AI 交来一份纪要，你敢直接发吗？

豆包、DeepSeek、Kimi 这类工具，背后是大语言模型（large language model），常简称大模型。它写回答的办法很朴素：看前面已经写了什么，猜下一个词最可能是什么，写上去，再猜下一个，一直接到它觉得该停了。好比玩成语接龙，只不过它接的是词，而且每次都在算哪个词接上去最像样。

下面是一个极小的接龙机。它只读过青禾科技（一家虚构的公司）的 14 句话，猜下一个词时也只看前一个词。选一个开头，自己点着接，或者让它按概率接。

多接几次，你会碰到两种句子。一种读着就别扭，比如"小王在周五完成了季度报告由李总审核"。另一种读着很顺，比如"张经理在去年获得了行业大奖"。可材料里张经理没得过奖，得奖的是公司。每一小段都在材料里原样出现过，拼到一起，就成了一句材料里没有的话。

真实的大模型读过的文字多得多，接下一个词时看的是前面很长一段，所以几乎不会接出别扭的句子。它也不是查这样一张计数表，而是用一个很大的神经网络算出每个词的概率（probability）。但"按概率接下一个词"这一点是一样的。严格地说，它接的单位叫词元（token），可能是一个字、一个词或半个词，这门课里叫"词"就够用了。

接龙机拼出"张经理在去年获得了行业大奖"时，每一步都没出错：每个词都是照材料里的规律接上的。问题在于"接得像"和"说得对"是两件事，它只负责前一件。

大模型一本正经地说出不存在或不对的事，行话叫幻觉（hallucination）。职场里最常碰到的是下面四种：

有三点容易误会。

第一，它不是故意骗人，也不知道自己在编。所以问它"你确定吗"，它可能改口，也可能说得更肯定，两种回答都不能当证据。

第二，很多工具有"联网搜索"开关。打开后它会先搜网页再写，编的情况会少一些，但仍可能引错网页、抄错数字，或者把几个网页的内容拼在一起。它给了链接，也要点开看一眼。

第三，不联网时，它知道的东西停在训练材料收集完的那个时间点，这叫知识截止（knowledge cutoff）。问它最近的政策、价格、新闻，它可能拿旧的来答，也可能编一个。

把会议记录交给 AI 整理成纪要，是职场里最常见的用法之一。下面左边是会上的原始记录，右边是一份 AI 风格的纪要。纪要是我们照着 AI 常犯的错写的（示意），里面有 5 句和原始记录对不上。

把你认为有问题的句子点一下（再点一下取消），选好了点"交卷"。

核纪要没有捷径：拿着原始记录，一条一条对。只读纪要本身，读得再仔细，也看不出它漏写了什么。

不是每份回答都有原材料可以对。没有原材料时，至少要知道先查哪几处。最容易错、错了麻烦最大的，是这四类说法：日期和时间；数字和金额；出处和引用，比如书名、文件名、条款号、"研究表明"；还有说得太满的话，比如"所有""一定""最好"。

下面的扫描器会把这四类标出来。框里是一段我们照着 AI 常见写法编的回答（示意），里面的报告名和数字都是编的，正好拿来练手。你也可以把自己从 AI 那里拿到的回答贴进来扫。扫描只在你的浏览器里进行，文字不会传到任何地方。

扫描器只找"该去查的地方"，不判断对错。标出来的不一定错，没标出来的也不一定对。拿第 3 步李总那句来扫，它只会标出"8 万元"，标不出"批准了"是编的。它的用处是让你别漏查最容易出事的那几处，剩下的还得靠原材料。

知道它会在哪儿错，就能给手上的活分类。我们分三个筐：

这个分法会随你的情况变。同样是翻译，自己看懂大意放第一个筐，要发给客户就放第二个筐。判断时问自己两句：错了谁能发现？发现不了的话，后果有多大？