在用 AI 幫忙寫東西、研究問題或拿主意的時候，我現在習慣問好幾個模型。

但這不是隨便多問幾次，也不是看哪個答案聽起來更多人支持。
真正的價值在於讓不同模型獨立判斷，把它們的分歧挖出來，再回到原始證據去驗證。
最近我又把這個流程走了一遍，才發現之前差點漏掉最關鍵的一步。我以為讓三個模型都參與了，結果實際只有兩個給出了回答，另一個被跳過了。
如果不確認每一條路是不是真的返回了內容，很容易誤以為驗證已經做全了。
我把能立刻用的做法壓成了三步。
讓不同模型先獨立回答。問第二個模型時，不要把第一個的答案給它看，避免互相帶偏。
再要求每個模型用同一結構輸出：結論是什麼、主要依據是什麼、哪裡不確定。這樣放在一起才好直接對比。
最後不去數誰對誰錯，而是專門盯分歧。重要的分歧就去翻最原始的資料，或自己實際驗證一下。
同時確認每個模型是不是真的有給出回答。
下次你要用 AI 交叉驗證一個判斷的時候，就按這三步來。