编辑如何建立AI稿件核验清单?

面对一篇行文流畅的 AI 稿件，编辑首先要判断的不是“像不像机器写的”，而是它是否具备发布所需的证据链。有效的核验清单，应当把审稿从语言判断转为事实判断，并据此区分可润色、需补证和应退回三种处理结果。

先核验事实，再评价表达

稿件中的数字、案例、时间节点、政策表述和引述，都应当能够被追问和查证。编辑可以逐项检查：具体数字是否有原始出处，政策或规定是否真实存在，案例主体和事件经过是否与公开信息一致。若只是数据有误、时间写错或引述不完整，通常可以对照来源修正；若出现无法定位的研究报告、机构或案例，则属于根基性问题，不能靠润色补救。

检查每个结论的证据链

核心判断不能只靠“影响深远”“业内普遍认为”之类的概括性表述。编辑应追问三个问题：结论针对谁，影响发生在哪个环节，依据是什么？如果只是缺少个别数据、案例或解释，可以标记为“需补证”；如果全文都是结论堆叠，缺乏事实和逻辑推导，就应退回重写。

追溯来源与内容价值

来源可追溯不等于事实必然正确，但来源不清会让核验和责任追踪失去依据。数据应对应报告，观点应对应专家或文件，政策表述应能找到具体依据。对于 AI 生成、人工修改和原始版本，也可以结合已有的来源记录、隐式标识或数字水印等技术信息辅助判断，但技术标识不能替代编辑对内容的核查。

同时，流畅不等于原创。编辑应判断稿件是否提供了新的信息增量、独特视角或基于具体场景的分析。资讯汇总可以重在整合；分析和评论则必须有明确判断，否则即使没有直接抄袭，也缺乏发布价值。

最终可按三档处理：事实基本可靠、论证完整、来源清晰，仅有表述问题的，进入润色；主体成立但证据或来源不足的，退回补证；关键事实无法核验、核心论证空洞或内容只是机械重组的，直接退回。清单的意义，不是识别 AI，而是守住内容从生成到发布之间的质量门槛。