概念
幻觉
识别听起来合理、却缺少现有证据支持的说法。
方法与指南
应用可重复的检查清单并保留记录。
每种方法都连接到已发布的证据，并包含一个您可以复制或下载的模板。
不要猜测模型来评判AI答案
在模型身份影响决策之前，审查任务匹配度、主张、证据、不确定性及可用性。
- 当
- 你有两个或多个针对同一任务的AI输出，或者一个需要可辩护接受决策的后果性输出。
- 可重复使用的输出
- AI输出审查记录
Richbay 实际使用
使用方法→将观察与推断分开
将稀疏结果转化为决策，而不将标签、原因或预测作为观察到的事实呈现。
- 当
- 你正在解读试点指标、访谈、实验、研究笔记或AI生成的摘要，这些内容很容易夸大证据所显示的内容。
- 可重复使用的输出
- 观察与推断台账
Richbay 已实测
使用方法→审计AI生成的计算
从源值重新构建算术，保留中间精度，并且只有在路径和结果一致时才接受答案。
- 当
- AI答案包含影响预算、估算、报告、比较或操作决策的算术。
- 可重复使用的输出
- 计算审计工作表
Richbay 已实测
使用方法→教程
生成一个经过检查、可重复使用的结果。
按照包含输入、人工检查点、风险和最终成果的具体顺序进行操作。
运行一次已审核的AI输出比较
定义一个任务，捕获受控输出，根据证据审查声明，并发布一个有限的决策记录。
- 结果
- 一个版本化比较记录和一个明确限定的下一步实验。
- 级别
- 中级
Richbay 实际使用
开始教程 →构建一个基于证据的AI内容工作流程
使用AI帮助研究和起草一个有用的页面，同时由人类负责来源、主张、出版决定和审查日期。
- 结果
- 一个经过审查的页面包，包含源清单、声明凭证、披露、所有者和下次审查日期。
- 级别
- 中级
Richbay 实际使用
开始教程 →Cloudflare Workers 部署检查指南
选择当前的Next.js部署路径，仅绑定产品需要的服务，并通过可逆的生产检查进行发布。
- 结果
- 为已有应用整理一份部署检查记录，涵盖适配器选择、绑定、发布检查与回滚计划。
- 级别
- 中级
Richbay 实际使用
开始教程 →在七天内启动一个AI产品流程
使用七次会话的节奏来规划、构建、验证、发布和审查一个完整的AI辅助产品流程。
- 结果
- 一个可用的端到端流程，一份发布记录，早期观察和一个决定，即迭代、打包或停止。
- 级别
- 中级
Richbay 实际使用
开始教程 →