1.1 内容事实核查的核心任务与边界：事实性、时效性、来源可靠性与可核查范围
我平时做内容核查，最怕碰到一种情况——对方扔过来一大段话，说"你帮我看看这个是不是真的"。这话听着简单，真动起手来，先得搞清楚到底核查什么。一段文字里可能混着事实陈述、个人感受、价值判断，还有未来预测。事实核查盯的是那些能被证据支撑或推翻的部分，比如"某地2023年常住人口是多少"这种有明确答案的，跟"这个政策好不好"完全两码事。我习惯先把可核查的主张挑出来，剩下的归到观点或评论里去，不然核查范围会无限膨胀。
时效性这块也特别容易踩坑。我核查过一条关于某公司融资的旧闻，数据本身没错，可那是三年前的信息，现在早就不成立了。事实核查得看时间戳，得问一句"这个结论在当前时点还站得住吗"。来源可靠性同理，不是所有链接都叫证据。官方统计公报、权威媒体报道、一手文件，跟匿名帖子、截图转发完全不在一个层级。我会给来源打分，优先用可追溯、可验证的材料。
可核查范围得有边界感。有些主张涉及专业领域，比如医学疗效、法律条文解释，凭公开信息很难下结论。这种时候我会明确标注"超出可核查范围"或者"需专业机构介入"，而不是硬给一个模糊判断。核查报告里写清楚"我没查到"和"我查到是假的"是两种完全不同的结论，混在一起会害人。
1.2 提示词在事实核查流程中的定位：主张拆解、证据检索、交叉比对、结论标注
提示词在核查流程里不是万能钥匙，它更像一个流程调度员。我一开始也以为写一句"帮我核查这段话"就够了，试了几次发现模型要么泛泛而谈，要么直接编答案。后来我把任务拆开，让提示词分别管四件事：把长文本拆成一条条独立主张、针对每条主张去检索证据、把多个来源放一起交叉比对、最后按统一格式标注结论。这么一拆，输出质量明显不一样。
主张拆解这一步特别关键。一段两百字的社交媒体帖子，可能藏着五六个可核查的点，有数据、有人名、有时间、有因果关系。提示词里我会要求模型逐条列出"谁在什么时间说了什么做了什么"，每条单独编号。这样后面检索证据时不会漏，也不会把不同主张的证据搅在一起。我见过有人把整段话丢给模型要一个"真或假"的结论，那基本等于让模型猜。
交叉比对和结论标注是配套的。我通常让提示词要求模型对每条主张至少找两个独立来源，来源之间矛盾的要标出来，找不到可靠来源的写"证据不足"。结论标注用固定标签，比如"属实""部分属实""不实""无法核实"，每个标签后面跟一句简短理由和来源链接。这套流程跑顺了，核查报告的可读性和可信度都上来了。
1.3 关键词关系梳理：内容事实核查提示词模板与AI事实核查提示词怎么写的基础认知
我经常被问"内容事实核查提示词模板"和"AI事实核查提示词怎么写"是不是一回事。说实话，前者是骨架，后者是填肉的手艺。模板给你一个固定结构——角色、任务、输入、规则、输出格式，你照着往里填就行。可真正决定效果的，是你怎么写那些规则和约束。同一个模板，有人写出来模型老老实实逐条核查，有人写出来模型就开始自由发挥，差别全在措辞细节上。
我的经验是，模板解决"不漏项"的问题，怎么写解决"不跑偏"的问题。比如模板里有一栏"输出格式"，你只写"给出结论"，模型可能就回一句"基本属实"。你写清楚"每条主张单独一行，格式为：主张编号｜主张内容｜结论标签｜证据来源｜置信度"，输出立刻规整了。再比如"核查规则"那栏，你写"请核实"，不如写"优先使用政府网站和权威媒体，找不到来源时标注证据不足，禁止推测"。
这两个关键词放一起看，其实就是"框架思维"和"指令精度"的关系。我建议新手先拿模板跑几遍，感受一下哪里输出不满意，再针对性地改提示词里的具体句子。别一上来就追求完美模板，模板是改出来的，不是想出来的。
