上一讲你学会了把话说清楚，AI 就能给出像模像样的东西。但"像模像样"是个陷阱——AI 的文笔太顺了，顺到你会不自觉地默认它是对的。真相是：它给你的永远是草稿，拍板定稿的人是你。这一讲给你一套验收标准，先来找一次茬，再把标准变成一张能勾的清单。

换个观念

很多人用 AI 的姿势是：提个问题，拿到结果，复制走人。问题就出在这一步——你把"生成"当成了"完成"。

AI 生成的是草稿，人负责验收和定稿。不要因为它写得顺，就默认它是对的。

AI 有个要命的特点：哪怕它在胡说，语气也一样自信。数据可能是编的，引用可能是假的，逻辑可能是断的，但包装得天衣无缝。业内管这叫"幻觉"。所以你不能靠"读起来顺不顺"判断好坏，得靠一套明确的标准去挑。

先来找一次茬

下面是 AI 给一款保温杯写的详情页文案，读起来挺顺。挑出最不能直接用的那一处：

这款 316 不锈钢保温杯采用真空双层结构，12 小时后水温仍在 60℃ 以上。据《2025 中国保温杯消费白皮书》统计，93% 的用户认为它是同价位最好用的杯子。杯盖一键弹开，单手就能喝水，通勤、健身都方便。

七个维度

拿到 AI 的输出，别急着用，按这七块过一遍。点一块，看查什么、怎么查：

拿不准的事实怎么查

最实用的三个办法：

• 让它给出处，再自己点开看。没有出处、或者出处打不开的，按"不存在"处理。
• 关键数字查一手来源。价格、参数、政策、日期，去官网或官方公告核对，别信二手转述。
• 换个模型交叉检查。把结果丢给另一个 AI，让它专门挑事实错误。可以直接用这条：

下面这段内容是 AI 生成的，请你当一个严格的事实核查员：
1. 逐条列出里面所有事实性陈述（数据、日期、引用、人名、产品参数）；
2. 每条标注：可以确认 / 需要核实 / 很可能是编的，并说明理由；
3. 不要改写原文，只做检查。

内容：【粘贴要检查的内容】

一张清单

七个维度记不住没关系，每次用之前过一遍这张单子。勾过的会记在你这台设备上：

• 内容准确，关键数据和引用已经核对过
• 要点完整，对照需求没有遗漏
• 结构清楚，逻辑通顺
• 能直接执行，有具体步骤
• 风格符合预期，像我的号 / 我的公司
• 贴合业务，换个品牌就用不了（这是好事）
• 没有隐私、版权、违规风险
• 拿不准的地方，已经找人复核

验收流程

发现毛病，很多人第一反应是自己上手改。先别。你手里握着一个不知疲倦的帮手，该做的是把问题喂回去让它改：

1. 明确需求回顾最初要什么，列出关键要点，验收才有尺子。
2. 对照检查拿七个维度逐项过一遍输出。
3. 标记问题把毛病记下来，想清楚往哪个方向改。
4. 补充信息把缺的背景、限制补给 AI，让它改得准。
5. 迭代优化再次生成，再验一遍，直到通过。
6. 确认定稿通过后存档，变成下次能复用的模板。

怎么把问题喂回去、让 AI 越改越准，是第 07 讲的主题。这里先记住：验收不是终点，是迭代的起点。

五个提醒

• AI 会编造——不确定的数据一定查证。
• 别直接复制——拿到就用是大忌，结合实际再加工。
• 警惕顺口——看起来合理，不等于真的正确。
• 敏感内容谨慎——隐私、财务、合同，处理前先脱敏（第 08 讲细讲）。
• 责任在人——AI 是助手不是决策者，出了事担责的是你。

验收的本质：用标准发现问题，用迭代提升质量，让 AI 的输出真正为你所用。