业州愚公在《AI 提效实战手册》第 06 篇中提到，老陈使用周报模板快速完成客户周报，但客户回信询问新功能上线时间，老陈才发现自己犯了错误。这个事件凸显了同一模型自我检查的不足，业州愚公因此提出双模型盲审的方法，利用两个模型交叉验证以拦截幻觉和偏误。这个方法包括使用材料治理幻觉和提问治理偏误，业州愚公还提供了一份可参考的审稿提示词和成本适用边界表，以帮助读者改善自己的工作流程。
菜鸟之友系列：《AI 提效实战手册》・第 06 篇作者：业州愚公
老陈上周吃了个闷亏。他用第 05 篇那道周报模板，五分钟把客户周报交出去——格式漂亮、段落规整，他扫两眼就发送了。
半小时后客户回信：「新功能的上线时间，我怎么没听说过？」
那个时间点不在任何材料里。模板的约束栏明明写着「不出现估算数字、没提到的进度一律写进行中」，AI 还是补了一句「预计下周上线」——周报这种文体，天生就期待有人给一个时间点。
老陈犯的错不是用了 AI，是只让同一个 AI 检查自己刚写的东西。他把稿子贴回去问「有没有问题」，模型回他「内容完整、逻辑清晰」——挑不出毛病，因为那句话本来就是它自己写的。
这一篇讲的就是这道工序：检查。 谁来检查 AI？答案不是「换一个更聪明的模型」，而是换一个不知道你希望答案是对的模型。
很多人以为检查是 AI 顺手就能干的活，随口一句「你再看看有没有问题」就当查过了。这一步几乎不花成本，也几乎没作用。原因不复杂：
生成和检查如果同一个模型、同一个对话来做，面对的是同一套偏好、同一个盲区。它写下「预计下周上线」时认为合理，回头再读还是认为合理。它不是不诚实，是它的盲区和它的产出，从同一个地方长出来。
我拿同一份埋了错的稿子做过几种审法（个人实测记录；预埋 3 处事实错误、2 处结论超出证据）：
| 审稿方式 | 抓到的事实错误 | 抓到的逻辑问题 | 单次耗时 |
|---|---|---|---|
| 同一对话里问「有没有问题」 | 0 | 1 | 半分钟 |
| 换另一家模型、盲审（只给稿件与原始材料） | 3 | 2 | 6 分钟 |
| 换模型盲审 ＋ 人回原始出处逐条对 | 3 | 2 | 20 分钟 |
这张表有三件事要看清楚。
第一，同一对话的自查是真的没用，不是运气差。它一句错话都挑不出来，却能挑出一处逻辑问题——逻辑问题是客观断裂，事实问题是它自己造的。
第二，换个模型，结果就变了。不是第二个更聪明，而是它没参与生成，对那句话没有偏爱。
第三，只有最后一行才算真的查过：前两行的「抓到」只是缩小可疑范围，事实错误的定案永远要回到原始出处。
要讲清楚「怎么审」，先得把「审什么」分开。AI 的产出问题是两种病，长得很像，药完全不同。
幻觉（hallucination）：说了不存在的事实。 数字、时间、人名、来源、条款都有外部标准答案。它编了一个上线日期、一个不存在的文件名。判断幻觉只有一条路：回原始材料或外部来源找原句，找不到就是幻觉。 模型审不出幻觉——它用的还是「像不像真的」这套标准；只有材料能审幻觉。
偏误（bias）：事实没错，取舍歪了。 五条进度只挑三条好的写、把「还在测试」写成「进展顺利」、结论比证据走得更远。挑不出一个假数字，但整篇判断是歪的。偏误没有外部标准答案，只能靠对抗式提问逼出来：问它「如果结论要反过来，你会拿哪几条材料？」
| 病 | 长什么样 | 靠什么拦 | 谁能定案 |
|---|---|---|---|
| 幻觉 | 不存在的数字、时间、来源、引用 | 回原始材料逐句对 | 材料与外部来源，不是模型 |
| 偏误 | 取舍、措辞、结论超出证据 | 对抗式提问、反向假设 | 人（要懂业务脉络） |
一句话记住：幻觉用材料治，偏误用提问治，格式用模板治。 拿「你再检查一下」去治幻觉，等于拿体温计量血压。
异模型互审不是「把稿子丢给另一家模型问好不好」——那样只会换回一段客气话。要它真的挑错，有四个规矩。
规矩一：盲审，不给生成过程。 只给它三样：待审稿件、原始材料、评分清单。不要给它你的提示词，也不要给它生成模型的解释。它一旦知道你「本来想要什么」，就会照着你的期待去读，审出来还是「挺好的」。
规矩二：隔离材料。 审稿模型拿到的必须是同一份原始材料（报价单、会议纪录、数据表），不是生成模型转述过的版本。转述过一遍，错的东西就被洗白了——第 04 篇老陈贴错报价单那次，栽的是同一件事。
规矩三：要依据，不要意见。 每一条问题后面必须跟一句「依据」：引原始材料的原句，引不到就写「无依据」。这一条把「审稿模型自己也会幻觉」的风险压到可接受的程度——它编的依据你一眼看得出来，它给的意见你看不出来。
规矩四：允许它说「查不到」。 硬逼模型给结论，它就会编。明文写上「查不到依据的请单独列出来」，反而能得到最有用的讯号。
