45条引文里只有5条能对上真实出处。这不是偶发失误，而是毕马威那份被紧急撤下的AI行业报告交出的底牌。报告里一半以上的核心主张查无此证，阿联酋航空根本没有能替人改签航班的AI客服，瑞银和瑞士铁路也直接甩出原话：“与事实不符”“不准确”。 为什么AI写长文总爱捏造事实？别被它流畅的行文骗了。大模型底层根本不是在查资料，而是在做概率接龙。你甩给它一个长报告框架，要求填满几十个案例和参考文献，它为了把指令执行完，只能靠算法硬编。真实标题被随意拼接，模糊文献被强行塞进正文，甚至凭空捏造脚注，全是它过度迎合提示词交出的结果。工具越用越顺手，写作者就越容易把机器的流畅度直接等同于准确度，这才是最危险的错觉。 别指望靠优化提示词就能让AI自动长出核实事实的脑子。长文写作的核心早就不是按回车等生成，而是把生成后的交叉验证当成硬性工序。拿到AI初稿，先把自动联想关掉，拿原始信源逐字死磕引用和案例。守住事实底线，这套工具才能替你干活，而不是替你埋雷。 翻车不是AI的错，是用法太随意。把问题框死，它才不敢乱编。 很多人写稿还在用“帮我写一篇关于某行业的深度分析”这种开放式指令。大模型拿到这种题，第一反应就是凑字数。它不知道边界在哪，只能靠概率瞎拼，毕马威报告里那些查无此处的案例就是这么硬凑出来的。想从源头掐断幻觉，得把开放式提问直接换成边界指令。 先划定信源池。别让它自由检索，直接把你要用的核心报告或数据丢进对话框。明确写死：“仅基于上述材料提取信息，禁止引入外部未提供案例。” 然后限制输出颗粒度。长文最怕AI自由发散。把框架拆成必填字段，比如“每个案例必须附带：具体产品名、功能描述、官方发布时间、原始链接。缺一项直接标空，不要自行补全。” 最后加一条硬性熔断规则。在提示词末尾补上：“遇到数据冲突或信息缺失，统一标注待核实，严禁用近似概念替换或自行推导。”机器没有常识，它只会死磕字面指令。你给它留了合法的退路，它就不必为了讨好指令而造假。 以前我们总指望大模型越聪明越好，现在写长文得反过来，越守规矩越好用。给它套上边界指令，生成的初稿哪怕干瘪一点，也比满篇流畅的废话安全得多。别在提示词上搞玄学，把约束条件直接写进文档，拿带边界跑出来的结果直接进核查流程，事实底线才算真正落地。 指令设得再严，AI吐出的初稿依然只是半成品。接下来得靠外部工具把水分榨干。单靠一个AI去查另一个AI纯属自欺欺人，得把Perplexity和Elicit绑成流水线，一个盯实时动态，一个核学术底稿，交叉比对才够狠。 先拿初稿里所有带绝对化断言的句子单独拎出来。比如某公司上线了具备某功能的AI系统，直接塞进Perplexity，开启精确匹配模式跑一遍。它会在右侧实时甩出带时间戳的网页链接。点开原始页面只看正文，别信摘要。如果搜出来的是两年前的旧闻，或者原文根本没提该功能，这条直接标红。Perplexity的强项是快，专治各种时效性幻觉。 然后处理带数据和研究结论的硬茬。把某研究证明XXX这类表述转手丢给Elicit，让它去论文库里对账。Elicit会直接提取原文的实验样本和核心结论。很多时候你会发现，AI把初步探索偷换成了全面证实，或者把动物实验的数据直接安到人类应用上。这时候别犹豫，用Elicit抓出的原始文献结论盖住AI的夸大表述。 最后把两条线跑出的结果放在一起对撞。公开信源对不上、学术底稿有出入的，一律按事实存疑处理，宁可留白也别硬凑。机器跑得快，但替它踩刹车的是人。把交叉验证当成发稿前的强制工序，你的稿子才不会被同行当笑话看。建好核查流水线再让AI往里填肉，这才是守住事实底线的正路。 事实核对完了，引用格式和来源链接如果还是AI随手拼的，照样会露馅。毕马威那份报告里，45条引文只有5条能打对号，剩下28条标题被魔改，12条根本找不到出处。机器写稿最怕这种隐形地雷，正文看着挺唬人，一戳链接直接404或者跳转到毫不相干的页面，专业度瞬间归零。 处理引文别指望AI能一键排好版。拿到初稿，先把所有带出处和链接的句子单独抽出来，扔进空白文档。用文献管理工具（例如Zotero的网页抓取插件）逐个点开原始链接。只认官方域名和原始路径，遇到跳转营销号、死链或者指向百科词条的，直接标红剔除。行业分析必须咬死一手信源，企业官网公告、招股书或者带DOI的学术论文才算数。别嫌麻烦，这一步省掉，后面被人扒出造假就是连环翻车。 格式清洗靠的是死规矩。AI生成的参考文献经常乱排作者顺序、缺页码，甚至把中文资料硬套成英文格式。关掉它的自动转换功能，自己建个固定模板。统一按作者、年份、标题、来源机构、原始链接的顺序排。外文资料拿不准的，用翻译软件过一遍标题和摘要，确认和正文逻辑对得上再录入。所有链接保留原始长链，别信AI自动生成的中间跳转页，那玩意儿最容易断。 引用不是排版装饰，是写作者拿信誉做的担保。把每条脚注当成要签字画押的凭证，手动过一遍链接和格式，稿子才经得起同行推敲。别在溯源上搞差不多就行，干净的引用清单比任何AI润色都能让读者闭嘴信服。 工具链跑通不代表能当甩手掌柜。有些关键节点，人必须亲自下场。AI能拼出漂亮的句子，但替你做行业判断和承担发稿责任，它没这个能力。毕马威翻车最要命的地方不是引用写错，而是把基础规则引擎硬吹成具备自主决策能力的智能体。这种概念偷换，大模型干得顺手，但专业人士看一眼业务逻辑就该喊停。 接手初稿，先过逻辑关。把带颠覆、全面整合、彻底改变字眼的句子单独拎出来，对照企业实际落地节奏逐句核对。系统上线要过合规审计和成本测算，不是算法跑个模型就能直接商用。遇到逻辑跳跃的地方，直接替换成业务常识，或者干脆删掉留白。机器没有风险意识，只会顺着提示词把话往大了说，你得负责把水分挤干。 然后手动注入行业语境。AI吐出的案例往往只有功能描述，缺了商业背景和限制条件。拿阿联酋航空和瑞银的例子来说，把能改签航班、全面整合这种绝对化表述，改写成目前处于灰度测试阶段或仅限特定业务线试点。写专业稿，克制比炫技重要。遇到技术细节拿不准，直接套用尚无公开数据证实的保守句式，别为了凑字数让AI替你圆谎。 最后过责任署名。任何涉及战略预测、数据引用或技术路线判断的段落，作者必须亲自签字背书。把AI的概率拼盘转成你的明确立场，模糊地带直接标注待观察。读者买账的不是流畅的排版，而是你敢不敢为结论负责。把人工校准当成发稿前的强制动作，工具才算真正替你干活。守住事实底线，比任何花哨的提示词都管用。