，但不能把这次的支持关系直接复制给新来源。

审计成本应随决策风险提高。若文章只是个人探索，可优先检查会改变行动的关键主张；涉及采购、法律、医疗、金融或外部发送时，不能用“链接都是真的”降低复核强度。

可以直接复制的引用审计表

claim_id, original_claim, atomic_claim, source_id, source_type
url_or_doi, cited_at, accessed_at, version, locator, archived_copy
verbatim_fact, entailment, population, setting, comparison, outcome, time
numerator, denominator, unit, arithmetic, uncertainty, status_note
conflict_ids, scope_gap, revised_claim, action, reviewer, reviewed_at

审计顺序固定为：拆句→身份→版本→定位→蕴含→范围→数字→状态→改写→复核。不要因为链接来自熟悉机构就跳过中间步骤，也不要因为来源有局限就把其中可直接支持的事实全部丢弃。

时间不足时，先做 15 分钟风险分诊，不等于完成审计：

P0 或 P1 只要原文位置、分母、范围或当前状态缺一项，就先撤下结论，不用“可能正确”继续发布。完成分诊后仍要回到 10 步全审；风险排序只决定先后，不降低放行标准。

来源与进一步阅读

以下资料核验于 2026-07-21，用于说明 DOI 的边界、内容质量与标识分离、证据确定性，以及为什么结论不能超过证据：

• Crossref：Constructing your DOIs：说明 DOI 用于唯一、持久定位；DOI 本身不表示对象的价值或准确性。
• Crossref：Integrity of the Scholarly Record：Crossref 说明其不评估内容质量或研究过程完整性，而是维护元数据与关系。
• Cochrane Handbook Chapter 14：说明对每个结果透明评估偏差、间接性、不一致、不精确和发表偏差等确定性因素。
• Cochrane Handbook Chapter 15：强调解释效应、不确定性与适用性，避免结论超出证据或把缺乏证据当成无效果证据。