fact-checking

事实核查

此技能可让 AI Agent 系统地核实各类主张和陈述。Agent 不会简单地给出“真”或“假”的判断，而是会从输入内容中提取可单独核查的主张，为每项主张寻找权威来源，交叉比对证据，并给出包含置信度分数和论证依据的结构化结论。此方法适用于各种内容，从单条事实陈述到包含数十条主张的完整文章。

工作流

1. 提取主张： 解析输入文本，提取出单条、可核实的陈述。每项主张都应是可以独立核查的完整陈述。排除意见、主观判断和无法证伪的陈述，但在输出中将它们标注为“无法核查”。

2. 对主张类型分类： 根据类型对每项主张进行分类——统计类（涉及数字或数据）、历史类（涉及过往事件）、科学类（涉及研究发现）、定义类（定义术语）或归因类（将陈述归于某人或某个组织）。分类有助于确定核实信息的方向。

3. 寻找权威来源： 为每项主张确定最适合的核实来源。尽可能使用一手来源：统计数据使用官方数据集，科学主张使用经过同行评审的论文，引言使用存档的文字记录，法律或政策主张使用政府记录。也可参考可靠的二手来源，例如知名事实核查组织（Snopes、PolitiFact、Full Fact）。

4. 交叉比对并评估证据： 至少使用两个相互独立的来源核查每项主张。注明来源是证实、部分支持还是反驳了该主张。评估来源可信度时，应考虑其权威性、时效性、方法和潜在偏见。

5. 给出结论和置信度分数： 为每项主张从以下等级中选择结论：属实、基本属实、部分属实、基本不实、不实或无法核实。每项结论都应附带一个置信度分数（0.0-1.0），反映现有证据的力度和一致性，并简要说明理由。

6. 整理事实核查报告： 以结构化格式呈现调查结果：列出每项主张、其结论、置信度分数、支持证据和来源链接。总结原文的准确性，并给出整体评估。

用法

向 Agent 提供一条陈述、一段文字或一篇完整文章进行事实核查。也可以指定优先核查哪些主张，或要求使用特定输出格式。

Fact-check the following statement:
"Python is the most popular programming language in 2025 according to the TIOBE Index,
and it was created by James Gosling at Sun Microsystems in 1991."

示例

示例 1：核查一篇技术博客文章的事实

用户请求：

核查这篇博客摘录中的关键说法： “与 C 相比，Rust 的运行时开销为零，因此它是目前最快的系统编程语言。Linux 内核在 2024 年采用 Rust 作为主要开发语言，完全取代了 C。根据 Stack Overflow 2024 年的调查，Rust 已连续九年成为最受赞赏的语言。”

提取的说法：

#	说法	类型
1	与 C 相比，Rust 的运行时开销为零	科学／技术
2	Rust 是目前最快的系统编程语言	比较
3	Linux 内核在 2024 年采用 Rust 作为主要语言	历史
4	Rust 在 Linux 内核中完全取代了 C	历史
5	根据 Stack Overflow 的数据，Rust 连续 9 年成为最受赞赏的语言	统计

事实核查结果：

#	判定	置信度	证据
1	大体属实	0.80	Rust 的零成本抽象编译后生成的机器码性能可与 C 相当。不过，一些运行时组件（边界检查、恐慌展开）会带来轻微开销。来源：Rust 性能手册
2	半真半假	0.50	基准测试显示，Rust 和 C 在大多数任务上的性能差距在 0-5% 以内，但两者都不会始终“胜出”。在某些数值计算工作负载中，Fortran 的表现优于两者。来源：基准测试游戏
3	大体不属实	0.90	Linux 6.1（2022 年）接受了使用 Rust 开发驱动程序和模块，此后版本中其使用范围有所扩大，但 Rust 是对 C 的补充——从未被采纳为“主要”语言。来源：LWN.net 对内核 Rust 的报道
4	错误	0.95	C 仍是 Linux 内核的主导语言。Rust 仅用于部分新的模块。来源：kernel.org Git 统计数据
5	大体属实	0.85	Stack Overflow 于 2023 年将“最受喜爱”更名为“最受赞赏”。Rust 在 2016-2022 年连续 7 年位居“最受喜爱”榜首，并于 2023-2024 年连续 2 年位居“最受赞赏”榜首，共计 9 年。来源：Stack Overflow 开发者调查档案

