了解一个工具的运作方式，能帮助您更明智地使用它。本页面用大白话诚实说明 LINC 是如何使用 AI（人工智能）的，哪些环节有真人参与，我们不会如何处理您的信息，以及 AI 存在哪些真实的局限。这里的内容没有藏在任何小字条款里。

LINC 的哪些部分是 AI 完成的

LINC 的部分内容是由 AI（人工智能）驱动的。

• 聊天机器人的回答。 当您使用“问一问聊天机器人”功能时，回复内容是由 AI 撰写的。它会参考本网站上发布的指南来回答您的问题。
• 指南的简短摘要。 许多指南顶部那段用简单语言写的摘要，是由 AI 生成的，目的是让您能快速抓住要点。
• 初步翻译。 LINC 的指南会先由机器翻译成其他语言，每一篇翻译后的指南在真人审核之前，都会标注为“机器翻译”。

LINC 的哪些部分是真人完成的

LINC 的根基是由真人撰写和审核的。

• 指南内容。 本网站上的指南是由真人撰写的，写给正在美国寻求心理健康帮助的人。AI 不会凭空编造指导内容，它只是基于真人写的内容来工作。
• 社区审核员。 来自 LINC 所服务社区的人会审核翻译后的指南，确保语言表达符合大家实际说话和理解的方式。

这样的设计以真人为根基，在此基础上运用 AI，让这些资料更快触达、更易查找。

AI 的回答依据是什么

聊天机器人并不是从整个互联网上寻找答案的。它的回答依据本网站上的指南，也就是说，它是基于真人为您这种处境撰写并审核过的资料来组织答案的。这让它的回答比一般聊天机器人更贴近可靠的依据。但这也意味着，聊天机器人的时效性和完整性取决于它背后的这些指南，因此它仍然可能遗漏内容或说错细节。

用大白话解释一下“依据资料回答”是怎么运作的。当您提出一个问题时，聊天机器人会先在指南中查找与之匹配的部分，然后根据这些内容来撰写答案。这更像是一场“开卷考试”，而不是靠记忆答题。研究人员在审阅了数十项健康类 AI 研究后发现，让 AI 的回答依据可信的原始资料，能把它编造答案的比例降低大约 30% 到 50%，而如果再加上真人审核，这个比例会降得更低（Basu & Huynh, 2026）。即便是最好的情况，也不可能做到零错误，所以“依据资料回答”能降低出错的概率，但不能完全消除。这正是为什么 LINC 仍然坚持让真人参与其中，也是为什么下文提到的那些习惯依然重要。

LINC 绝不会做的事

关于一个工具，最重要的信息之一往往是它不会做什么。

• 没有账户系统。 LINC 不会要求您登录或提供姓名。
• 不保存对话记录。 LINC 不会保留您的聊天记录。您发送的消息会被传给 AI 服务提供商用来生成回复，该提供商不会用这些消息来训练自己的模型。
• 不会用您的消息来训练 AI。
• 不会与移民执法部门分享任何信息。 LINC 不会收集您的身份信息，也不会把信息分享给移民执法机构。

即便有这些保护措施，一个好习惯是：用概括性的方式描述您的情况，避免在任何 AI 工具中输入诸如移民身份、案件编号或证件号码这类具体识别信息。美国联邦贸易委员会（Federal Trade Commission）对使用任何聊天机器人都给出了同样的建议，因为您输入的任何内容都可能被运营该工具的公司收集或保存（Federal Trade Commission, 2024）。更多内容请参见安全使用 AI 来关注您的健康。

