AI 给出一个答案后，我该检查什么？

先找出会影响行动的那句话

答案很长时，可以先不逐句检查。找出决定下一步行动的一句话：它是否在说一个事实？是否从事实推导出了建议？有没有把“在某些条件下”省掉？

例如下面这句教学示例：“用了 Pydantic，传错类型一定会报错。”如果据此设计工具参数，可能忽略数据转换的行为。与其问整段回答“靠谱吗”，不如先检查这个明确主张。

查到的内容，是否真的支持它

Pydantic 严格模式文档说明，默认校验可能尝试转换类型，例如把数字字符串转成整数；严格模式会收紧转换，但仍要看具体类型与输入方式。

因此，上面的说法需要缩小范围：必须先确定配置、字段和传入方式，再判断某个输入是否会被接受。一个网址属于官方文档，并不代表它支持答案里的每一句话。

核对时可以看三个位置：页面对应的版本、解释所在的小节，以及示例实际调用的方法。特别是代码问题，方法名很接近，也可能有不同条件。

让反例帮助你缩小结论

把问题收窄成：“这个示例中的整数参数，能否接受字符串？”就可以设计两个输入：数字 6，以及字符串 "6"。保持其他条件不变，对照结果。

配套的工具契约专题使用严格输入模型，并提供字符串、布尔值、缺失字段和额外字段的测试。这个练习验证的是具体模型的行为，不代表所有校验库、所有字段都一样。

问题写具体，才能继续查

模糊提问：“Agent 为什么报错，帮我修一下。”

更容易处理的提问示例：“参数 a 定义为整数，传入字符串后被接受了。我希望拒绝它。下面是最小输入模型、调用方式和预期结果，请先解释转换在哪里发生，再给一个最小修改与失败测试。”

提问时补上版本、最小代码、输入、实际结果、预期结果和已做检查。不要贴密钥、完整私人对话或无关数据库内容。问题是否变清楚，可以用另一人能否重现它来检查。

可复制的核验卡

准备采用的关键主张：
它是事实、推断还是建议：
原始或官方来源：
来源具体支持哪一部分：
适用版本与条件：
能否构造一个反例：
还没有验证的部分：
下一步可逆的小测试：

不一定每次都填满这张卡。改一个无关紧要的措辞，可以轻量检查；准备批量改文件或执行外部动作，就需要把范围、结果和回退办法说清楚。

来源

思考框架来自个人知识库《批判性思考：从感觉到可靠判断》及《超越感觉》相关整理。Pydantic 的行为依据上方官方文档核对；参数问题为本页设计的教学示例。资料核对日期：2026-09-21。