想让 AI 引用来源，应该先限定问题，要求每个重要主张都有可追溯来源，再亲自检查引用。链接或脚注只是线索，不是保证：OpenAI 提醒 ChatGPT 可能生成不存在的引用，或错误描述真实来源的内容。［1］

更完整的证据意识可以参考如何核查 AI 回答。本文聚焦一个更窄的任务：把 AI 回答拆成“主张/证据”工作表，让别人也能复核。

关键要点

先把回答拆成主张，再查看其中的引用。

要求提供稳定的来源信息，而不只是一串链接。

检查来源是否存在、是否有资格支持该主张，以及是否真的支持它。

改写时保留日期、限定语、人群和定义。

把主张标为无依据或不确定，而不是把一句看似合理的话升级为事实。

如何让 AI 引用来源并核查？

AI 系统是在预测文本。即使某个条目并不存在，它也能生成看起来很真实的标题、URL、作者、引语或页码。它还可能把一个真实来源挂到该来源从未说过的句子上。OpenAI 的指引把这类“虚假引用”描述为已知的失效模式，并建议在原始来源中核实重要信息。［1］

区别很简单：

项目	它能说明什么	它不能说明什么
出现引用	回答中有一个引用样式的对象	页面真实存在或与主题相关
来源真实	你能打开该页面或文档	来源支持这句确切的主张
段落相关	文字涉及该主题	段落能证明因果、时效或普遍性
证据充分	主张通过了你定义的检验	主张对每一项决策都安全

把每一行都当作一项单独的检验。如果一项高风险主张没有通过其中一项检验，不要用更好的文字去挽救它。

第 1 步：把回答拆成可检查的主张

把草稿复制到工作表中，并拆分复合句。“该政策使欺诈减少了 20%，并且适用于所有客户”至少包含两项主张：一项测得的变化和一项泛化。它们可能需要不同的来源和不同的检查。

每项主张占一行：

主张 ID	原文中的主张	所需证据	出错的风险
C1	该政策减少了报告的欺诈	带日期、有明确比较对象的测量	决策可能高估影响
C2	结果适用于所有客户	人群和抽样证据	某个群体可能被排除
C3	该政策目前仍然有效	当前的官方政策页面	读者可能遵循旧规则

把原始措辞放在一列，把你谨慎改写后的版本放在另一列。这样在为了流畅而编辑时，更不容易忘记某个限定语。

第 2 步：用可验收的格式要求引用

不要只说“加上来源”。告诉模型一条可用的来源记录包含什么，以及找不到来源时该怎么做。例如：

为下面每项主张提供一到两个公开来源。返回一张表，包含主张 ID、来源标题、发布者、发布日期、URL、支持的段落或章节，以及一句话的局限说明。只使用你能确认的来源。如果某个来源无法核实，写“未核实”，不要编造 URL 或引语。把事实与你的解读分开。

把主张和允许使用的来源范围交给模型。如果你已有一组来源，就写明这些文档或页面。如果主题有时效性，就加上日期要求，并让它标出较旧的材料。

截图展示公开 Gemini 零状态界面中的合成提示词，未提交回答，不含账号或客户资料。

这份约定就是一项验收测试。即使链接看起来很可信，缺少发布者、日期、局限或核实状态的回答也是不完整的。

第 3 步：检查来源真实且适合

亲自打开每个 URL。对于文档，使用官方发布者、资料库、DOI 记录或原始数据集，而不是转载的摘要。检查：

**身份：**标题、作者或机构以及 URL 与表中一致。
**权威性：**发布者有资格支持这类主张。
**日期：**发布或更新日期符合问题的时间边界。
**版本：**页面不是草稿、已被取代的政策或搜索结果摘要。
**可访问性：**另一位审核者无需依赖你的私人会话，也能打开同一来源。

如果 URL 返回登录墙、重定向或无关页面，就把该来源标为未核实。不要因为模型很自信就推断它存在。

重要主张优先找一手证据

对于法律或政策，从发布机构开始。对于测量数据，从数据集或方法部分开始。对于产品功能，从供应商当前的文档开始，并说明可用性可能取决于账户、地区或方案。二手文章可以帮你找到一手来源，但不应悄悄取代它。

第 4 步：把主张和引用段落逐字比较

阅读段落周围足够的上下文，以理解其对象、条件和例外。然后对二者的关系进行分类：

结果	含义	较安全的说法
支持	段落在相同条件下陈述了该主张	“报告指出……”
部分支持	段落只支持一个更窄的版本	“在受研究的群体中……”
矛盾	段落说的是不同的内容	“来源不支持这一说法”
未找到	你找不到所声称的证据	“未找到支持段落”
不清楚	来源或上下文无法访问	“有待核实”

留意常见的“升级”：

相关变成因果：“与……有关”变成“导致”。
样本变成总体：“受访者”变成“所有人”。
**估算变成事实：**模型、预测或区间失去了不确定性。
**过去变成现在：**旧政策被描述为目前仍然有效。
可能变成承诺：“可能”或“可以”变成“将会”。

