一份弱来源足以毁掉一篇好 essay、一篇已发表论文，或一份你要据此做决策的行业报告。下面 15 个 Prompt 在来源进入参考文献前，先做一次结构化可信度审计，覆盖作者权威、证据基础、时效、偏见，以及「一手发现」「二手综述」「第三手转述」三者的区别。
2026 年有一点变了：现在的助手已经会联网了。ChatGPT Search、Gemini Deep Research、Claude Research 都能读取实时网页并附上引用，所以「先粘正文，AI 抓不了网页」这句话已经不全对了。但会联网的模型照样会翻出内容农场的页面、会编造或张冠李戴引用，也会把摘要当成全文那样总结。下面这套审计，正是把一条「联网回答」变成一条站得住脚的引用所需要的纪律。
一句话总结（TL;DR）
- AI 是筛子，不是法官。它把结构化检查跑得很快，但要不要引用，最终由你拍板。
- 两个检查能挡住大多数弱来源：CRAAP 测试（模板 1）+ 一手/二手溯源（模板 3）。
- 会联网的 AI（2026 年 6 月）能抓取并附引用，但照样会引内容农场、会编造引用。引用链至少要你自己往回追一层。
- 媒体画像、跨来源互证（模板 8、12）用联网/研究模式；逐条证据与统计数据审计（模板 4、14）则直接粘正文。
- 论文、出版物、法律文书等高风险引用，AI 筛 + 人工核查（图书馆员或事实核查员）双保险。
适合哪些场景
写 essay 的学生、做核查的记者、写行业或政策报告的分析师、做参考文献的研究者，以及任何准备转发「我看到说……」的人。
什么时候不建议跑全套
已经反复核过的经典来源不用跑全套（你领域的奠基教材、一手法条、你已通读全文的原始同行评议论文）。任何只看过二手的内容，至少跑模板 1 和模板 3。
CRAAP、SIFT，以及你该用哪个
这套 Prompt 背后有两个评估框架：
- CRAAP（Currency 时效 / Relevance 相关 / Authority 权威 / Accuracy 准确 / Purpose 目的）由加州州立大学奇科分校图书馆员 Sarah Blakeslee 于 2004 年提出。适合你手里已有具体来源、想逐维度给出结论的场景。模板 1、2、6、7、9 对应它。
- SIFT / 横向阅读（Stop 停一下、Investigate 调查来源、Find 找更好的报道、Trace 追到原始出处）由数字素养研究者 Mike Caulfield 提出。它不让你在眼前这一页越钻越深，而是先离开这一页，去看独立来源怎么评价它。对一条爆款帖、一个不认识的媒体、一个好得不真实的统计数字，SIFT 更合适。模板 8、11、12 就是横向阅读的动作，也正是联网/研究模式最能发挥价值的地方。
经验法则：要逐项打分的学术与报告类来源用 CRAAP；来自社媒或你不熟悉的媒体的内容，先用 SIFT。
Prompt 结构公式
可信度 Prompt 应当带上这六个要素：
- 角色：AI 扮演谁——信息素养图书馆员、同行评议人、事实核查员、研究导师。
- 上下文：你的水平、学科、目标引用风格（APA / MLA / Chicago），以及这个来源将用于什么。
- 目标：一个具体交付物——一份 CRAAP 评分、一张一手/二手表格、一条 4 行参考文献注释。
- 限制：允许哪些来源类型、跳过什么、AI 在没有证据时绝不能下哪些断言。
- 输出格式：编号清单、表格，或分级结论（可用 / 谨慎用 / 不要用），能直接粘进 Notion、Zotero 或 Word。
- 示例 / 信号：一段参考或反例，让模型校准严格程度。
15 个可直接复制的 Prompt 模板
1. CRAAP 测试（时效 / 相关 / 权威 / 准确 / 目的）
通用快筛，适合首轮。
You are an information-literacy librarian. Run the CRAAP test on the source below. For each of the 5 dimensions, score 1-5 with 1 sentence of evidence. End with one of: "use", "use with caveat", "do not use".
Source: {title, author, outlet, date, URL}
Content: {paste}可替换变量： title, author, outlet, date, URL, content
优化建议： 输出太软时追加：“Treat a score of 3 as fail-by-default. Be ruthless on Authority and Purpose.”
2. 作者权威核查
Audit the author of this source for authority on the specific claim ({claim}). Cover: relevant credentials, prior publications on this topic, institutional affiliation, conflicts of interest. If author info is missing, flag as a yellow card.
Source: {paste source + author bio}3. 一手 vs 二手 vs 转述
For each claim in the source below, classify it as: (a) primary (data/experiment/firsthand observation), (b) secondary (synthesis citing primaries), (c) third-hand (repeats a claim without citing primaries). Output as a table: claim | classification | nearest primary source if any.
{paste}4. 证据基础审计
List every factual claim in the source below. For each: is supporting evidence provided in the source itself? If yes, what type (study, dataset, anecdote, expert quote, "research shows")? If no, mark as unsupported.
{paste}5. 引用链溯源
The source claims "{claim}" and cites {Reference X}. Help me trace it: what would Reference X likely say if I read it, what to look for to verify it is being represented accurately, what would indicate it has been misrepresented.6. 资金 / 利益冲突筛查
Below is a source. Identify funding sources, sponsorships, advertising relationships, or disclosed conflicts. Then assess whether the conclusions align suspiciously with the funder’s interests.
