Leo｜一个人 + AI(@runes_leo):用 AI 帮忙写东西、研究问题或者拿主意的时候，我现在习惯问好几个模型。但这不是随便多问几次，也不是看哪个答案听起来更多人支持。真正的价值在于让不同模型独立判断，把它们的分歧挖出来，再回到原始证据去验证。最近我又把这个流程走了一遍，才发现之前差点漏掉最关键的一步。我以为让三个模型都参与了，结果实际只有两个给出了回答，另一个被跳过了。如果不确认每一路是不是真的返回了内容，很容易误以为验证已经做全了。我把能马上用的做法压成了三步。让不同模型先独立回答。问第二个模型时，不要把第一个的答案给它看，避免互相带偏。再要求每个模型用同一结构输出：结论是什么、主要依据是什么、哪里不确定。这样放在一起才好直接对比。最后不去数谁对谁错，而是专门盯分歧。重要的分歧就去翻最原始的资料，或者自己实际验证一下。同时确认每个模型是不是真的给出了回答。下次你要用 AI 交叉验证一个判断的时候，就按这三步来。

2026.07.15 09:16

用 AI 帮忙写东西、研究问题或者拿主意的时候，我现在习惯问好几个模型。但这不是随便多问几次，也不是看哪个答案听起来更多人支持。真正的价值在于让不同模型独立判断，把它们的分歧挖出来，再回到原始证据去验证。最近我又把这个流程走了一遍，才发现之前差点漏掉最关键的一步。我以为让三个模型都参与了，结果实际只有两个给出了回答，另一个被跳过了。如果不确认每一路是不是真的返回了内容，很容易误以为验证已经做全了。我把能马上用的做法压成了三步。让不同模型先独立回答。问第二个模型时，不要把第一个的答案给它看，避免互相带偏。再要求每个模型用同一结构输出：结论是什么、主要依据是什么、哪里不确定。这样放在一起才好直接对比。最后不去数谁对谁错，而是专门盯分歧。重要的分歧就去翻最原始的资料，或者自己实际验证一下。同时确认每个模型是不是真的给出了回答。下次你要用 AI 交叉验证一个判断的时候，就按这三步来。