前阵子让它把一段会议记录里的待办摘出来。几秒钟，条目整齐，动词开头，还替我把负责人补上了。我差点直接转发。手滑点开原文核对，发现有两条是它“顺手”合并的，原文里其实是两个人提的两件事。
流畅是优化出来的，正确不是同一个目标
这偏差并非它偷懒。大语言模型做的是逐词往下接，每一步选当下最说得通的那个词。连贯、完整、像人写的，这些是被反复打磨的方向；而“这句是否对应原文”得靠另一套东西兜底。所以一段话读着顺，和一段话靠得住，是两条不同的线。人说话打磕巴，常常是因为正在想；模型那种磕巴，在训练里被磨掉了。
让它说“不知道”为什么难
一个空着的回答对使用者不友好，于是补齐结构成了默认动作。材料不够，它也倾向把格式填满。我的应对办法没什么技巧，就是明确告知：材料里没有的就写“未提及”，能引原句就引原句，拿不准的地方标出来。这些约束并不会让它多懂什么，但输出会变得可核对。
还有一件常被忽略的事：材料一长，靠后的细节容易被略过。我自己的做法是把关键约束在开头说一遍、结尾再说一遍。
它把核对的起点挪了位置
以前查资料，是从一串链接里挑看着靠谱的点进去，判断可信度是顺推。现在拿到手的是一段已经成型的结论，就得倒着往回找依据。倒推比顺推费劲，这部分成本很少被算进去，却是流畅带来的隐性代价。
我现在的分工
- 结构活交给它：把散乱笔记理成条目、把长文压缩成提纲、把一段话改成三种语气。这类活出错看得见，校验也便宜。
- 语言活交给它：措辞、过渡、删冗余，它确实拿手。
- 事实活自己盯：把它当成“提出假设的人”，而不是“给出结论的人”，每个结论后面都要能追到出处。
这么分下来，大语言模型最实在的用处可能不是“替你完成”，而是“把空白页填掉”。从零到六十分的成本降得很厉害，六十分以上还是自己的事。想清楚这一层，用起来踏实；想不清楚，就容易把它的自信当成它的把握。
现在我提要求时习惯多加一句：材料里没有的，直接说没有。花几秒钟，省下的核对时间不止一点。