评价的第二个部件是证据。第三章说过，「检查」这道工序——核实事实、抓自相矛盾——在面对 AI 输出时从好习惯变成了保命技能。这一章讲为什么，以及具体怎么查。
AI 的错误长什么样
先建立一个关键认知：AI 的错误和人类作者的错误，长相完全不同。
人类写错东西，通常有迹可循：他不熟的地方写得含糊，他编造的地方笔调发飘。一个有经验的读者能从字里行间嗅出「这段作者心里没底」。文字的可信度和作者的把握程度大致是挂钩的——这是一个进化了很久的社交信号系统。
AI 没有这个系统。它生成一段文字时，「确定的事实」和「合理的猜测」用的是同一种笔调、同一种自信。它能用引用学术论文的权威口吻，报出一本不存在的书、一个不存在的页码、一个差两倍的数字。这在业内叫幻觉（hallucination）：模型生成的听起来可信但与事实不符的内容。重点不是「它会错」——人也会错——重点是它错的时候和它对的时候一模一样地自信。你赖以为生的那个「这段写得这么顺，应该没问题」的直觉，在 AI 面前是个坏仪表。
大白话：人类撒谎会脸红，AI 不会。所以你那套「看脸色识谎」的功夫在 AI 身上全部作废，只能用笨办法：一条条查。
检查的三种靶子
面对一份 AI 输出（或任何人的产出），检查工序瞄准三类靶子，难度递增：
靶子一：事实性硬伤
数字、日期、人名、引文、法条、API 参数——一切「有唯一正确答案」的东西。这是最容易查也最容易被 AI 搞砸的一类。查法没有捷径：凡是可以核查的，一律核查。数字回到原始来源，引文去搜原文，参数去翻官方文档。一个实用的心法是「风险加权」：这个数字错了代价多大？报告里的市场规模错一位数可能没人发现，合同里的违约金错一位数会出大事。检查力度跟着代价走，不跟着「看起来可疑程度」走——因为 AI 的可疑程度不报错。
靶子二：内部一致性
东西自己跟自己打架：第三页说「用户增长强劲」，第七页的数据显示月活在下滑；开头假设「预算有限」，结尾推荐最烧钱的方案。这类错误 AI 常犯，因为它是逐段生成的，写第七页时并不「记得」第三页承诺过什么。查法是把长文档里的所有断言和数字列成一张清单，两两对照。这很枯燥，但它是抓这类错误唯一可靠的姿势——靠通读的「整体感觉」几乎必漏，因为 AI 每一段单独读起来都很顺。
靶子三：前提与语境
最难的一类：每句话单看都对，合在一起对不上你所在的真实处境。AI 给的方案默认了「团队有十个人」，你们只有三个；它引用的最佳实践来自一个烧得起钱的大厂；它说「一般建议这样」，而你面对恰恰是不一般的那个 case。这类错误没法用搜索引擎核查，只能靠你自己对处境的掌握——这恰恰是 AI 给不了、只能靠人的部分。查法是每读一条建议就问一句：这条建议背后的默认前提是什么？这个前提在我这里成立吗？
检查的流程化：把「仔细点」变成一张单子
「你要仔细一点」是最没用的建议——仔细不是态度问题，是流程问题。航空业早就想明白了：飞行员技术再高，起飞前也照清单逐项打勾，不靠「我今天状态好」。这个思路落到评价上，就是给你常验收的东西各做一张检查清单（checklist）。
举几个例子：
- 验收一篇 AI 写的文章：每个数字有来源吗？每个引文搜得到吗？有没有「正确的废话」段落（删掉它全文意思不变）？结论和论据之间有没有跳步？
- 验收一段 AI 写的代码：边界条件处理了吗？它调用的函数/库真实存在吗、参数对得上吗？错误路径会怎么死？
- 验收一份 AI 做的方案：它默认的前提列出来了吗？最贵的那个假设是什么？如果数据是编的，结论还成立吗？
清单的价值在于它把检查从「依赖当天的专注度」变成「依赖一个结构」。注意力会波动，清单不会。而且清单是积累的：每被 AI 坑一次，就把那个坑变成清单上的一项。被坑三次之后，你的清单就是你个人的「AI 错误图谱」——这是花钱都买不来的资产。
一个心态转变：从「读者」变成「质检员」
检查功夫真正难的不是技术，是姿势。我们读东西的天然姿势是「读者」：顺着作者的思路走，被说服，点头。而检查要求你切换到「质检员」：不顺着走，处处反问「凭什么是这样」。这个切换很耗能，所以人会偷懒——尤其是当文本读起来舒服的时候，而 AI 恰恰最擅长生产读起来舒服的文本。
有一个简单的触发动作能帮你切换：先找一处错，再开始读。心理学上有个现象，一旦你在一份文档里抓到过一处错误，你对整份文档的信任校准会立刻重置——你会从「默认它对」切到「默认它可能错」。所以拿到 AI 输出的第一件事，不是通读，是抽查：随机挑两个事实去核，核完再决定这份东西值得你投入多少信任。
本章小结
AI 的错误特征是「错得自信」，人类的直觉仪表在它面前失灵，检查必须升级为独立工序。检查瞄准三类靶子：事实硬伤（逐条溯源）、内部一致性（断言清单两两对照）、前提语境（问「这条建议默认了什么」）。把检查流程化成清单，每被坑一次就加一项。姿势上，先抽查找一处错再通读，强制自己从读者切到质检员。下一章换个方向：证据查完了，东西「对」了——但「对」不等于「好」。判断「好不好」需要另一种资本：见识。