1.4 常见误区：把事实核查写成观点辩论、泛泛摘要或缺乏证据的结论输出
我踩过最大的坑，是把事实核查写成了观点辩论。有次核查一条关于环保政策的传言，模型输出了一大段"支持方认为……反对方认为……"，读起来挺热闹，可到底哪个说法有证据支撑，完全没交代。事实核查不是让正反方吵架，是看哪边的主张能被可靠来源证实。提示词里得明确禁止"平衡呈现双方观点"这种指令，改成"只评估主张与证据的匹配程度"。
泛泛摘要也是高频误区。有人写提示词"帮我总结这段内容并判断真假"，模型往往把原文换个说法复述一遍，末尾加一句"需要进一步核实"。这等于没核查。我会在提示词里要求"不得复述原文，每条结论必须附带具体来源和关键数据"。摘要和核查是两件事，摘要回答"说了什么"，核查回答"说得对不对"。
最危险的是缺乏证据的结论输出。模型有时候会凭训练数据里的印象给判断，比如"该说法不实"却不给任何链接。这种结论看着干脆，实际上没法追溯。我的做法是硬性规定：没有来源链接的结论一律视为无效，提示词里写死"每条结论后必须附至少一个可访问的来源URL，否则标注为证据不足"。这条规矩一加，模型胡说的概率明显下降。核查报告是给人看的，也是给人查的，证据链断了，结论再漂亮也没用。
上一章聊了几个常见误区，这一章我想说说自己写事实核查提示词时守的几条底层原则。这些东西不是理论推导出来的，全是我一条条踩坑踩出来的。最开始我写提示词特别随意，扔一句“帮我核查这段话”就等着模型给答案。结果它要么给我一段模棱两可的摘要，要么编个来源链接糊弄我。后来我慢慢琢磨明白，提示词的质量不取决于句子多长，取决于你有没有把核查这件事的规矩写进去。
2.1 明确核查对象与输出标准：结论层级、证据等级、置信度与引用要求
我写提示词第一件事，是把“核查什么”和“输出长什么样”绑在一起说清楚。只写“核查以下内容”远远不够，模型不知道你要它拆到哪一层。我会直接写明：把输入文本拆成独立可核查的主张，每条主张单独编号，禁止合并。输出标准也要提前定死，比如结论只能用四个标签——属实、部分属实、不实、无法核实。这四个标签一写，模型就没法用“基本可信”“有待验证”这种模糊词糊弄过去。
证据等级和置信度得分开写。我一般要求模型给每条结论标注证据等级：A级是一手官方文件或统计公报，B级是权威媒体或学术论文，C级是普通网络来源，D级是无来源或仅凭印象。置信度分高、中、低三档，跟证据等级挂钩但不完全等同。引用要求更硬：每条结论后面必须跟至少一个可访问的来源URL，没有URL就强制标“证据不足”。这条规矩救过我很多次。有一次核查某地GDP数据，模型一开始给“属实”但没链接，我加了硬性要求后它老老实实补了统计局公报的地址，还主动标注了数据口径差异。
输出标准里我还会加一句“禁止输出观点辩论”。事实核查报告不是评论文章，读者要的是“这条主张有没有证据撑着”，不是“正反双方怎么看”。我把这句话写进提示词之后，模型很少再给我那种“支持者认为……反对者认为……”的废话段落了。说实话，写清楚输出标准这件事，花的时间比我预想的多，可它带来的稳定性提升最明显。
2.2 约束信息来源与检索策略：优先来源、时间范围、多源交叉验证与反证检查
来源这块我吃过大亏。早期我让模型“检索可靠来源”，它给我抓了一堆自媒体洗稿，内容互相抄，看着像多源，其实源头就一个。后来我在提示词里列了一张优先来源清单：政府网站、统计年鉴、法院公开文书、主流通讯社、同行评议论文。清单之外的来源可以用，但必须标注“非优先来源”。时间范围我也会写清楚，比如“优先使用近12个月内的信息”，时效性强的题材再加一句“超过30天的来源需标注发布时间”。
