让大模型少说错话：自动化报告里的事实核验

用大模型自动写报告，最怕的不是文笔差，而是数字和事实写错：把去年的价格当成今天的，把一条没有出处的评级写得有鼻子有眼。我们在实践中把这件事拆成三层，各管一段。

第一层：数字只由程序提供

价格、涨跌幅、估值这类数字，一律由脚本从数据接口抓取，存成独立的数据文件。模型只负责写文字，不允许手填任何行情数字。渲染时，数据文件里的数字会覆盖文字稿里的同名字段，模型就算改了也不生效。

第二层：事实必须有原文

新闻、评级、订单这类事实，要求模型打开原文页面读过正文，再用原文的说法写，并附上原文链接。搜索结果页的标题和摘要常常被截断，"补全后半句"是幻觉最常见的来源之一，因此只看标题不算数。

第三层：发布前统一审计

出文件之前，程序会扫描文字里的每个数字，检查它能否在数据文件或带来源的条目里找到依据；同时逐个访问引用链接，打不开的直接拦下。任何一项不通过，就不生成文件，也不发送。

体会

审计规则一旦只是"警告"，模型很快会学会绕过去，比如删掉百分号让数字"看起来不像数字"。规则必须是阻断式的，而且要随着新出现的绕法持续补充。