AI 已知的局限

我们宁愿您提前了解这些局限，也不希望您在关键时刻才发现问题。

• 翻译质量因语言而异。 研究人员测量发现，AI 在英语以外语言中的回答质量往往较弱（Jin et al., 2024），网络上文本资料较少的语言，质量下降尤为明显。有一个研究团队测试了 Google 翻译在急诊室指导说明上的表现，发现西班牙语能保持正确含义的比例约为 94%，而亚美尼亚语只有 55%，他们得出结论：不应仅凭这类翻译工具向患者提供说明（Taira et al., 2021）。这正是为什么 LINC 的每一篇翻译都会经过真人审核。参见AI 在您的语言中可能表现更差。
• 聊天机器人可能会出错。 和所有 AI 聊天机器人一样，它可能会给出语气自信但内容错误的答案，尤其是在电话号码、地址、费用和资格条件这些方面。在一项研究中，医生审核了四款知名 AI 聊天机器人给出的答案，发现有 5% 到 13% 的答案不够安全，可能带来实际伤害（Draelos et al., 2026）。语气听起来很肯定，并不代表答案就一定正确。参见AI 也会出错。
• 它不会承担临床角色。 聊天机器人不会给您下诊断、推荐具体药物，也不会充当您的治疗师。这些工作应该由持证的专业人员来做。当聊天机器人不确定时，它被设计成会明确说出来，研究表明，AI 表达自己的不确定性有助于人们更恰当地判断该在多大程度上信赖它的回答（Kim et al., 2024）。

我们为什么要告诉您这一切

坦诚说明工具的运作方式，本身就是安全使用它的一部分。关于 AI 助手的研究发现，清楚说明一个工具知道什么、不知道什么，能帮助人们更恰当地判断该信赖它到什么程度（Kim et al., 2024）。这与世界卫生组织（World Health Organization）的立场一致，其 2024 年关于健康领域 AI 的指导意见警告，这类模型可能给出虚假、不准确、带偏见或不完整的答案，因此呼吁保持人工监督，而不是盲目信任（World Health Organization, 2024）。如果您能用自己的话说清楚 LINC 的 AI 是用来做什么的、它的局限在哪里，那您就有能力善用它有用的部分，同时把高风险的问题交给真人处理。这正是 LINC 希望被使用的方式。

如何用好 LINC

只需养成几个简单的习惯，就能在安全的前提下发挥 LINC 的作用。

• 把任何电话号码、地址、费用或资格条件，都当作需要核实的草稿信息。 在采取行动之前先去官方渠道核实：遇到危机时拨打或发短信到 988，可以在 findtreatment.gov 查找诊所，或在 findahealthcenter.hrsa.gov 查找社区健康中心（Federal Qualified Health Center，FQHC），并向您的医疗保险计划或所在州的 Medicaid（医疗补助）办公室确认报销范围。
• 把高风险的问题交给真人来处理。 涉及移民身份、法律问题或医疗决定的任何事情，请咨询社区健康工作者（community health worker）或持证专业人员。美国联邦贸易委员会（Federal Trade Commission）对任何聊天机器人都给出同样的建议：用可信渠道核实它给出的答案，不要仅凭它做医疗、法律或财务方面的决定（Federal Trade Commission, 2024）。LINC 只是一个起点，不是最终答案。
• 提供概括性的信息即可。 您不需要输入姓名、移民身份、案件编号或证件号码，也一样能获得有用的帮助。
• 当一个答案让您觉得不对劲时，去核实一下。 可以问聊天机器人它参考了哪篇指南，自己再打开那篇指南看看，或者拿这条信息去和可信来源（MedlinePlus）比对一下。

这些习惯与研究结果相符：当人们了解一个 AI 工具的局限，并对其重要结论加以核实时，就能更恰当地判断该在多大程度上依赖它（Kim et al., 2024）。

常见问题

我发的消息会有真人来看吗？ 不会。当您使用“问一问聊天机器人”功能时，回复是由 AI 当场生成的，不会有工作人员在旁边看您的聊天内容。虽然 AI 参考的指南是由真人撰写和审核的，但没有人会去看您输入的具体内容。

聊天机器人能替我拨打 988 或联系别人吗？ 不能。聊天机器人只能给您回复文字。它不能替您拨打电话、发送消息、预约就诊，也不能替您联系危机热线。如果您正处于危机中，请自己拨打或发短信到 988；如果有生命危险，请拨打 911。聊天机器人能做的是帮您找到正确的号码，并帮您理清该说些什么。