在改写中保留来源的局限。如果原文说的是“某一个城市的受访者”，就在句子和工作表中都保留这个边界。

第 5 步：检查引语和改写

如果模型提供了引语，就在来源中搜索确切的措辞，并确认附近的句子没有反转其含义。简短的摘录更容易审核，也更不容易超出发布者的转载政策。如果找不到这段引语，就改为明确标注的转述，或把该主张标为无依据。

对于转述，比较主语、动词、数字、日期、条件和结论。把“可能”改成“确实”这样的小变化，就可能改变一条操作指令的风险。可以要求模型列出差异或被改动的限定语，但最终的比较要由你自己完成。

第 6 步：给每个主张记录证据决定

在工作文档中使用一张精简的主张/证据表：

ID	主张	来源	已检查的段落	结果	局限	负责人
C1	该政策减少了报告的欺诈	官方评估，第 8 页	“……”	部分支持	一个地区，六个月	分析员
C2	结果适用于所有客户	同一评估	没有全体范围的测试	未找到	样本不含新账户	审核人

负责人一栏能防止工作表变成装饰性的附录。把未解决的行交给一位具名的审核人，在审核人结案之前，不要把它们写进摘要。

高风险用途设置停止规则

对于健康、法律、金融、雇佣、安全、身份或生产环境变更，要求一手来源和一位负责的人工审核者。如果来源无法访问、已经过时，或只是间接相关，就停下来，要求更好的证据。NIST 的生成式 AI 风险概况强调记录风险、局限和人工监督，而不是把生成的文本当作不容置疑的权威。［2］

常见引用失败及修复

网址看似真实却打开另一页

使用发布者的搜索或站内导航找到当前的来源。记录这一不符之处，并从草稿中删除模型生成的 URL。绝不要靠猜测一个相近的路径来修复失效的引用。

一个来源被拉来支持无关主张

拆分主张，并询问该来源支持的是哪一句。只有当第二个来源涵盖一个不同的命题时，才添加它；不要在没有提高覆盖面的情况下堆砌参考文献。

真实来源被引用却漏掉限制

从周围的段落中补上人群、日期、方法或置信区间。如果这个局限改变了结论，就改写主张，而不是把细节藏在脚注里。

回答引用搜索摘要

把搜索摘要当作发现线索。打开页面，确认发布者和日期，并引用页面本身。搜索排名不能证明权威性。

模型不愿意说“未找到”

重申输出约定，并要求增加一个核实状态栏。如果它仍然填补空白，就把回答移入“未核实”队列，并在模型之外核实这些主张。

五分钟终审

在发布或依据 AI 辅助的回答采取行动之前：

标出每一句事实性陈述。
为每一句分配一个主张 ID。
打开每个被引用的来源，并记录相关段落。
标注支持、部分支持、矛盾、未找到或不清楚。
只有在所有证据决定完成之后才改写。

对于团队，把工作表与草稿一起保存，并请第二个人抽查风险最高的几行。目的不是让每一句话都听起来很谨慎，而是让推理过程可以追溯。

总结

可靠的 AI 引用来自一套可重复的检查，而不是某个特殊的提示词。界定主张，索要完整的来源记录，打开原文，把段落与措辞对照，保留局限，并把未解决的行交给一位人工负责人。

常见问题

要求 AI 随引用提供什么？

要求提供来源标题、发布者、日期、稳定的 URL、支持的段落或章节，以及局限说明。再加上核实状态，让缺失的证据明确显示出来，而不是被悄悄省略。

如何知道来源真的支持主张？

阅读被引用的段落及其上下文。把对象、测量、日期、人群、定义和限定语，与你打算发布的句子逐一对照。

政府或大学来源一定正确吗？

不一定。权威性让一个来源值得审视，但并不自动具有决定性。检查它的方法、范围、日期和局限；当决策很重要时，再与另一个一手来源比较。

引用缺失时应删除主张吗？

通常应把它从结论中删除，或标为未经核实的线索。只有在指派了专人去寻找和评估缺失的证据时，才把它保留在研究队列中。

可以让另一个 AI 核验第一个 AI 的引用吗？

它可以帮忙发现不一致之处，但不能代替你打开来源。把另一个模型当作审核辅助工具，一手来源的核查仍在模型之外完成。

一个回答需要多少来源？

没有通用的数量。使用足够多的权威来源，覆盖各项主张及其重要局限。一个出色的一手来源，可能胜过五个不相关的链接。

来源需要登录或付费怎么办？

记录引用和访问限制，然后寻找合法的公开摘要、资料库副本，或能查看全文的合格审核者。如果把摘要当作等同于全文，就必须说明。

来源:

OpenAI Help Center — ChatGPT and fake citations — https://help.openai.com/en/articles/8313428-chatgpt-and-fake-citations
NIST — Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile — https://www.nist.gov/publications/artificial-intelligence-risk-management-framework-generative-artificial-intelligence

Sources checked 2026 年 8 月 23 日。

延伸阅读：

如何让 AI 引用来源：把回答拆成主张，逐条核对证据与日期