多源交叉验证不能只说“找两个来源”。我会要求模型明确写出“来源A与来源B是否独立”，互相转载的算一个来源。这个要求一加，模型输出的证据质量明显不一样。反证检查是我后来才加进去的，起因是核查一条关于某保健品功效的传言，模型只找支持性研究，负面研究一个没提。我在提示词里加了一句“每条主张至少检索一次相反证据，找不到相反证据也要说明检索过程”。这句话让模型的行为从“找证据支持结论”变成“找证据检验结论”，方向完全不一样了。
我还习惯在提示词里写“禁止使用截图、聊天记录、匿名帖子作为唯一来源”。这类材料可以作为线索，不能作为定论依据。模型有时候会偷懒，拿一张模糊截图就说“有网友爆料”，这种输出我直接判不合格。把来源约束写细一点，模型的可操作空间就小一点，胡编的概率也跟着降。
2.3 设计可追溯的推理结构：逐条主张拆解、证据对应、矛盾标记与不确定性表达
可追溯这件事，我的做法是让提示词强制输出一种“主张—证据—判断”的三段式结构。每条主张下面必须列出：原始表述、拆解后的核心事实点、对应的证据片段或来源摘要、最终判断。这个结构看起来笨，可它管用。模型没法跳步，读者也能沿着证据链自己查一遍。我核查过一条关于某公司裁员的传言，拆完发现原文把“计划裁员”和“已裁员”混在一起说，证据对应之后矛盾立刻暴露出来。
矛盾标记是我特别看重的一环。提示词里我会写“当两个可靠来源说法不一致时，单独列出矛盾点，不得强行取一个结论”。模型天生喜欢给确定答案，你不压着它，它就会把矛盾悄悄抹平。比如核查某政策实施时间，一个来源说3月，另一个说4月，模型容易选一个看起来更权威的写上去。我要求它把两个日期都列出来，标注“来源冲突，需人工确认”。不确定性表达也一样，我允许模型写“证据不足”“来源单一”“超出可核查范围”，这些词比硬编一个结论有价值得多。
推理结构里我还会加一个“检索日志”字段，让模型简要说明自己搜了什么关键词、看了哪些页面、为什么排除某些来源。这个字段不是给读者看的，是给我自己复盘用的。有一次核查医疗类传言，检索日志显示模型只搜了中文来源，漏掉了英文期刊的相反结论。我看到日志之后补了一条“多语言来源检索”的要求。没有这个日志，我根本不知道问题出在哪。
2.4 控制模型行为与合规风险：拒绝臆断、隐私保护、版权边界与人工复核责任
模型臆断这件事，我现在的态度是零容忍。提示词里我会写死一句话：“没有来源支撑的判断一律标注为‘无法核实’，禁止基于训练数据印象给出结论。”这句话得反复强调，因为模型太容易脱口而出“该说法不实”却不给任何证据。我还会加一条“禁止编造URL”，发现编造直接判定整条输出无效。有次模型给我一个看起来特别正规的链接，点进去是404，从那以后我每次都会抽查链接可访问性。
隐私保护在核查个人相关传言时特别重要。提示词里我会要求“涉及身份证号、住址、电话号码、病历信息的内容一律脱敏处理，不输出完整个人信息”。核查某明星绯闻那次，模型差点把网传的住址写进报告，我加了脱敏规则之后它才改成“网传某小区，具体地址不予展示”。版权边界也得写清楚，引用原文不超过合理范围，长段落要求转述而非全文复制。这些约束看着琐碎，真出事的时候能挡掉不少麻烦。
人工复核责任这条，我直接写在提示词末尾：“本输出为核查初稿，所有结论需经人工复核后方可发布。”我不指望模型替我做最终判断，它能把主张拆清楚、证据找齐、矛盾标出来，我的工作量已经少了一大半。核查报告是要给人看的，也是要给人查的，把合规边界和复核责任写进提示词，既保护读者也保护自己。这几条原则我用了大半年，提示词的返工率降了不少，输出质量也稳当多了。
