说它正确，要有依据。
向下探索，亲手操作。
先读问题， 再核对答案。
销售负责人要决定是否接下一笔交期紧迫的大额订单，先问数据问答智能体：上个月的按期交付率是多少？智能体回答 94%。同样的问题以前答偏过一次，修正还存在记忆里。这个答案能不能用，由你来核对。
- 02核对计算：按答案的口径，重算 100 笔订单。
- 03核对口径：把答案的口径和记忆中的修正对照。
- 04用两种口径各算一次，改写答案。
- 05接不接由人决定，决定留下记录。
每一步都等你来按，上一步完成后，下一步才会打开。
虚构情境订单、人物和数字都是为演示设计机制编造的。不是真实客户数据，不代表实测的效率提升，页面上也没有运行中的 AI。
01同一个问题，又是 94%。
一周后，另一笔大额订单带来了同一个问题。智能体又回答了 94%。记忆里还留着上次的修正，但这不代表答案会遵守它。
做决定前，分开查两件事：算得对不对，答的是不是这个问题。
02算得对吗？
按答案采用的口径，重新统计上个月的 100 笔订单。
在工厂承诺交期内交付：94 / 100
94%，与原答案一致。
通过 · 计算没有错
03回答了这个问题吗？
把答案采用的口径，与记忆中的修正逐项对照。
还未核对计算。 先核对计算
- 答案采用的口径
- 按工厂承诺交期统计
- 记忆中的修正
- 这个问题，按客户要求交期回答（销售负责人）
未通过 · 算得对，却答了另一个问题
04用两种口径，各算一次。
同样的 100 笔订单，分别按工厂承诺交期和客户要求交期统计。
还未核对计算。 先核对计算
- 工厂承诺交期
- 94 / 10094%
- 客户要求交期
- 79 / 10079%
相差的 15 笔，赶上了工厂承诺交期，却错过了客户要求交期。另有 6 笔，两种交期都没赶上。
查看这 15 笔订单
- O-005客户要求 9日工厂承诺 10日实际交付 10日
- O-012客户要求 14日工厂承诺 18日实际交付 18日
- O-018客户要求 12日工厂承诺 14日实际交付 14日
- O-024客户要求 10日工厂承诺 14日实际交付 14日
- O-031客户要求 15日工厂承诺 18日实际交付 18日
- O-037客户要求 13日工厂承诺 14日实际交付 14日
- O-043客户要求 11日工厂承诺 14日实际交付 14日
- O-050客户要求 16日工厂承诺 18日实际交付 18日
- O-056客户要求 14日工厂承诺 18日实际交付 18日
- O-062客户要求 12日工厂承诺 14日实际交付 14日
- O-069客户要求 17日工厂承诺 18日实际交付 18日
- O-075客户要求 15日工厂承诺 18日实际交付 18日
- O-081客户要求 13日工厂承诺 14日实际交付 14日
- O-088客户要求 18日工厂承诺 22日实际交付 22日
- O-094客户要求 16日工厂承诺 18日实际交付 18日
修正后的答案
上个月的按期交付率，按客户要求交期计算为 79%（按工厂承诺交期计算为 94%）。
算得对， 不代表答得对。
把验证拆成两步：计算是否正确，口径是否符合问题。口径不明，就明确说不明。决定交给人，决定本身也要留下记录。
发生了什么
答案从 94% 变成了 79%，计算却从头到尾没有错。变的是口径：同样 100 笔订单，从按工厂承诺交期改为按客户要求交期，15 笔订单的判定随之改变。
为什么重要
口径错了的答案，看起来和正确的答案一样可信：数字精确，算法也查得通。只核对计算，它就会被放行；而接不接这笔订单，正是依据这个数字决定的。
如何用到其他判断
面对 AI 给出的任何数字，都分开问两件事：算得对吗？答的是这个问题吗？口径不明时，就说明不明，把可能的口径和各自的结果一起列出来，交给提问的人选择。
同样的问题到处都有：「活跃用户」按登录算，还是按操作算？「收入」含不含退款？「准时」按哪一个日期？
这个答案，靠什么成立？
随你在上方的每一步更新：核对过的进入证据，当作成立却没核对的留在假设，这份数据回答不了的列为未知。
证据
0在本页核对过
还没有。核对之前，94% 只是一个说法。
假设
3当作成立，没有核对
- 计算没有错。第 01 步
- 答案用的口径，就是问题要的口径。第 01 步
- 这 100 笔就是上个月的全部订单，日期都记录准确。第 01 步
未知
0这份数据回答不了
还没有列出。用两种口径各算一次之后，才看得出这份数据回答不了什么。
这是一个虚构的简化示例，用 100 笔模拟订单验证一个问题。两组比例均由页面中的订单数据实际计算得出。真实验证还需要核对口径的来源和统计范围。
常见问题
这些是真实公司的数据吗？
不是。订单、人物和数字都是虚构的。94% 和 79% 也不是写死的：页面每次都用这 100 笔虚构订单实际计算出来。
页面上有 AI 在运行吗？
没有。「智能体的答案」是事先写好的情境。页面演示的是一种设计机制：把核验拆成两步，让答案带着它的依据交出去。
这能说明效率或准确率提高了吗？
不能。页面没有测量任何效率或准确率。它只展示一件事：只核对计算的时候，会放过什么。
口径已经修正过一次，为什么还会答偏？
修正存进了记忆，不等于下一次的答案会遵守它。所以每次都要拿答案对照问题，而不是相信上次已经修好。 看记忆如何把结果带回来
问题本身的口径不明确，怎么办？
明确说出它不明确。把可能的口径和各自的结果一起列出来，交给提问的人选择；系统不替人做这个选择。
怎么用到自己团队的 AI 回答上？
从最近一个被拿来做决定的数字开始：它按什么口径算？这个口径和提问的意思一致吗？哪些部分核对过，哪些只是假设，哪些还不知道？把这三栏和数字一起交出去。