你可能遇到过这种情况：AI 给出的答案读起来非常专业，逻辑通顺，甚至配有参考文献，结果一查，那个作者根本不存在。这不是bug，而是这类系统的固有特性。学会识别，是用好它的前提。
要理解这件事，先看它的工作方式。对话式AI 做的事是「根据上下文，生成最可能出现的下一段文字」。它并没有一个可以随时查阅、并且保证准确的数据库被逐条比对。这意味着流畅和真实是两回事：句子越顺，越可能是它按语言习惯拼出来的，而不是查到了确切信息。
当它缺少可靠依据时，一个自然的结果就是把「看起来应该存在」的内容填上去——一个格式完整的书名、一个听起来很像的作者、一条自洽但没人提过的规定。这类现象通常被称作「幻觉」。
不是所有问题都一样严重。大致可以分成三档。
流程框架、操作步骤、方法论这类内容，骨架通常是对的，但顺序、细节、适用条件经常有偏差。用之前对照实际操作手册核一遍。
创意构思、标题备选、语气润色、通俗解释、头脑风暴清单。这类输出本身不声称是事实，错了也不会造成实质损失，放心用。
查得到出处，但点开对不上。这是最典型的情况。它给你一个看起来非常规范的引用格式，作者、期刊、年份一应俱全，但你搜遍全网找不到这篇文章。碰到这种，直接判定为编造。
细节过于顺滑。真实世界的资料往往有例外、有「部分地区」「视具体情况」这类限定。如果AI 说得滴水不漏、没有一个限定词，反而值得警惕。
数字好看但不具体。比如问你某地常住人口，它给出一个位数整齐、看起来很有把握的数，却没有说统计年份和口径。真正可靠的数据通常会附带来源。
你换个问法它就改口。同一件事再问一次，如果核心结论变了，说明它本来就是在生成文本，不是在陈述事实。这种不稳定本身就是最好的检测手段。
用「多问几次」代替自己查证是很多人常犯的错。多次询问会让答案越来越像那么回事，但错误也会被重复得越来越流畅。
交叉验证。同一类问题问两个不同的系统，看答案是否一致。答案不一致的地方，正是需要你去查证的地方。
溯源核对。凡是能被验证的，就去验证——查官方网站、原始文件、权威机构的公开信息。这是最可靠的一招，没有捷径。优先选一手来源，二手转述会叠加误差。
设定自己的红线领域。建议在心里划一条线：哪些内容我不打算依赖AI。个人身份信息、健康、法律决策、财务与合同类事务，都该在红线上。工具再好，也不能替你承担责任。
让AI 帮你自查。你也可以反过来用它：请它列出这段回答里哪些地方需要核实、哪些可能已经过时。它自己指出的薄弱环节，就是你该重点核对的地方。
把AI 的输出当成一个写得很快、语气很自信、但需要你负责核对的草稿，风险就控制住了。
心态上不必焦虑，也不必全盘接受。记住一条原则：凡是会影响你的钱、身体、权益的决定，都必须回到原始来源确认。其余日常用途——润色、构思、归纳、举例——放心大胆地用，错了重写一遍的成本很低。
会用AI 和信AI 是两种不同的能力。前者现在就能练，后者才是真正需要警惕的事。