上一章的语法层过关了：格式对、结构对、编译通过。现在问一个完全不同的问题：它说的这些，依据是什么？这是结果校验的第二层——数据源。这一层特别容易被跳过，因为 AI 的结论总是写得理直气壮，让人忘了追问证据。但请记住一条铁律：
信息不可信，结论就不可信、也无法解释。
为什么数据源要单独评估
你可能会想：结论对不对，直接检验结论不就行了，为什么要单独查来源？三个理由。
第一，很多结论没法直接检验。「这个市场明年会增长 30%」——明年还没到，你验不了。但你可以查这个 30% 是从哪来的：是有公信力的行业报告，还是 AI 顺着你的话编的？来源可信，结论才值得暂时采纳。
第二，来源决定解释权。别人质疑你的报告时，「数据来自国家统计局的公开年报」和「AI 告诉我的」是两句话。前者你站得住，后者你当场垮。AI 的结论署的是你的名，来源就是你的信用背书。
第三，幻觉在这层最猖獗。AI 编数字的时候，往往连来源一起编——它会给你一个不存在的论文标题、一个似是而非的报告名、一个长得很真的链接。越具体的「出处」，越要核实。
怎么评估一个信息源
问自己三个问题：
- 它是谁？一手来源（原始数据、官方发布、当事人）永远强于二手转述。AI 给的「据报道」，追到那个「报道」为止。
- 它有什么立场？卖课的机构说「这个行业人才缺口百万」，和统计局说同一句话，分量完全不同。来源的利益相关性必须打个折。
- 它能不能被复核？可信的来源可以被独立查证：有公开链接、有原始文档、有方法说明。查无此源的一律按幻觉处理。
实操：让 AI 自己亮出证据
一个简单的习惯能拦住大半问题：要求 AI 给结论时，必须同时给出处，并且出处要能被点开核对。然后你真的去点开——抽样点，不用全点。你会发现两种情况：一种对得上，好，这条结论的可信度升级；另一种对不上——链接是死的、报告里没这句话、数字对不上——那整条结论连带你没抽查的部分，都要降级。
一句话记住这层：结论可以和来源一起编，所以来源必须单独查。抽样点开三个出处，比通读十遍正文更能保护你。
来源可信就够了吗
不够。来源可信只说明「证据是真的」，不说明「从证据到结论的这一步是对的」。数据是真的，解读可以是歪的；例子是真的，归纳可以是偏的。从证据到结论这惊险的一跳，要靠第三层——语义层的「环境法则」来验。下一章讲怎么把答案代回去。