一项你需要说明的福利或流程 一份待核实的文件清单初稿
先弄清流程需要哪些文件，再逐一核实
我需要帮助某人申请我说明的福利或流程，地点是我说明的州或县。请列出通常需要准备的文件和办理步骤，并为每一项都附上官方信息源和链接，同时标出哪些内容会因地点而异，或者你不确定的地方。 [写明项目名称和所在地点，不含服务对象身份信息]
安全提醒。 在服务对象依赖某项信息之前，打开每一份资料来源，对照官方项目页面核实每一份文件。
AI 实际上能帮你做什么 这个循环 聊天机器人是快速了解情况的方式，不是一条可以直接引用的出处。凡是服务对象将据以行动的内容，都要对照官方页面确认。
2
研究与 Deep Research
AI 可以加快信息查找的速度。它的能力范围从一个简单快速的答案，到需要阅读大量资料来源、生成带引用书面报告的多步骤 Deep Research 任务。无论是哪一种，得到的都只是一份初稿，需要你先核实，才能让人据此采取行动。
先解释清楚，再回到信息源确认
请它用通俗的话解释一项规定通常是怎么运作的
问清楚信息的出处并让它检索最新的内容
到官方信息源确认然后才可以依赖它
- 一个简单的问题会得到一个简短的答案。Deep Research 任务会分多个步骤阅读大量资料来源，并生成一份带引用的书面报告，你可以逐条打开核对。
- ChatGPT、Gemini、Perplexity 和 Claude 都提供 Deep Research 模式或研究模式，普通的聊天机器人则可以处理比较简单的查找。其中一些工具，比如 Gemini 和 ChatGPT，会在开始执行之前先给你看一份研究计划，这正是调整研究范围最合适的时机。
- 先弄清楚某项福利或流程需要哪些文件，这样你进入会议时就已经掌握了清单。
- 比较不同项目之间的资格规则，看哪一个适合具体情况，并为每一条规则附上官方信息源。
- 查找某项政策或表格的最新变化，确保你使用的是当前版本。
- 在撰写资助申请书时，一次 Deep Research 任务能做的不止是拉取统计数字：它可以检索关于你关心的两个因素之间关系的既有研究，或关于改善某项结果的干预措施的既有研究，并总结这些研究的篇幅、设计和结果测量方式，为每一项都附上信息源和链接，供你在引用之前先阅读核实。
- 这个工具可能检索到一个质量不高的来源，也可能读错一个好来源，或者给出一个连它自己引用的资料都不支持的自信结论，所以每一个链接都要打开，亲自阅读引用内容。
- 规则会变化，模型也有训练数据的截止日期，所以凡是会决定服务对象该怎么做的信息，都要对照官方信息源确认，查询中绝不能包含服务对象的身份信息。
它是如何运作的，又会在哪里出错
研究模式先检索，再总结检索到的内容
研究模式或 Deep Research 模式，会在写作之前多加一个步骤。它先执行检索，取回一批文档，再依据这些文档写出答案，同时给出引用。这种设计叫作检索增强生成（retrieval-augmented generation），最初提出它，是为了让模型的输出锚定在检索到的文本上，而不是单纯依赖记忆（Lewis 及同事，2020）。正因为锚定在真实的资料来源上，一份好的研究报告才可能比普通聊天机器人的答案更新、也更容易核查。
锚定在来源上，不等于内容正确
检索能提高命中真实信息的概率，但不能保证内容为真。这个工具可能检索到一个质量低劣或已经过时的页面，可能读错一个它确实检索到的来源，也可能写出一段看似确凿、但连它自己引用的资料都不支持的综合论断。对这类系统的综述发现，生成的文字常常流畅、看似可信，却与原始来源不符或没有事实依据（Ji 及同事，2023）。一句话旁边的引用，告诉你这个工具去哪里查过，并不能确认这句话是对的。打开每一个链接，确认它确实支持报告中的说法。
找不到答案时，它仍然会给出一个"答案"
当检索几乎一无所获时，这个工具很少会干脆什么都不说。它会用手头现有的一切拼凑出一个看似合理的回答，这就是一个从未真正被找到的福利金额或申报规则，最终却被非常自信地陈述出来的原因。这种风险并非纸上谈兵：截至 2026 年初，一个公开数据库已经记录了一千多份包含 AI 捏造引用的法庭文件，这正是移民和法律援助指南如今要求工作人员对照原始来源核实每一条 AI 提供的引用的原因（Charlotin，2026）。要求它为每一点都给出官方信息源和链接，并标出无法确认的内容，对没有被标出的说法，也要保持同样的谨慎。
可核实的研究
如何进行一次可以信赖的研究任务
- 清楚说明你的问题，说明你需要得到什么样的结果——比如一份文件清单或一张比较表，并给出确切的名称：项目名称、表格编号、所在的州或县。
- 如果这个工具在开始执行前先给你看一份研究计划，读一下并及时调整范围，因为这是纠正错误方向成本最低的时机。
- 要求它使用官方或一手信息源，为每一点都附上信息源和链接，并标出无法确认的内容。
- 查询中不要包含服务对象姓名和身份信息。
- 打开每一个链接，阅读引用内容，确认它确实支持报告中的说法。
- 在服务对象依赖某项信息之前，先对照官方项目或机构网站进行确认。
一份你经常使用的表格或规则 一份核实过的变更清单
