一句话定义：事实核查（Fact-Checking）指的是让模型在给出答案之后，单独再执行一遍“逐条核对”的流程：先把它刚刚说过的事实性陈述和引用抽出来，逐条验证是否成立、来源是否真的支持，再决定修改、补充还是标注“不确定”。
原理：把“写”和“查”拆成两步
模型的默认工作方式是“一口气写完”，此时更看重语言是否通顺连贯，而对对不对并不敏感。事实核查把这件事拆成两个阶段：生成阶段照常产出草稿；核查阶段换一副挑剔的眼光，只问三个问题：这句话有没有依据？依据是否可靠？依据是否真在支持这个说法？
一个常见的比方：记者写完稿子交给事实核查员，核查员的职责不是重写文章，而是逐句追问“这个数字哪来的”“这份报告第几页这么写的”“这条链接点开还是原文吗”。核查员不改文风，只挡错。
落到工程上，典型步骤是：抽取断言（claim extraction）→ 筛出高风险项（数字、日期、人名、机构、法条、医学与财务结论、引用链接）→ 用检索或工具逐条验证 → 修正、降级表述或直接标注来源。有个关键细节：让同一个模型“自我复核”很容易变成自我确认（self-confirmation），它倾向于认可自己刚说过的话。所以核查最好换一次独立调用、接外部证据，或用另一个模型、另一套提示词来做。
和相邻概念的区别
| 概念 | 介入时机 | 解决的问题 |
|---|---|---|
| AI 词典：检索增强生成">检索增强生成（RAG） | 生成之前 | 给模型提供正确的材料 |
| 事实核查（Fact-Checking） | 生成之后 | 检查它说出的话是否成立 |
| 内容审核（Moderation） | 全程 | 检查内容是否合规、能不能说 |
RAG 是“先查资料再动笔”，事实核查是“写完再对账”，两者互补而非替代：RAG 也可能召回错误材料，核查能拦住；核查没有资料可查时，也常反过来调用检索。而内容审核管的是“能不能说”，事实核查管的是“说得对不对”，完全是两条线。
对从业者和普通人的意义
做产品的人要记住一条成本规律：核查会让延迟和调用量明显上升，所以要按风险分级，而不是全都查。面向用户的问答、报告生成、法律医疗财务类输出，核查层基本是必需品；闲聊和创意写作则不必。高风险断言全查，低风险抽样查，是更现实的策略。
对普通使用者来说，结论很朴素：模型说“已核实”不等于真的核实过，附上的链接也可能打不开或内容对不上。看到数字、日期、法条、引用，还是自己点开原文确认一遍最稳。具体产品的核查能力如何，以官方页面为准。
事实核查不是让模型变聪明，而是让它变诚实：把“我不确定”说出来，比编一个漂亮的答案有价值得多。