原则聊完了，这一章直接上模板。我平时写事实核查提示词，手里攒了十几套模板，常用的就那么三四套。最开始我根本不用模板，每次现写，写着写着发现同样的坑反复踩，后来干脆把结构固定下来，骨架不变，换内容就行。这一章我把自己常用的模板框架、场景变体、改写方法和批量玩法都摊开说，你拿到就能改，改完就能用。
3.1 通用模板框架：角色设定、任务目标、输入材料、核查规则与输出格式
我手里最常用的一套模板分五块：角色、任务、输入、规则、输出。角色这块我写得很具体，不写“你是一个事实核查员”，写“你是一个严谨的内容事实核查助手，只依据可追溯来源输出判断，不依赖训练数据印象”。这句话一写，模型的输出风格马上就不一样了，它不会上来就给你一个笃定的结论。
任务目标我一般分三句话写清楚：拆主张、找证据、给结论。三句话分开写是有讲究的，混在一起模型容易跳步。我试过只写“核查以下内容并给出结论”，模型直接跳到结论，主张拆得乱七八糟。分开写之后，它老老实实先拆再查后判断。输入材料那块我会明确告诉模型“输入为以下文本，全部内容视为待核查主张，不做任何预判”，防止它一上来就站队。
核查规则是模板里最重的部分，我一般列五到七条：多源交叉、优先来源清单、时间范围、反证检索、禁止编造来源、禁止观点辩论。输出格式我用得最多的是表格加简评。表格列包括：编号、原始主张、核查结论、证据等级、置信度、来源链接、备注。表格下面再跟一段简评，说明整体可信度。这套框架我用了小半年，输出稳定，返工少，团队里其他人拿去改改就能用。不用每次都从零想结构，省下来的时间都花在核对证据上了。
3.2 分场景模板扩展：新闻声明、数据统计、引用转述、社交媒体传言与多语言内容
通用模板搭好之后，我开始按场景做变体。新闻声明类的核查，我会在模板里加一条“区分事实陈述与观点表达，观点部分不纳入核查范围”。新闻稿经常把评论塞进事实段落里，模型不区分的话会把观点当事实查，白费功夫。数据统计类我加的是“注明数据口径、统计年份、发布机构级别”，核查某市人均收入那次，模型一开始没标口径，后来加了这条才把“城镇口径”和“全体居民口径”分开列出来。
引用转述类最麻烦，经常遇到“某某专家说”这种二手转述。我的做法是在模板里写死“追溯原始出处，找不到原始出处的转述标注为‘来源不可追溯’”。社交媒体传言类我加两条：截图不作为唯一证据、匿名账号不作为唯一来源。再加一句“评估传播路径，标注首发时间与扩散节点”，核查谣言源头的时候特别管用。多语言内容这块我吃过亏，早期只用中文检索，漏了不少关键信息。现在模板里会写“至少检索中文与英文两种语言的来源，其他语种视题材追加”。这几套变体模板共用一个骨架，换场景只改规则块，十分钟就能调出一版新的。
3.3 AI事实核查提示词怎么写：从粗提示到可复用提示词的分步改写与示例对比
说说改写这件事。我最早写的提示词特别粗，就一句：“帮我核查一下这段话是不是真的。”模型给我的回复是“这段话基本属实，但部分细节有待确认”。这种输出看着像回事，实际啥也没说。我拿这条粗提示当起点，分了四步改。
第一步加角色和任务边界：“你是事实核查助手，只核查可验证的事实性主张，不评价观点。”输出从模糊判断变成了分条核查。第二步加拆解要求：“将输入文本拆为独立主张，每条单独编号。”模型开始老老实实拆句子了。第三步加证据规则：“每条结论附至少一个可访问来源，无来源标注证据不足。”这一步效果最明显，模型不再空口说属实了。第四步加输出格式和反证要求：“按表格输出，每条主张检索一次相反证据。”四步改完，同样一段输入，输出从一段话变成一张带来源的核查表。