按这四条，审稿提示词照第 05 篇那五段结构来写：
| 段落 | 内容（可直接照抄改） |
|---|---|
| 角色 | 你是独立审稿人。立场是「假设这份稿件有错，去把它找出来」，不是「确认它没问题」 |
| 输入 | 待审稿件〔贴〕／原始材料〔贴〕／评分清单〔贴〕 |
| 约束 | 不得改写稿件；不得补充你自己知道的知识；只允许指出「与原始材料不符」或「原始材料未提及」 |
| 输出格式 | 三栏表格：位置｜问题类型（事实／逻辑／语气）｜依据；引不到原句的一律写「无依据」。最后另起一段列「查不到依据的三处」 |
| 自检清单 | 逐条确认：每个判定是否都附了依据；有没有把自己的推测写成事实 |
一个必须知道的边界：审稿模型也会幻觉。 所以它的结论要分级看——附了原始材料原句的，回去核一下就能定案；给不出依据的只当提示。也别拿第二个模型去审第二个模型的审稿意见，一层套一层，只会得到一堆没有出口的意见。
盲审一轮不便宜。以我这边的实测，换一家模型做一轮三栏表式盲审，耗时约是生成本身的四成，费用也在同一量级（以各家官方公告为准）。所以问题不是「要不要审」，而是哪些稿件值得审。
判断标准是两个数相乘：翻车代价 × 发生的机率，高过审稿成本才审。
| 任务类型 | 翻车代价 | 建议审稿层级 |
|---|---|---|
| 对外文件、报价、合约摘要、给客户的周报 | 高（丢单、担责） | 异模型盲审 ＋ 人回原始出处逐条核 |
| 内部草稿、脑暴、自己看的笔记 | 低 | 同模型开新对话自查就够 |
| 任何含数字、时间、人名、条款的内容 | 高 | 一律回原始出处，模型审稿不算「查过」 |
| 决策建议、方案比较 | 中高 | 异模型做对抗式提问，人做最终裁决 |
| 批量改写、格式转换 | 低（错了看得见） | 抽样审 |
还有一句话很多人不愿意接受：审稿的最后一哩不能外包。 模型能把可疑处圈出来，把范围从两千字缩到三句；但「这三句对不对」只有你能定案。
| 工序 | 派谁 | 要点 |
|---|---|---|
| 生成初稿 | 主笔型模型 | 中文语感稳、长文结构不散，与第 05 篇的模板同一套 |
| 圈出可疑处 | 与主笔不同家的分析型模型 | 一定要换一家：同一家的模型错误倾向高度重叠，盲区也重叠 |
| 事实定案 | 人 ＋ 原始材料（可先让带联网检索的模型筛一遍） | 模型只负责缩小范围，不负责裁决 |
| 偏误审稿 | 分析型模型，用对抗式提问 | 不给生成过程，逼它反向假设 |
| 最终发布 | 人 | 高代价任务，人工裁决这一关不能省 |
第 01 篇讲「不要用一个模型干六种活」，这一篇是它的反向用法——写稿的模型和审稿的模型，最好不是同一个，甚至不是同一家。
挑一份你最近三天内要发出去、含数字或时间点的稿件。开一个新对话（最好换一家模型），只贴三样：稿件、原始材料，再加这段要求：
假设这份稿件有错，逐条列出来。三栏表格：位置、问题类型（事实／逻辑／语气）、依据；依据必须引原始材料的原句，引不到就写「无依据」。最后列出你查不到依据的三处。
然后只看「依据」那一栏，凡是写「无依据」的回原始材料核一遍，核不实的删掉。这一轮大概十五分钟，换回来的是你不会在客户面前被问一句「我怎么没听说」。
老陈后来把「客户周报」的流程改了，只在末尾加一步：发送前换一家模型盲审一次。他说了一句挺准的话：「它不是比我聪明，是它不用给我自己面子。」
一个模型写，另一个模型挑——不是因为第二个更聪明，是因为它不知道你希望答案是对的。 检查这道工序花掉的十几分钟，买的不是更漂亮的文字，是你敢把它发出去。
工具推荐随身机器人（新用户免费试用 7 天）
不想每次手动换模型、手动贴材料？SY 视野的「随身机器人」把生成与审稿串成一条流程：一份稿件走完写作与检查两道工序才交到你手上，可疑处会连同依据一起标出来。进入 SY 视野（sylogs.com）开通试用——试用 7 天，先让你最不敢发的那份稿件过一遍。
下一篇预告： 工序有了、模板有了、审稿也有了，但还剩最后一个问题没回答：你到底省了多少？ 「感觉快多了」不是答案，第 01 篇那笔帐也只是别人的一天。《提效要能量化：三个指标与一张月度帐本》将给出时间、成本、返工率三个指标的口径与一份可照着填的月度帐本，并点出那些其实在亏本的任务。敬请关注。
业州愚公 ｜ SY 视野（sylogs.com）原创内容，转载请注明出处。
编辑评论 / Editor's Note
这种双模型盲审的方法可以有效地提高对话系统的准确性和可靠性，减少因为单一模型审查而导致的错误和偏见。通过使用两个不同的模型进行交叉验证，可以更好地检测和纠正错误，从而提高整体的质量和可信度。这种方法对于需要高准确性和可靠性的应用领域尤其重要。