查找某份表格或规则的最新变化
请告诉我我说明的表格或规则是否发生过变化、具体变化了什么、以及变化的时间。请为每一项变化附上官方信息源和链接，并标出你无法确认的内容。 [写明表格或规则的名称及所在地点]
安全提醒。 模型的信息可能已经过时，在采取行动之前，请在官方网站上核实每一项变化。
服务对象可能用到的两个或更多项目 一份带信息源、待核实的资格比较
比较不同项目之间的资格规则，并为每条附上信息源
比较我说明的这些项目在我说明的州或县的资格规则。把它整理成一张表格：每行一条规则，每列一个项目，每个单元格附上官方信息源和链接。标出任何因地点而异或你无法确认的规则。 [写明项目名称和所在地点，不含服务对象身份信息]
安全提醒。 在服务对象依赖某项信息之前，打开每一份资料来源，对照官方项目页面核实每一条规则。参见 模块 2。
资助申请书叙述部分的一个主题 一份带信息源的文献综述初稿
查找既有报告和研究，为资助申请书的叙述部分打基础
查找我说明的这个主题的近期研究和报告，供我在资助申请书的叙述部分引用，包括任何关于我说明的两个因素之间关系的研究，以及关于改善我说明的这项结果的干预措施的研究。对每一项，给出标题、作者或机构、年份、一句话研究发现摘要、任何干预措施的时长和设计、结果的测量方式，以及一个链接。注明哪些经过同行评审，哪些是倡导团体或政府来源，并标出你找不到真实链接的内容。 [说明主题和服务群体]
安全提醒。 在引用之前打开并阅读每一个来源，因为这个工具可能列出一个并不存在的标题，或一个对不上的链接。参见 模块 1。
实例分析
当引用支撑不了说法的时候
- 你问研究模式，服务对象在你所在州申请某项福利需要哪些文件，并要求为每一项附上官方信息源和链接。
- 报告条理清晰，列出了八份文件，每一份都附有一个看起来像是州政府机构网站的引用。
- 打开链接后，六个指向正确的页面，内容也吻合。一个链接指向邻州的规定，还有一个链接到一个真实存在的页面，但那个页面从未提到报告里所附的那份文件。
- 你保留了六项已核实的内容，纠正了另外两项资料来源不支持的内容，并对照官方申请页面检查最终清单。引用告诉你这个工具去哪里查过，而逐一核实才是让这份清单可以放心使用的原因。
安全提醒。 把每一项研究结果都当作尚未核实的内容。打开每一个链接，核对每一条引用，并对照官方信息源确认服务对象所依赖的任何内容。在每一次查询中都不要包含服务对象身份信息。参见 模块 2 和 模块 1。把你查到的内容转化为资助申请叙述时，请参见 为报告、资助申请与外展工作讲故事。
来源
- Lewis, P., Perez, E., Piktus, A., Petroni, F., Karpukhin, V., Goyal, N., Kuttler, H., Lewis, M., Yih, W., Rocktaschel, T., Riedel, S., & Kiela, D. (2020). Retrieval-augmented generation for knowledge-intensive NLP tasks. In Advances in Neural Information Processing Systems 33. https://arxiv.org/abs/2005.11401
- Ji, Z., Lee, N., Frieske, R., Yu, T., Su, D., Xu, Y., Ishii, E., Bang, Y. J., Madotto, A., & Fung, P. (2023). Survey of hallucination in natural language generation. ACM Computing Surveys, 55(12), 1-38. https://doi.org/10.1145/3571730
- Du, M., Xu, B., Zhu, C., Wang, X., & Mao, Z. (2025). DeepResearch Bench: A comprehensive benchmark for deep research agents. arXiv. https://arxiv.org/abs/2506.11763
- Jazwinska, K., & Chandrasekar, A. (2025). AI search has a citation problem. Tow Center for Digital Journalism, Columbia Journalism Review. https://www.cjr.org/tow_center/we-compared-eight-ai-search-engines-theyre-all-bad-at-citing-news.php
- Charlotin, D. (2026). AI hallucination cases database. https://www.damiencharlotin.com/hallucinations/