AI 写作最容易缺失的不是文采，而是证据边界

生成式写作最危险的时刻，往往不是它写得生硬，而是它写得过于顺滑。

当来源不足时，模型会倾向于补齐连接句、合理化因果关系，甚至把近似信息写成明确结论。读者看到的是一段流畅内容，审核者却很难发现哪句话已经越过证据边界。

先限制知识范围

一个任务应明确指定可用知识库和参考素材。全工作区检索虽然看起来更“聪明”，却可能把旧项目、不同客户或过时数据带进当前内容。

再区分三种陈述

来源直接支持的事实，可以引用并保持原意。

基于多个来源形成的判断，应标明这是分析而非原文结论。

无法确认的信息，应保留问题或明确不确定，不要补成肯定句。

审核顺序决定质量

先查数字、日期、人物、机构、直接引语和因果关系，再看标题、节奏和语气。否则编辑很容易被漂亮表达吸引，在已经润色好的句子上降低事实检查强度。

引用也不是免检通行证。来源可能被截断，数据可能只适用于某个时间或样本，文章可能表达了与摘要相反的限定条件。可追溯性让审查成为可能，但真正的确认仍然需要人。