人机协作的复核机制：哪些环节必须有人看
复核不是通读一遍，而是分清哪三类内容必须停下来看
引入 AI 之后，人的工作重心从「生产」转向「判断」。要做好这个转变，需要把复核拆成三类：事实、口径、承诺。这三类内容必须有人确认，其余部分可以按风险分级处理。
引入 AI 之后，团队常常会经历一个短暂的错觉：产出变快了，于是以为工作变少了。
实际发生的是工作重心转移。撰写的时间下降，判断的时间上升。如果判断环节没有安排好，节省下来的时间会以返工的形式还回去。
复核的对象只有三类
我们建议把复核拆成三类，只有这三类必须由人确认。
一、事实与数据
任何涉及数字、时间、名称、引用来源的内容，都需要核对。
AI 在这一点上有个特点：它的错误通常很流畅。表述通顺、语气确定，但数字可能是错的。所以复核的对象不是「读起来对不对」，而是「这条信息能不能对应到来源」。
二、口径与表述
同一件事，对外怎么说、对内怎么说，往往有区别。品牌名称怎么写、业务范围怎么描述、哪些表述不能出现，这些属于企业口径。
这部分不太可能靠模型自行掌握，需要以清单的形式提供给使用者。
三、对外承诺
凡是可能被理解为承诺的内容，都需要人确认。包括交付时间、服务范围、效果描述、价格相关表述。
这一类出错代价高，建议直接规定：AI 可以起草，但不能定稿。
把复核分级
全部逐条核对不现实，全部抽查又不够安全。可行的办法是按风险分级。
| 内容类型 | 复核方式 | 说明 |
|---|---|---|
| 事实与数据 | 逐条核对来源 | 无法对应来源的一律删除 |
| 对外承诺 | 逐条确认后才可定稿 | 由业务负责人确认 |
| 品牌与口径 | 对照清单核对 | 保留清单并定期更新 |
| 风格与措辞 | 抽查 | 每批抽一定比例，累积问题再统一调整 |
| 排版与格式 | 交付前统一检查 | 可以合并到交付环节一起做 |
分级不是降低标准，而是把注意力放在代价高的地方。
一份可以改的复核清单
清单要写到能被执行的粒度。下面是我们在内容类工作流里常用的一份，可以直接改成你团队的版本。
- 所有数字是否都能指出来源
- 引用的名称、职位、机构是否与当前资料一致
- 是否出现不可对外表述的内容
- 是否存在可能被理解为承诺的表述
- 是否与上一批产出的口径一致
- 输出格式是否符合发布平台要求
三个常见误区
- 把复核等同于通读：通读能发现问题，但很难保持稳定，因为标准在不同人心里不一样
- 让同一人既生产又复核：自己写的内容自己检查，容易跳过熟悉的盲区
- 只记结论不记原因：复核时发现问题就改掉，但不记录类型，于是同类问题会反复出现
第三点比较容易改进：把每次发现的问题按类型记下来，一段时间后就能看出哪些提示词需要调整。这也是提示词资产持续演进的来源。
结语
复核机制的目的不是限制使用，而是让使用变得可预期。
当团队知道「哪一步有人兜底」，才会更放心地把重复劳动交出去。反过来，如果每次都要担心出错却没人把关，AI 就只会被用在无关紧要的地方。
常见问题
至少三类必须有人确认：涉及事实与数据的内容、涉及企业口径与品牌表述的内容、以及任何对外承诺类内容。这三类一旦出错，代价通常不可逆。
按风险分级。把复核项分成必须逐条核对和可以抽查两级，并且把复核要点写成具体清单，避免用「通读一遍」这种无法执行的标准。