怎么让 AI 自查答案？三个追问验证的问法

让 AI 自查答案，是普通用户压低错误率最实用的技巧。做法很简单：拿到答案后不要直接采用，用追问让模型复核事实、复查逻辑、重算数字。AI 生成答案时可能出错，但它检查自己答案的能力通常强于一次生成的准确率，这一来一回的追问，就能拦下不少想当然的错误。

为什么需要追问验证

大模型一次生成答案的过程，本质是按概率逐字输出，中途没有「回头检查」的机制，所以会出现前半段正确、后半段虚构的情况。而当你追问「请检查上面的答案」时，模型会以审阅的视角重新处理全文，很多生成时被带过去的漏洞这时才暴露出来。这和人类写完再校对是一个道理：生成和校对是两种不同的认知任务，分开做效果更好。追问验证还有个附带好处：模型解释自己的检查过程时，常把生成时没展开的前提补出来，等于多得到一层信息。把追问验证变成固定习惯，尤其是重要内容，成本只多几十秒。

三个自查问法的具体写法

第一个是事实复核式：「请逐条核对上文中的事实性陈述，指出哪些你没有把握，单独列出。」这个问法的重点在「没有把握」，能诱导模型坦白不确定的部分，比笼统地问「对不对」有效得多。第二个是逻辑复查式：「假设你是一位严格的审稿人，请找出上文推理链中的漏洞和跳跃。」换一个角色视角，模型更容易跳出作者立场。第三个是数字重算式：「不要参考之前的计算过程，从头独立再算一遍，对比两次结果是否一致。」独立的第二遍计算，是抓算术错误最直接的问法。

自查问法适合哪些任务

三类任务收益最高。一是含数字的内容：报价汇总、日程预算、统计对比，用重算式追问一遍，能拦住大部分算术错。二是多步骤推理：方案论证、因果分析，用审稿人视角问一遍，常能发现中间某步偷偷换了前提。三是事实密度高的材料：简介、科普、知识梳理，用事实复核式问一遍，模型会标出没把握的条目，你再针对这些条目去查证，查证范围一下子缩小了。反过来说，纯创意发散类任务没多少可核对的，追问验证的收益有限。

自查也失效时怎么办

追问不总是管用，要识别两个失效信号。一是模型只是把原答案换个说法重复一遍，没有任何新发现——这时换角度问，比如要求它「为反对这个答案找理由」。二是错误出现在模型的知识盲区里，它自查也查不出来——这时换路径：另开一个新对话，只贴答案不看过程，问「这段内容有没有明显可疑的地方」；或者用 DeepSeek 这类支持联网检索的工具，让它对照搜索结果核对答案中的具体说法。自查是第一道网，不是唯一的网，关键数字和关键事实仍要落到可靠来源上。

自查失效的两个信号

• 只换说法重复原答案，就换角度再问
• 让它为反对这个答案找理由
• 另开对话，只贴答案问可疑之处
• 关键数字落到可靠来源上核实

第一条最容易被放过：答案看着换了样子，内容其实一句没改。

追问验证还有哪些问法？四个补充疑问

• 自查追问会不会让模型越改越错？：偶尔会，模型可能为了回应质疑而过度修改。对策是要求它「只修改确认有误的部分，其余保持原样」，改动范围就被约束住了。
• 一次对话里追问几遍合适？：一到两遍足够。反复追问同一问题，收益递减，还可能把原本正确的部分改乱。
• 能不能让 AI 一次性边写边查？：可以在提问时就加一句「写完后附上你不确定的清单」，多数模型会照做，效果比事后追问略浅，但省一轮对话。
• 自查通过的答案还需要核实吗？：重要事项需要。自查只能发现模型能力范围内的矛盾，知识过时、来源缺失这类问题它自己察觉不了。

文中示例仅用于演示追问方法，不构成任何投资建议；相关决策请自行核实并评估风险。

延伸阅读：同一个问题多问几遍、提示词治不好幻觉、追问和重新问的差别。