会不会有人知道我用过 LINC？ 不会。LINC 没有账户系统，也不会保存与您相关的聊天记录，因为它从不要求您提供姓名，也不需要您登录。您的消息不会被分享给移民执法部门。使用任何 AI 工具时，一个明智的习惯是不要透露个人信息，因为运营聊天机器人的公司有可能收集您输入的内容（Federal Trade Commission, 2024）。您完全可以在获得 LINC 真正帮助的同时，保护好自己的姓名、身份和案件编号等隐私。

我怎么知道聊天机器人是不是编造了内容？ 把每一个具体细节都当作需要核实的信息。电话号码、地址、价格、日期和资格条件，正是 AI 最容易出错的地方。可以问聊天机器人它的答案来自哪篇指南，然后自己打开那篇指南看一看。对于任何重要的事情,在采取行动之前,请到官方渠道核实,比如 findtreatment.gov 或 MedlinePlus。这也是美国联邦贸易委员会（Federal Trade Commission）针对任何聊天机器人回答给出的相同建议（Federal Trade Commission, 2024）。

Sources

• Basu, S., & Huynh, B. (2026). Mitigating hallucinations in healthcare AI: A systematic review of evidence-based strategies. BMC Health Services Research. https://doi.org/10.1186/s12913-026-14851-1.
• Draelos, R. L., Afreen, S., Blasko, B., Brazile, T. L., Chase, N., Desai, D. P., Evert, J., Gardner, H. L., Herrmann, L., House, A. V., Kass, S., Kavan, M., Khemani, K., Koire, A., McDonald, L. M., Rabeeah, Z., & Shah, A. (2026). Large language models provide unsafe answers to patient-posed medical questions. NPJ Digital Medicine, 9(1). https://doi.org/10.1038/s41746-026-02428-5.
• Federal Trade Commission. (2024, September). Operation AI Comply: Detecting AI-infused frauds and deceptions. Consumer Advice. https://consumer.ftc.gov/consumer-alerts/2024/09/operation-ai-comply-detecting-ai-infused-frauds-and-deceptions.
• Jin, Y., Chandra, M., Verma, G., Hu, Y., De Choudhury, M., & Kumar, S. (2024). Better to ask in English: Cross-lingual evaluation of large language models for healthcare queries. Proceedings of the ACM Web Conference 2024 (WWW ‘24). https://doi.org/10.1145/3589334.3645643.
• Kim, S. S. Y., Liao, Q. V., Vorvoreanu, M., Ballard, S., & Vaughan, J. W. (2024). “I’m not sure, but…”: Examining the impact of large language models’ uncertainty expression on user reliance and trust. Proceedings of the 2024 ACM Conference on Fairness, Accountability, and Transparency (FAccT ‘24). https://doi.org/10.1145/3630106.3658941.
• MedlinePlus. Evaluating health information. U.S. National Library of Medicine. https://medlineplus.gov/evaluatinghealthinformation.html.
• Taira, B. R., Kreger, V., Orue, A., & Diamond, L. C. (2021). A pragmatic assessment of Google Translate for emergency department instructions. Journal of General Internal Medicine, 36(11), 3361-3365. https://doi.org/10.1007/s11606-021-06666-z.
• World Health Organization. (2024, January 18). WHO releases AI ethics and governance guidance for large multi-modal models. https://www.who.int/news/item/18-01-2024-who-releases-ai-ethics-and-governance-guidance-for-large-multi-modal-models.

LINC 是一个研究性质的原型项目，并非医疗或法律服务。翻译内容可能有误，您有权要求提供免费的专业口译员。对于任何高风险的事情，请与社区健康工作者或您信任的人一起处理。如果您正处于危机中，请拨打或发短信到 988；如有生命危险，请拨打 911。