第一步：先分類——這個答案錯了會怎樣？
不是每個答案都值得查核。把 AI 的回答按「錯誤代價」分三級，查核力道跟著代價走：
- 低風險：靈感、草稿、命名建議、程式碼的第一版。錯了就改，直接用，不用查。
- 中風險:會轉述給別人的知識、寫進報告的數字、公開發文的內容。至少過一層驗證。
- 高風險：醫療、法律、財務決策、會影響他人的判斷。AI 只能當「研究起點」，結論必須由權威來源或專業人士確認。
一句話版本：代價越高，AI 的角色越該從「回答者」退到「引路人」。
第二層：來源真的這麼說嗎？
來源存在，不代表內容如 AI 所述。模型常見的失誤是「來源是真的，但結論被加工過」：把研究的「相關性」說成「因果」、把「部分受訪者」說成「多數」、把 2019 年的數據當成現況。打開來源，找到 AI 引用的那一段，比對它的轉述有沒有走樣。
第三層：來源可信嗎？
最後一層是傳統媒體素養：這個來源是第一手資料（官方統計、原始論文、當事人聲明）還是三手轉載？是內容農場還是有編輯流程的媒體？發布日期是什麼時候？AI 搜尋工具抓到的網頁，品質參差程度跟你自己 Google 到的一樣——它只是幫你找，沒有幫你把關。
1. 交叉詰問
把 AI 的答案貼回去，換個立場問：「請你當反方，指出上面這段話最可能錯在哪裡。」模型在「找碴模式」下常能抓出自己在「回答模式」下的錯誤。用兩個不同的 AI 互相檢查，效果更好。
2. 要數字就要出處
統計數字是幻覺重災區。任何百分比、金額、排名，一律追問「這個數字的原始出處是哪份報告的哪一頁」。答不出具體出處的數字，當作不存在。
3. 用「我不確定」測試
直接問：「這個答案裡，哪些部分你的把握比較低？」誠實的使用方式不是逼 AI 給出斬釘截鐵的答案，而是把它的不確定性攤開來，讓你知道該把查核火力集中在哪。
拿一則真實公告練習
在本站新聞來源案例中，三民路施工公告提供日期、分側施作與維持通行。若摘要寫成整條路封閉，就是擴大了原文範圍。把「原句／摘要／差異」放成三欄，能比單純問另一個模型同不同意更直接地找到問題。
官方資料與延伸閱讀
方案、可用功能與限制會更新，請以連結中的官方說明及帳號當下顯示為準。本文的練習是編輯設計的示例，不是工具效能實測。