我最近用 AI 做了一次完整的市场调研，产出几十页材料。其中有三个结论是错的 ------ 而且不是"一眼假"的那种错，是细节齐全、逻辑通顺、引用规范的那种错。如果不是我逐个去核来源，它们会原样进我的决策。
把这三个案例记下来，因为它们背后是同一个模式。
错误一：我把 13 年前的数字当成了现行标准
AI 给我的报告里写着：
InfoQ 稿费标准：150 元/千字，单篇 800 元封顶。
这个数字有出处 ------ 它确实来自 InfoQ 的官方投稿须知页面。引用是准确的。
问题是：那篇须知发布于 2012 年 2 月 1 日。
十三年过去了，这个数字还成不成立？不知道。而 AI 把它当作现行标准，用来估算我的收入预期。
更糟的是：那篇 2012 年的须知里还写着"接收投稿的对象为经验丰富的 IT 工程师作者"------这句话本身就说明这个渠道可能不适合我，但报告里没提。
可复用的规则
看到一个数字，先问它的日期。
不是问"有没有出处"，是问"这个出处的日期是什么时候"。有出处 ≠ 有效。
错误二：AI 说"找不到"，其实是它没找对地方
我问 AI：国内有没有面向中学生的编程/安全类竞赛？
它搜了一圈，回复：找不到明确的全国性赛事，建议考虑境外赛事。
这个结论听起来很合理 ------ 因为搜出来确实很乱，各种机构办的比赛混在一起。
但事实是：教育部有一份正式发文的白名单。
| 项 | 内容 |
|---|---|
| 文件名 | 《2025---2028学年面向中小学生的全国性竞赛活动的通知》 |
| 发文字号 | 教监管厅函〔2025〕7号 |
| 规模 | 47 项竞赛 |
| 有效期 | 2025 年 9 月 --- 2028 年 8 月 |
公开的、发文的、带编号的。 查到它花了我不到五分钟。
不是"搜不到"，是没去找正确的源头 ------ 一份政府文件不在技术社区里，搜索它的关键词和搜索"有什么比赛"完全不同。
可复用的规则
"找不到"是一个需要被质疑的结论。
在没有确认"我已经找过权威源（政府、标准组织、厂商官方文档）"之前，不要把"搜不到"当成"不存在"。
错误三：把平台自己的说明文档，当成了数据
我让 AI 写一个脚本，去抓 GitHub 上带金额的悬赏 issue。第一次运行，它报出五条 $100 的悬赏。
其中四条：同一个仓库、同一天创建、同样金额。
太整齐了，所以我去核实。 结果是：
真实悬赏数 = 0。
那些金额全部来自 Opire 注入到每个 issue 里的一个样板页脚，内容是它自己的语法说明：
html
<details><summary>This repo is using Opire - what does it mean? 👇</summary>
💵 Everyone can add a reward with `/bounty $100` on any issue.</details>标记存在 ✅、金额存在 ✅、两者都来自平台在解释自己，而不是来自任何人出钱。
可复用的规则
当你的输入来自别人的系统时，输入的一部分是"那个系统对自己的说明"。
你搜索的任何模式，都可能匹配到文档 而不是内容。
对每个抽取的字段都问一句：这段文字出现在这里，有没有可能不是为了我以为的那个原因？
共同点：三个错误都是"合理的中间信号"
复盘一下：
| 错误 | 依赖的信号 | 为什么它会骗人 |
|---|---|---|
| 13 年前的稿费 | "有官方出处" | 出处为真，但过期了 |
| "找不到赛事" | "我搜过了" | 搜索为真，但搜错了地方 |
| 幻影赏金 | "字段匹配到了" | 匹配为真，但匹配到的是文档 |
这三个信号，没有一个是"假的"。 它们只是不回答我问的那个问题。
这才是 AI 调研最难防的失败模式。它不会给你一个明显荒谬的答案 ------ 那种错你一眼就看出来了。它给你一个每一环都能追溯、但整体是错的答案。而这种错，你只有在逐环追问"这个信号真的在回答我的问题吗"的时候才会发现。
我现在的实际做法
三条，很土，但有效：
1. 每个数字先问日期。 "这个数字是什么时候的？"------一句话筛掉大部分过期数据。
2. 区分"权威源"和"第三方汇总"。 政府文件、标准组织公告、厂商官方文档 = 权威源。 "某某导航站整理"、"某篇公众号盘点" = 线索，不是依据。
3. 让 AI 明确标注"未核实"。 我在自己的笔记里强制执行一条：任何未逐字核对过的结论，必须带 ❌ 标记。 带着 ❌ 的结论可以用作下一步的方向，不能用作决策依据。
结尾
这三条规则加起来，其实就是一句话：
在任何判断之前，先问一句：我现在依赖的这个信号，真的在回答我这个问题吗？
如果答案是"不完全是"------那就去找那个直接回答问题的证据，哪怕它更麻烦、更底层、更不好看。
AI 能帮你把调研速度提升一个数量级，也能把犯错的速度提升一个数量级。 区别在于你有没有给它定一条"必须能追溯"的规矩。