如何让 AI 做可靠的资料检索：从问题拆分到来源核验

可靠检索要先知道需要回答哪些子问题、什么来源可以支持结论、哪些说法需要交叉核验，以及最后如何把证据和结论对应起来。只把一个大问题丢给 AI，得到的往往是很多相关句子，却不一定形成可检查的答案。

例如“分析某项技术对企业的影响”至少包含技术是什么、适用场景、收益、成本、风险、实施条件和案例来源。先拆开，才能知道哪些问题需要官方资料，哪些需要行业数据，哪些只能作为观点讨论。

资料中关于 DeepResearch、任务拆解、信息提取和证据边界的内容，可以形成一条检索链：明确问题、拆分子问题、寻找来源、提取证据、交叉核验、形成结论、标注引用。

一个好的检索问题应该能对应到具体证据。不要只问“它好不好”，可以拆成目标、对象、时间范围、比较标准和需要做出的判断。问题越具体，搜索词和来源范围越清楚。

子问题之间要有顺序。先确认概念和范围，再查数据和案例；先确认官方定义，再比较媒体和个人观点；先搞清楚某个数字的统计口径，再讨论它是否代表趋势。

可以让 AI 输出检索计划：主问题、子问题、每个子问题需要的证据类型、建议来源、优先级和完成条件。计划不一定要很长，但要让用户看出它准备如何回答，而不是直接开始堆链接。

如果问题涉及当前信息，要明确截止时间。价格、政策、版本、职位和产品能力都可能变化，不能把旧资料当作当前事实。

不同来源能支持的结论不同。官方文档和原始数据适合支持定义、规格和政策；权威机构报告适合支持统计与行业判断；专业媒体适合提供事件背景；个人文章和论坛讨论可以帮助发现观点与案例，但不应单独支撑关键事实。

来源可信度不只是网站名称。还要看作者、发布时间、引用链、方法、样本和是否有利益关系。一篇写得很专业的文章，如果没有数据来源，也不能因为表达确定就自动变成强证据。

可以要求 AI 给每个来源标记类型、时间、直接支持的陈述和限制。不要只让它输出一个“可信度分数”，分数没有依据时会制造虚假的精确感。

如果只能找到二手资料，要明确写“二手来源转述”，并尽量继续追到原始资料。追不到时，降低结论强度，不要把转述写成直接观察。

搜索结果页的标题和摘要只是线索，不是完整证据。摘要可能截断上下文，标题可能使用夸张表述，页面也可能已经更新或删除。关键结论应尽量打开原始页面，确认原文、时间和适用范围。

检索时要记录来源和证据位置。可以保存链接、标题、发布时间、引用段落、支持的子问题和限制条件。这样写报告时不会只记得“好像看过”，也方便别人复核。

对于数字，要保留原始单位、统计周期、对象范围和计算方法。对于政策或产品能力，要记录版本和生效时间。证据离开这些条件，结论很容易变形。

如果来源无法访问，不能只凭搜索摘要写成确定结论。可以把它列为待核验线索，并说明需要打开原文或寻找替代来源。

交叉核验不是为了让所有来源说出同一句话，而是检查同一事实在不同来源中的时间、对象和口径是否一致。一个来源写增长率，另一个来源写用户数量，不能直接拿来互相证明。

先判断哪些结论值得核验。会影响决策、金额、安全、政策判断或文章核心观点的内容优先；普通背景和低影响细节可以使用较轻的核对方式。

发现差异时，记录一致部分、不同部分、可能原因和需要补充的证据。不要为了让报告更顺，悄悄选择更符合预期的一条。冲突本身可能就是研究结果。

如果两个来源独立且方法清楚，可以增强可信度；如果多个来源都引用同一篇原始报道，不应把转载数量当成多份独立证据。

研究报告最容易出现的错误，是引用真实来源，却让来源支持了它没有说过的结论。写作前可以建立证据表：结论、支持来源、原文要点、适用范围、证据强度和剩余疑问。

一条结论只跨出证据支持的范围一步，就可能变成过度推断。例如来源只说明某产品在小规模测试中表现良好，不能直接写成适合所有企业；来源只报告相关性，不能写成确定因果。

让 AI 输出结论时，要求它区分事实、来源转述、合理推断和建议。事实附来源，推断说明依据和限制，建议说明适用条件。不同类型的句子不要用同一种确定语气。

引用要放在对应结论附近，不要把一串链接集中在文末，让读者猜它们分别支持哪一段。引用少而准确，通常比链接很多却无法对应更有价值。

下面的模板适合需要查资料、写研究摘要或做方案调研的任务。使用时可以根据可用的搜索工具和来源范围调整。

示例 Prompt： 任务：研究【主题】，帮助【读者或决策对象】回答【主问题】。 范围：时间范围是【起止时间】；对象和地区是【范围】；只讨论【明确主题】，不延伸到未授权领域。 子问题：请先拆分主问题，列出需要回答的子问题、优先级、证据类型和完成条件。 来源规则：优先查找官方原始资料、权威机构报告和可追溯的一手数据；专业媒体和个人观点用于补充背景，不单独支撑关键结论。 证据记录：为每条关键结论保留标题、来源、发布时间、链接、原文要点、适用范围和支持的子问题。 核验规则：对关键数字、政策、版本、价格和核心结论进行第二来源核验；发现时间、对象或统计口径不一致时保留冲突，不要自行抹平。 输出：研究问题、检索计划、证据表、共同事实、争议与限制、带引用的结论和待继续核验事项。 边界：区分事实、推断和建议；没有找到原始依据时降低结论强度，不要补造来源。

研究完成后可以继续要求：请逐条检查结论是否超出来源支持范围，引用是否真的对应附近陈述，是否混用了不同时间和口径，哪些地方仍然只是合理推断。

AI 做研究最有价值的地方，是帮助拆问题、整理材料和发现关联；它最危险的地方，是用流畅文字掩盖证据缺口。保留检索计划、来源记录和冲突说明，能让结果从一篇“像研究的文章”变成可复核的研究草稿。

不要只看最后的结论是否符合预期。检查来源是否独立、时间是否匹配、引用是否支持、推断是否越界。若某个结论很重要却无法找到可靠证据，应把“暂时无法确认”写出来，而不是用更多形容词补上空白。

可靠检索不是找到最多链接，而是让问题、来源、证据、结论之间有清楚的对应关系。把这条关系写进 Prompt，AI 才能真正帮你做资料研究，而不是替你制造一份看起来完整的答案。