总体评估： 这篇博客文章混合了大致属实的技术说法，以及对 Rust 在 Linux 内核中所起作用的严重夸大。读者应谨慎看待其中与内核相关的说法。

---

示例 2：核查统计数据类主张

用户请求：

核实：“2024 年，全球 AI 支出达到 2,000 亿美元，75% 的《财富》500 强企业已在生产环境中部署生成式 AI。企业 AI 项目的平均投资回报率在第一年达到 3.5 倍。”

提取的主张：

#	主张	类型
1	2024 年全球 AI 支出达到 2,000 亿美元	统计数据
2	75% 的《财富》500 强企业已在生产环境中部署生成式 AI	统计数据
3	企业 AI 项目第一年的平均投资回报率为 3.5 倍	统计数据

事实核查结果：

#	判定	置信度	证据
1	基本属实	0.75	IDC 估算 2024 年全球 AI 支出为 1,840 亿美元，Gartner 则预测为 1,960 亿美元。2,000 亿美元处于较高估值的范围内，但并非精确数字。来源：IDC《全球 AI 支出指南》（2024 年 10 月），Gartner《AI 预测》（2024 年 11 月）
2	部分属实	0.60	McKinsey 2024 年的调查发现，受访组织中有 72%（并非特指《财富》500 强企业）以某种形式采用了 AI，其中 65% 使用了生成式 AI。“投入生产”与“试点”之间的区别很重要，但原主张并未作出区分。来源：McKinsey《2024 年全球 AI 调查》
3	无法核实	0.30	没有可信的大规模研究公布过可普遍适用的企业 AI“平均投资回报率”。各个案例研究的结果差异很大（从 0.5 倍到 10 倍以上不等）。BCG 和 MIT Sloan 均提醒，不应泛化投资回报率主张。来源：MIT Sloan Management Review（2024 年）

**总体评估：**支出数据大致准确，采用率数据在合理范围内，但不够精确；投资回报率主张缺乏可信来源，引用时应加以限定。

最佳实践

• 核实前先拆分每项主张。 复杂句子往往包含多个断言。拆分后可确保没有遗漏，并让判定更加准确。
• 优先采用一手来源，而非二手报道。 新闻报道声称“某项研究发现了 X”，其可靠性不如直接阅读研究本身。务必追溯主张的来源。
• 考虑语境和表述方式。 脱离语境的数字即使在技术上属实，也可能产生误导。若主张属实，但其表述方式暗示了错误信息，请注明。
• 如实使用置信度评分。 0.5 分并不代表失败，而是反映了真实存在的模糊性。与坦诚承认不确定性相比，过度自信的判定更容易损害信任。
• 核实主张和来源的日期。 2020 年属实的主张，到 2025 年可能已不再成立。务必确认证据在时间上与所核实的主张相关。
• 区分“错误”和“无法核实”。 如果没有可信证据能证明主张属实或不实，应判定为“无法核实”，而非“错误”。

边界情况

• **关于未来的主张：**预测（例如“到 2030 年，AI 将取代 50% 的工作岗位”）无法依据现有证据进行事实核查。应标注为“预测 — 无法核实”，并说明作出预测的来源是否可信。
• **快速变化的统计数据：**如果主张涉及频繁更新的指标（例如加密货币价格、COVID 病例数），请注明主张所指的日期和核查日期，因为两者可能得出不同答案。
• **讽刺或夸张内容：**如果材料明显带有讽刺意味，或为了修辞效果而刻意夸大，请注明这一语境，而不是直接按字面判定为“错误”。
• **没有权威来源的主张：**一些小众或专有主张（例如公司内部指标）可能没有可公开核实的来源。请标注为“无法核实 — 无公开来源”，并建议用户向提出主张的一方索取文件。
• **措辞含糊：**当一项主张有多种解读方式时（例如，“最受欢迎”可能指使用量、调查结果或下载量），请评估最合理的解读，并注明其模糊之处。