我拿一条真实传言做过对比测试。粗提示下模型说“该说法不实，建议谨慎对待”，没来源没拆解。四步改写后的提示词输出了一张七行表格，每条主张单独列，两条标了“来源冲突”，一条标了“无法核实”，附了五个链接。同一段输入，差距就在提示词有没有把规矩写进去。我现在写新提示词都走这个流程：先写最粗的版本，跑一遍看输出缺什么，缺什么补什么规则，补完再跑，跑三轮基本就能用了。能复用的提示词不是一次写出来的，是一轮一轮改出来的。
3.4 模板变体与批量应用：批量核查、来源链接报告、核查标签体系与结构化输出
单条核查跑顺之后，我开始琢磨批量的事。批量核查的模板跟单条不一样，单条模板追求细，批量模板追求快和统一。我在批量模板里加了一条“对每条输入执行相同核查流程，输出统一编号，不因内容长短调整核查深度”。不加这条的话，模型遇到长文本就细查，遇到短文本就糊弄，结果不可比。批量模板我还要求输出一个汇总行，统计属实、部分属实、不实、无法核实各几条，方便快速扫一眼整体情况。
来源链接报告是我单独做的一个变体，专门给需要留档的核查用。模板里写死“每条结论后附来源链接、来源名称、发布时间、访问日期”，四个字段缺一不可。核查标签体系这个事我琢磨了很久，最后定了一套五标签：属实、部分属实、误导性、不实、无法核实。每个标签我都在提示词里给了定义和判定标准，比如“误导性”专指“字面为真但暗示错误结论”的情况。标签定死之后，批量输出的可比性一下子提上来了。
结构化输出我一般要求JSON格式，字段包括claim_id、claim_text、verdict、confidence、evidence_urls、notes。JSON的好处是能直接喂给下游工具做统计和筛选。我试过让模型输出纯文本表格再手动转，效率太低。改成JSON之后，核查一百条主张，导出直接做透视表，哪类传言最多、哪个来源被引用最频繁，一眼就能看出来。模板这东西，单条用是工具，批量用是产线，把输出结构定死，后面怎么加工都方便。
前几章聊了怎么设计、怎么搭模板、怎么改写。这一章说点更实在的——提示词写完了，然后呢？我见过太多人把提示词当收藏品，写了几十版存在文档里吃灰。我自己也干过这事，后来发现，提示词不在多，在有没有真嵌进工作流里跑起来。跑不起来，再漂亮的模板也是废纸。
4.1 工作流嵌入：选题初筛、证据检索、初步核查、人工复核与发布归档
我现在的核查流程分五步，每一步都嵌了提示词，但用法完全不一样。选题初筛这一步，我用的是最轻量的提示词，就让它判断“这段内容里有没有可核查的事实性主张，列出最值得查的三条”。这一步追求快，三十秒出结果，目的是决定值不值得往下走。有些内容一看全是观点，没事实，直接跳过，省下时间给硬骨头。
证据检索这一步，提示词的角色变了，变成“检索助手”而不是“判断者”。我给它的指令是“针对以下主张，列出需要检索的关键词组合和优先来源类型，不输出结论”。这个设计是有意为之，我不让模型在这一步下判断，只让它帮我把检索方向铺开。真正跑搜索引擎、翻数据库是我自己来，或者用带检索能力的工具来做。初步核查这一步才让模型上场判断，输入是主张加我找到的证据材料，输出是分条结论加证据对应。
人工复核这步我从来没省过。模型把核查表拉出来，我一条一条过，重点看三处：来源链接是不是活的、证据和结论对不对得上、有没有该标“无法核实”却给了确定结论的。这三处出问题的概率最高。发布归档是最后一步，我把最终版核查表和原始提示词、模型初稿一起存档。存原始提示词是为了以后复盘，哪版提示词在哪个环节掉了链子，翻档案就能定位。这条工作流我跑了快一年，最深的体会是：提示词不是替代流程，是把流程里重复的、机械的部分接过去，人的判断留在关键节点上。
