一篇稿子读起来很顺，依然可能失败。审计必须检查证据、内部一致性、任务遵守情况，以及模型行为是否已经偏离工作流最初的设计。

审计要针对真正会被使用或发布的产物，而不是记忆里的摘要。目标是在还能改变决定的时候发现失败。（本节对应：AI稿件审计：事实主张、引用、一致性、声音与模型漂移）

每项检查用通过、失败、未知、不适用来记录。“未知”很重要，它能把证据缺失和真实负面结果分开，避免自信的猜测进入正式记录。

AI系统会因模型、版本和设置变化而表现不同。应把输出当作需要人工审核的草稿，不得虚构来源、测试结果或亲历；涉及重要事实或法律判断时，要回到权威材料核验。 本条边界用于《AI稿件审计：事实主张、引用、一致性、声音与模型漂移》。

审计结果怎么记

结果 在AI写作审计中的含义 下一步
PASS 事实主张、来源边界、指令路径和审批状态都清楚到足以复现决定 留存证据，继续下一项检查
FAIL 必要支撑、约束或复核步骤缺失，或彼此矛盾 停止发布，修复具体断点
UNKNOWN 无法判断结果来自哪一份来源、哪版指令、哪个模型步骤或哪位负责人 先补齐追踪证据，再判断质量
N/A 该控制确实不适用于当前稿件或发布路径 写明理由，避免N/A变成逃避检查的口子

这张快照只负责分诊，不替代后面的详细检查；它应该把复核人直接送到具体主张或流程断点。

来源边界

列出哪些事实需要外部支撑，并检查提供的来源是否真的支持这些说法。

检查来源边界时，先记观察证据，再讨论修复。失败和未知必须分开：明确不符合要求，与根本没有测量/来源，后续动作完全不同。

引用忠实度

打开每条引用，检查来源身份、日期、适用范围，以及链接内容是否真的支持对应句子。

对引用忠实度做最小修复后，要在同一条件下重新检查。只有结果真正改变，问题才算关闭；仅仅改了文字、组件或合同字段不算。

虚构经验

搜索“我们测试了”“用户发现”等亲历表达，以及任何没有来源的性能数字。

给虚构经验发现按后果和可逆性排序。可能误导、造成安全/权利暴露或破坏核心体验的问题，要排在外观一致性之前。

内部矛盾

跨全文比较定义、日期、名称、单位、建议和例外，寻找自相矛盾。

检查内部矛盾时，先记观察证据，再讨论修复。失败和未知必须分开：明确不符合要求，与根本没有测量/来源，后续动作完全不同。

指令遵守

把结构、禁区、语气、语言和输出格式拆成独立关卡检查。

对指令遵守做最小修复后，要在同一条件下重新检查。只有结果真正改变，问题才算关闭；仅仅改了文字、组件或合同字段不算。

不确定性校准

“一定”“证明”“保证”等强措辞必须与证据匹配，虚假的确定性要改成有边界的表达。

给不确定性校准发现按后果和可逆性排序。可能误导、造成安全/权利暴露或破坏核心体验的问题，要排在外观一致性之前。

权利与隐私

检查个人数据、版权材料、机密输入，以及尚未考虑复用规则的输出。

检查权利与隐私时，先记观察证据，再讨论修复。失败和未知必须分开：明确不符合要求，与根本没有测量/来源，后续动作完全不同。

本地化漂移

比较不同语言版本的含义、数字、限制条件和行动建议，而不是只看句子像不像。

对本地化漂移做最小修复后，要在同一条件下重新检查。只有结果真正改变，问题才算关闭；仅仅改了文字、组件或合同字段不算。

模型或提示漂移

模型、提示、工具或检索发生变化后，要重新跑小型基准，不要假设昨天的行为会永久保持。

给模型或提示漂移发现按后果和可逆性排序。可能误导、造成安全/权利暴露或破坏核心体验的问题，要排在外观一致性之前。

发布追踪

保存来源、提示规格版本、模型/工具配置和审核决定，保证以后能重建这篇稿为什么被批准。

检查发布追踪时，先记观察证据，再讨论修复。失败和未知必须分开：明确不符合要求，与根本没有测量/来源，后续动作完全不同。

本节围绕《AI稿件审计：事实主张、引用、一致性、声音与模型漂移》展开。

把审计发现变成修复队列

不要把每个发现都设成同一优先级。先区分它是否可能误导用户、造成安全/权利问题、破坏核心体验，还是只影响润色。前三类应优先于外观一致性（对应《AI稿件审计：事实主张、引用、一致性、声音与模型漂移》）。

为每个问题写“最小修复”。大范围改写会掩盖因果：同时改十件事以后，没人知道是哪一项解决了故障，又是哪一项引入了新问题（对应《AI稿件审计：事实主张、引用、一致性、声音与模型漂移》）。