{paste source + masthead / funding section}7. 时效 vs 共识检查
The source on {topic} is from {year}. Has the consensus on {claim} changed since then? Name 2-3 newer sources or developments to look for before relying on the original.8. 媒体偏向画像
Profile the outlet {outlet name}: editorial slant (if any), ownership structure, audience, peer-review status, retraction history. Mark which kinds of claims I should accept readily and which to double-check.9. 同行评议核验
The source claims to be peer-reviewed. Help me verify: journal impact factor, indexing in {Scopus / Web of Science / PubMed}, predatory-journal red flags (rapid acceptance, no editorial board, suspiciously broad scope, vanity fees).10. 引文 / 图片摘录检测
Below is a quoted passage in the source. Pretend you are reading the original; what context, qualifications, or counter-evidence might have been removed in the quote? List 3 things to look for in the original.
{paste quote + surrounding sentences}11. Wikipedia 作为信号灯
The Wikipedia article on {topic} says: "{paste excerpt}". Trace the citation it relies on, then assess: is this a well-summarized primary source, a circular citation, or a "citation needed" weak spot? Recommend whether to trust this statement.12. 跨来源互证
Find 2-3 independent sources that corroborate or contradict the central claim "{claim}". For each: name source, summarize position, note independence (different funder, different lab, different country). Conclude: claim status (well-supported, contested, isolated).13. AI / “搬运博客”检测
Audit this source for signs it is AI-generated content farm material or a "blog of blogs" with no original reporting: vague author bio, no source URLs, recycled paragraphs, suspiciously broad topic coverage, repeated phrasings.
{paste source}14. 统计数据审计
The source uses these statistics: {paste statistics}. For each: original source if any, sample size, methodology, time period, any obvious distortions (cherry-picked baseline, missing denominator, scale tricks). Flag any I should not cite without verification.15. 终审注释（参考文献条目）
Write a 4-line bibliography annotation for {source} covering: (a) what it claims, (b) credibility level (high / medium / use-with-caveat), (c) what to verify if I keep using it, (d) what to cite instead if I drop it.联网 AI vs 直接粘正文：哪种检查用哪种模式
到 2026 年 6 月，主流助手在这件事上分成两种好用的模式：
- 联网 / 研究模式——ChatGPT Search 与 Deep Research（GPT-5.5）、Gemini Deep Research（Gemini 3.1 Pro，能浏览 30-60 个实时来源并给出行内引用）、Claude Research（Opus 4.7），都能读取实时网页并附链接。适合那些「答案在页面之外」的横向阅读检查：媒体画像（模板 8）、Wikipedia 引用溯源（模板 11）、跨来源互证（模板 12）。
- 直接粘正文——逐条审查时，联网这一层反而添乱。把文章原文（或 PDF 文本）粘进去，做证据基础审计（模板 4）、统计数据审计（模板 14）、引文摘录检测（模板 10），让模型只评判眼前这段内容。
联网模式的坑：模型可能抓到一个内容农场页面，还很自信地把它当引用；或者附一个其实并不支撑该句话的引用。它给的每个链接都要点进去看——没点开的引用一律视为「未核实」。
容易踩的坑
- 把「Google Scholar 上能找到」当作可信。predatory journal（掠夺性期刊）也被收录在里面。
- 不点开就相信联网 AI 附的链接。模型照样会编造或张冠李戴引用。
- 只看摘要和标题。可信度问题通常藏在方法段和资金段里。
- 把二手引为一手。一定要往回追一层引用。
- 忽略日期。2021 年关于前沿 AI 模型的文章，放到 2026 年已经过时。
- 把「很多来源都说」当作「很多独立来源证实」。引用串联会制造共识假象。
- 行业资助研究不查资金，再惊讶于结论刚好偏向金主。
- 让 AI 直接判「可信」却不要求溯源。必须要求它给引用，或者给「无法核实」的答复。
优化技巧
- 同一来源跑 3 套模板（CRAAP、一手/二手、时效），结论一致才放心。
- 数字类主张至少往回追两级引用。「WSJ 引 WHO 引……」在追到数据集之前都是脆弱的。
- 当来源与你既有判断相反时审得更狠。那正是你自己的偏见最可能放它过关的时刻。
- 维护一份私人「不再引用」清单，每条标一句理由，留在笔记里供日后选源。
- AI 是筛子，不是法官。最终决定权在你。
- 论文、出版物、法律文书等高风险引用，AI 筛 + 人工核查（图书馆员或事实核查员）双保险。
FAQ
- AI 能直接判断来源可信吗？: 它能跑一遍快速、结构化的审计；在联网模式下还能抓取页面并附引用。但它无法替没真正读过的来源背书，而且会引到内容农场，所以结论要你自己确认。
- 现在 ChatGPT、Gemini 都能联网了，还要粘正文吗？: 横向阅读类检查（媒体偏向、跨来源互证）就让它联网；逐条证据与统计数据审计则粘原文，让模型只评判这段内容，而不是它顺手搜到的东西。
- 同行评议的论文一定可信吗？: 不一定。掠夺性期刊和有缺陷的同行评议都真实存在。用模板 9 检查收录情况和红旗信号。
- 最快的单次检查是什么？: CRAAP 测试（模板 1）+ 一手/二手溯源（模板 3）。这两个能挡住绝大多数弱来源。
- 该引用 Wikipedia 吗？: 引用 Wikipedia 指向的原始来源，而不是 Wikipedia 本身。模板 11 帮你溯源并给那条引用打分。
- 付费墙怎么办？: 通过图书馆或馆际互借拿全文。绝不要只看摘要做审计，也别让联网模型把摘要当全文那样总结。