4.2 效果评估指标：事实准确率、证据覆盖率、误判率、可读性与可操作性
评估这件事我一开始没当回事，觉得输出看着还行就行。后来被坑了几次。有一次一批核查结论里混了两条误判，我直接发出去了，被人指出来，特别难堪。从那以后我给自己定了几个指标，每批核查跑完都简单算一下。
事实准确率我抽样算。每批随机抽十条，我自己重新核一遍，看模型结论跟我判断的一不一致。这个指标最能反映真实水平。证据覆盖率是另一回事，我数的是“有多少条结论附了可访问来源”。这个指标低，说明提示词在证据要求上松了，或者模型在偷懒编链接。误判率我单独拎出来看，重点分析“该标无法核实却给了确定结论”的情况，这种错最伤公信力。可读性这个指标有点主观，我的办法是拿给团队里没参与核查的同事看，问他能不能三分钟看懂这张表在说什么。可操作性我关注的是结论能不能直接用，比如标了“部分属实”但没说清哪部分属实、哪部分不实，这种输出就得回炉。
这几个指标我不追求漂亮数字。准确率百分之百那是自欺欺人。我关心的是趋势，这批比上批是好了还是差了，哪个指标在往下掉。掉下去就说明提示词或者流程有地方要调。数据不用多精细，拿张纸记几笔就行，关键是要有这个动作。
4.3 提示词迭代与版本管理：失败案例归因、A/B测试、模板库沉淀与团队复用
迭代这件事，我的做法是从失败案例倒推。每次核查出问题，我不急着改提示词，先归因。是模型没拆清主张？是证据规则没写死？是输出格式缺了关键字段？还是输入材料本身就有问题？归完因再动手。我踩过一个坑，有次输出里好几条结论没附来源，我第一反应是加一条“必须附来源”，改完再跑还是老样子。后来翻日志才发现，那批输入特别长，模型把输出截断了，来源字段被挤掉了。问题不在规则，在输入长度限制。这种归因如果不做，改十版提示词也白搭。
A/B测试我用得比较土，就是同一批输入，两版提示词各跑一遍，输出放一起对比。不比不知道，有些改动我以为会提升，实际跑出来反而更差。有一次我给输出格式加了更多字段，想着信息更全，结果模型填字段填得敷衍，关键结论反而模糊了。测试完我把那版砍了。模板库这个东西，我的建议是别贪多。我手里常驻的就四套：通用核查、批量核查、来源链接报告、快速初筛。每套都有版本号，改动记在版本说明里，写清楚改了什么、为什么改。团队复用的时候，别人拿去用，至少知道这版跟前一版的差别在哪。
4.4 伦理与扩展应用：偏见控制、来源透明度、责任边界与持续优化机制
偏见这件事，我用下来感觉模型确实会有倾向性，尤其在证据模糊的时候。同样的主张，换个问法，结论方向可能就不一样。我的应对办法是在提示词里写死“对每条主张同时检索支持证据和反驳证据，两方证据都要列出，不得只呈现单边材料”。这个规则加进去之后，输出会变得啰嗦一些，但偏见被压下去不少。来源透明度我盯得很紧，每条结论必须能点回原始来源，链接失效的要标注“链接失效，存档见附件”。没有来源的结论，我一律打回。
责任边界这个事得说清楚。模型给出的核查结论，发出去之前必须有人签字。我把这句话写在每套模板的头部，也跟团队每个人都交代过。AI是干活的，责任是人扛的。扩展应用这块，我最近在试的是把核查标签体系接到内容管理后台，编辑发稿前先跑一遍机审，有疑点的自动标出来。还在打磨，没完全跑顺。持续优化机制说白了就是定期回看：每月翻一次失败案例库，看看有没有共性，有就改规则，没有就继续跑。这套东西不复杂，难在坚持。提示词用起来、算出来、改起来，才算是真能用了。