修复后要回到原始失败条件重新测试。文字变了不代表问题关闭；只有证据支持新的结果，检查项才算真正关闭（对应《AI稿件审计：事实主张、引用、一致性、声音与模型漂移》）。

未知项继续保持可见。如果缺来源、测量、批准或规则，指定负责人和日期，不要把空白悄悄变成假设。

本文专用的小型情境

选一个小型真实AI写作任务，只让它依次经过来源边界和引用忠实度。保留同一输入在第一项控制前、第一次决定后、第二次决定后的三个版本，再故意加入一个歧义或缺乏支撑的假设。只有当团队能指出哪一项控制抓住问题、谁负责下一决定、需要什么证据解决，而不必重写整套流程时，这次测试才真正有价值。

这套方法专用的证据卡

针对来源边界，条件允许时各留一个PASS案例和一个FAIL/UNKNOWN案例。记录具体主张或稿件片段、正在检查的来源/指令边界、复核决定，以及什么证据会让这个决定翻转。目的不是堆出庞大审计档案，而是让未来模型、提示词或编辑变化仍能围绕同一个问题比较，而不是依赖记忆。

针对引用忠实度，条件允许时各留一个PASS案例和一个FAIL/UNKNOWN案例。记录具体主张或稿件片段、正在检查的来源/指令边界、复核决定，以及什么证据会让这个决定翻转。目的不是堆出庞大审计档案，而是让未来模型、提示词或编辑变化仍能围绕同一个问题比较，而不是依赖记忆。

针对虚构经验，条件允许时各留一个PASS案例和一个FAIL/UNKNOWN案例。记录具体主张或稿件片段、正在检查的来源/指令边界、复核决定，以及什么证据会让这个决定翻转。目的不是堆出庞大审计档案，而是让未来模型、提示词或编辑变化仍能围绕同一个问题比较，而不是依赖记忆。

针对内部矛盾，条件允许时各留一个PASS案例和一个FAIL/UNKNOWN案例。记录具体主张或稿件片段、正在检查的来源/指令边界、复核决定，以及什么证据会让这个决定翻转。目的不是堆出庞大审计档案，而是让未来模型、提示词或编辑变化仍能围绕同一个问题比较，而不是依赖记忆。

针对指令遵守，条件允许时各留一个PASS案例和一个FAIL/UNKNOWN案例。记录具体主张或稿件片段、正在检查的来源/指令边界、复核决定，以及什么证据会让这个决定翻转。目的不是堆出庞大审计档案，而是让未来模型、提示词或编辑变化仍能围绕同一个问题比较，而不是依赖记忆。

针对不确定性校准，条件允许时各留一个PASS案例和一个FAIL/UNKNOWN案例。记录具体主张或稿件片段、正在检查的来源/指令边界、复核决定，以及什么证据会让这个决定翻转。目的不是堆出庞大审计档案，而是让未来模型、提示词或编辑变化仍能围绕同一个问题比较，而不是依赖记忆。

针对权利与隐私，条件允许时各留一个PASS案例和一个FAIL/UNKNOWN案例。记录具体主张或稿件片段、正在检查的来源/指令边界、复核决定，以及什么证据会让这个决定翻转。目的不是堆出庞大审计档案，而是让未来模型、提示词或编辑变化仍能围绕同一个问题比较，而不是依赖记忆。

针对本地化漂移，条件允许时各留一个PASS案例和一个FAIL/UNKNOWN案例。记录具体主张或稿件片段、正在检查的来源/指令边界、复核决定，以及什么证据会让这个决定翻转。目的不是堆出庞大审计档案，而是让未来模型、提示词或编辑变化仍能围绕同一个问题比较，而不是依赖记忆。

针对模型或提示漂移，条件允许时各留一个PASS案例和一个FAIL/UNKNOWN案例。记录具体主张或稿件片段、正在检查的来源/指令边界、复核决定，以及什么证据会让这个决定翻转。目的不是堆出庞大审计档案，而是让未来模型、提示词或编辑变化仍能围绕同一个问题比较，而不是依赖记忆。

针对发布追踪，条件允许时各留一个PASS案例和一个FAIL/UNKNOWN案例。记录具体主张或稿件片段、正在检查的来源/指令边界、复核决定，以及什么证据会让这个决定翻转。目的不是堆出庞大审计档案，而是让未来模型、提示词或编辑变化仍能围绕同一个问题比较，而不是依赖记忆。

针对把审计发现变成修复队列，条件允许时各留一个PASS案例和一个FAIL/UNKNOWN案例。记录具体主张或稿件片段、正在检查的来源/指令边界、复核决定，以及什么证据会让这个决定翻转。目的不是堆出庞大审计档案，而是让未来模型、提示词或编辑变化仍能围绕同一个问题比较，而不是依赖记忆。

Sources / 来源

Related Reading / 延伸阅读