AI 日报怎样避免编造成果？一套可验证的事实约束流程

AI 生成工作日报时，真正困难的不是把句子写得更正式，而是保证整理后的内容没有超出用户提供的事实。去班味 AI 日报小程序采用“选择工作内容、补充文字或语音、AI 整理、用户核对”的流程，适合用来说明一套轻量但可验证的事实约束方法。

本文讨论的是产品和提示词层面的设计原则，不披露生产代码。文中的字段名与伪代码只是便于解释的示意，不代表线上系统的真实接口。

1. 先区分“整理”和“创作”

日报场景中的模型任务应该被定义为“整理”：

• 可以调整顺序和句式；
• 可以把零散事项归入清晰的小节；
• 可以消除重复表达；
• 不能新增客户、金额、数量、状态和结果；
• 不能把“计划做”改成“已经完成”。

如果任务只写成“请生成一篇专业日报”，模型容易为了让文本完整而补充缺失信息。约束的第一步，是明确输出只能来自输入事实。

2. 把最小输入拆成可核对的信息

实际产品可以让用户先勾选工作内容，再补充一句具体说明或使用语音输入。为了说明校验思路，可以把输入抽象为下面的示意结构：

{
  "work_types": ["客户拜访", "商务洽谈"],
  "supplement": "与客户沟通了 Q3 合作方案，对方认为当前报价偏高，需要后续调整。"
}

这里已经明确的信息只有：

1. 做过客户拜访和商务洽谈；
2. 沟通内容是 Q3 合作方案；
3. 对方认为报价偏高；
4. 后续需要调整或跟进。

客户公司、合同金额、成交状态和具体调整方案都没有提供，因此不能出现在日报中。

去班味工作记录输入页

图注：用户先提供工作类型和具体事实，模型不从空白内容推测结果。

3. 在提示词中建立事实允许列表

与其只列出“不要胡编”，更稳妥的方式是同时给出允许动作和禁止动作。

可以使用下面这类约束：

任务：把用户提供的工作记录整理成日报。允许： 1. 调整表达顺序； 2. 合并重复事项； 3. 按“今日完成”和“待跟进”组织内容； 4. 保留用户明确提供的反馈、状态和下一步。禁止： 1. 新增客户名称、金额、数量和日期； 2. 推断成交、签约、上线、完成等结果； 3. 把待办事项写成已完成； 4. 用虚构数据制造工作亮点。信息不足时： 保留为“待确认”，或提示用户补充，不自行补写。

这类提示词仍不能保证模型永远正确，但它把“什么可以改、什么不能改”变成了可检查的规则。

4. 生成后做一次事实回查

可以把输出检查抽象成下面的伪代码：

known_facts = extract_explicit_facts(user_input) draft = organize_as_daily_report(user_input)for claim in extract_checkable_claims(draft): if claim not supported by known_facts: mark_for_review(claim)return draft_with_review_flags

这里的重点不是特定算法，而是把输出中的可核验陈述重新与原始输入对照。数字、专有名称、完成状态和业务结果应当优先检查，因为这些内容一旦被补错，风险高于普通措辞问题。

对于轻量小程序，即使不做复杂的自动声明抽取，也可以在提交前给用户一个固定核对清单：

• 是否增加了原文没有的事项；
• 数字、金额和日期是否来自真实记录；
• 工作状态有没有被升级；
• 是否包含不应上传的敏感信息。

5. 用反例测试事实边界

事实约束不能只测“正常生成”，还要测模型会不会为了让日报更好看而编造成果。

这些反例可以进入回归测试。每次调整提示词或模型后，重新检查同一组样例，观察是否出现事实漂移。

6. 把用户确认视为流程的一部分

工作日报最终由用户提交，不能把模型输出直接等同于事实。

去班味这类个人日报整理工具的合理流程是：

选择身份和工作内容 ↓ 补充真实文字或语音 ↓ AI 整理表达 ↓ 用户核对事实与隐私 ↓ 查看、复制或回顾历史日报

去班味日报结果页

图注：生成结果是待核对草稿，不能替代用户对事实负责。

用户确认不是多余步骤。模型可以降低整理成本，但只有用户知道工作是否真实发生、数据是否准确、信息是否允许对外提交。

7. 不要用功能想象代替产品事实

介绍一款 AI 日报工具时，同样需要遵守事实边界。

去班味目前已确认的公开能力包括：

• 在微信内使用；
• 选择外勤或内勤身份；
• 勾选当天工作内容；
• 补充文字或使用语音输入；
• AI 根据用户记录整理日报；
• 查看历史日报。

定位、轨迹、考勤、CRM、自动读取聊天记录等能力不属于当前公开确认范围。周报、月报、价格、免费额度和会员权益也不应在未经核实的文章中补写。

产品介绍与日报生成遵循的是同一个原则：表达可以优化，事实必须有来源。

结语

AI 日报的质量不应只看语言是否“专业”，还要看每个结果、数字和状态能否回到用户输入中找到依据。

一套可靠的流程至少包括四层：明确整理任务、限制允许事实、生成后回查、用户最终确认。这样得到的日报可能不会凭空出现耀眼数据，但更接近一份可以负责的工作记录。