AI 研究不垃圾——未经审计的研究才是

AI 辅助研究在圈子里有个名声——产出的多是垃圾，这个名声是应得的：自信满满的摘要、凭空捏造的来源、打开第一个引用就塌成一地碎片的文字墙。但诊断错了。问题不在于 AI 做了研究，而是大多数流水线在研究时压根没有审核环节。

我们几乎每天都在跑研究智能体，方法论里有一个几乎没人用的组件：一个专门负责否决的第二智能体。以下是我们实际踩过的五种失败模式，以及那条六环相扣的拦截链。

五种失败模式

幻觉来源 —— 模型引用的东西"听起来对"，而不是真实存在的。

浅层阅读 —— 在第一页就停下来，然后以偏概全。

人为天花板 —— "取前 20 条结果"就收工，悄无声息地砍掉了三分之二的材料。

粘贴载荷 —— 整个语料库一股脑塞进提示词。它被截断了，但没人注意到消失了什么。

未经核实的数字 —— 第三方统计数据被当作已验证事实反复引用。

注意：这五种没有一种是"模型很笨"。全都是方法论层面的失败，这意味着全都可以不依赖更好的模型就修复掉。

六环审核链

先索引再搜索。任何像样的来源都有目录。找到索引并完整读一遍，存入文件。搜索只覆盖索引覆盖不到的部分。仅此一条就能消灭一半垃圾。

语料存磁盘，路径进提示词。下载的资料存入文件；下一个智能体拿到的是路径，而不是粘贴的内容。粘贴载荷会悄无声息地被截断。

不设天花板——声明截断点。目标是来源整体规模，而不是"前 20 条"。当必须遗漏某些内容时，最终产品会说明遗漏了什么以及为什么。未经声明的裁切是偷渡范围决策的惯用手法。

对抗性审查者。第二个智能体只有一个使命：否决。它检查覆盖度（对着文件比对，列出遗漏项）、深度（重新打开一条样本与来源对照）、以及忠实度（抽取几条主张，到源头核实）。一个什么都能通过的审查者不是审查者。

链式审核。第 N+1 轮验证第 N 轮的修正——因为修复过程本身也会引入新错误。一份"已修正"但实际改错了的报告，比第一稿还糟糕。

留空勿猜。来源受阻？就把它记为一条记录并附上原因。一条有据可查的访问失败，永远好过一个披着事实外衣的推断。

实践中的变化

最终产品是可追溯的：每条主张都能定位到某个文件。不是"AI 说"——而是"文件 X 如此说，经源头核实"。

耗时更长，这是正常的。验证大约要多花一倍力气，但避免了基于腐烂材料做决策所带来的远比这更大的代价。

你能信任它并据此行动——这才是衡量研究价值的唯一标准。

有一条值得偷来的常驻规则：节省数字要么经过测量，要么就是广告。如果一份报告把第三方数字当作我们的测量结果来引用，那就是一条标签错误的事实，而标签错误的事实会毒害下游的一切。

最小可行版本

来源带索引 → 保存索引 → 本地过滤 → 一个智能体按书面规则提取 → 你扮演对抗性审查者，问三个问题：遗漏了什么？抽样内容与来源是否一致？有没有哪个主张是披着事实外衣的推断？当规模扩大后，审查者升级为第二个智能体。不要一上来就全自动化——从审核开始。

Second Brain Starter — US$15 一次付费 — 书面契约 + 索引方法端到端实现：一个你和你的智能体都能低成本读取的知识库，包含阅读阶梯和配套工具。

本文由 Oroboro Labs 跨站发布——本文是权威版本；原文附有完整的方法笔记。

---