「你好好找找，肯定有。」
2023年，一位做NLP训练的开发者想找一篇数据集论文。AI先说没找到。他回了上面这句话。
几分钟后，AI给了他一篇论文：题名、会议、在论文集里的位置，一样不少。
他换了好几个检索工具，没有。又把那本论文集下载下来，一篇篇对，还是没有。再回去问，AI才承认，信息是编的。
两个小时，花在一篇不存在的论文上。知乎
值得琢磨的不是AI会编，而是它为什么改口。第一轮说「没找到」，第二轮给了一篇不存在的论文。中间没有新资料，只有一句「肯定有」。
它不是在查，是在顺着期待补一个答案。
这不是个例。2026年7月，法国和意大利的三位研究者让3000多人回答六道电影细节题，可以选「不知道」，也可以问AI。
没有AI时，35.7%的人承认不知道；能问AI时，这个比例降到6.4%。答对率从27.5%掉到9.2%，信心却从29.6%升到75.9%。知乎
答案来得太快，人就不太愿意承认自己不知道了。
所以，用AI查资料，最该防的不是它答错，是它太会顺着你说。下面三件事，都是把这层顺从拆掉。
第一，先给它一条退路。
在要求里加三句话：找不到就说找不到；关键事实附来源；没核实的地方单独标出来。
这不是保证它不出错，而是让错误留下痕迹。一个明确的「没找到」，比一条编得像模像样的引用有用。
第二，别太早把自己的猜想递过去。
有人分析一个开源项目的源码，先把自己猜的架构关系告诉AI，让它顺着查。
AI果然找到了证据，A连着B，B连着C，结论看起来很顺。
可实际调用链中间还隔着两个环节，那次分析里没有出现。AI说的都是真话，代码也能对上，理解却是片面的。知乎
后来他换了顺序：先让AI独立分析，附上代码依据，无法确认的单列；等结论出来，再拿自己的经验去对照。
提示词也一样。Claude Code 曾删掉超过80%的系统提示词，编程评测没有出现可测量的下降。36氪
先给目标和验收标准，比把所有步骤都替它想好更有用。
第三，多一个AI，不等于多一份证据。
有团队做过一套多Agent讨论系统，让几个「专家」分析同一家企业，指望一个说错，其他能指出来。
结果几个专家拿着差不多的资料、用着差不多的工具，只换了角色设定。
一个给出错误判断，其他没有推翻，反而顺着它继续解释。几轮下来，错误还在，支持它的理由更多了。
这类现象在研究里叫「智能体间的迎合」。换几个角色，不等于换几双眼睛。知乎
真要交叉验证，交叉的得是信源和工具：一个查企业公告，一个查监管披露，再比同一件事在不同材料里的记录。
两个网页也可能在转述同一条消息，看的不是链接有几个，是有没有独立依据。
最后，把验收标准交给它之前，先想清楚怎么验。
Claude Code 团队的做法是：任务结束后，让它展示执行过的命令和输出；能跑检查的，就用通过或不通过来判断。
还有一个轻量办法，另开一个没看过当前对话的子智能体，让它独立审一遍。36氪
AI能压缩查资料的时间，但不能替你放弃判断。下一次它答得顺，先别急着高兴。问问自己：它是在验证，还是在附和？知乎
