夜雨聆风上周我发现一件吓人的事。
AI 帮我整理资料的时候写着「Claude 现在是 200k token」。说得很笃定，还引了官方博客做背书。
但今天已经是 1M token 了。
它不是在骗我，它只是把半年前的记忆当成现在写出来。这种错最坑，因为说得很笃定、还能引一堆背书，肉眼根本看不出来。等真要拿去用的时候才发现「这个早改了」，前面基于错误信息做的判断全要推翻。
所以我写了个 skill 叫 fact-check，专门让 AI 给 AI 整理出来的内容做事实核查。逻辑很简单：把内容里的事实声明逐条抽出来，去官方 docs 对照，出一份「对 / 过时 / 错 / 查不到」四级报告，外加修正 diff。
听起来挺直白的。但它的 4 个版本，每一版都是在跑真实任务时被它自己抓现行，被迫加纪律加出来的。
下面四个例子，全是用 fact-check 前后的真实对照。
v1.0：数字对不齐它都没告诉我
场景：我让 AI 帮我整理一份 Claude Code 配置项的 cheat sheet，准备扔进团队 wiki 给同事查。AI 整理出一堆功能说明，我跑了第一版 fact-check。
没用之前：cheat sheet 里有十几条事实声明（「X 字段默认值是 Y」「Z 配置项 deprecated 了」这种），全靠我自己一行行翻 docs 对，干完一上午。
用了之后：fact-check 跑完，告诉我「检查了 12 条声明，1 错 1 过时」。
听起来不错？但我数了一下它前面列的抽取表：14 条。最后正式报告里又只列了 11 条。
三处数字全不一样。它中间合并了？丢了？还是漏了？一个字没说。
我没法判断它给的「1 错 1 过时」对应哪几条。错的那条是 Claude Code 的某个参数？还是某个已经废弃的配置？过时的那条是默认值变了？还是字段名变了？没法跟进、没法验证、没法改。我跑这一遍 fact-check 干了什么？什么都没干。等于白审。
补 v1.1 纪律：禁止静默合并 / 丢弃；三处数字必须对齐（抽取表行数 = 口播数 = 报告表行数）。如果做了合并或丢弃，必须在报告末尾显式说明哪几条被合并、为什么。
v1.2：把同一个东西判成了两个
场景：我让 AI 帮我整理一份「Claude 桌面端产品对比」给同事看，要讲清楚 Claude Desktop 和 Claude Code Desktop 的区别。
没用之前：AI 整理的初稿里写「Claude Desktop 偏聊天、Claude Code Desktop 偏编程，是两个独立的 App」，听起来很有道理。
用了之后：fact-check 跑完，连着两轮告诉我：「作者把它们当两个 App 是对的 ✅。」
理由听起来逻辑挺顺：一个在 support.claude.com 的文档里，一个在 code.claude.com 的文档里，连官方文档站都不一样，能是同一个吗？
实际上就是同一个 App。
只是这个 App 在不同时期、不同业务线，文档站起了不同的名字。下载下来是一个安装包。
我让它做「交叉验证」才发现的：去官方下载页看是不是一个安装包、去 FAQ 翻有没有「X 和 Y 是什么关系」、去官方博客看历史改名记录。它做完才说：「噢，是一个东西。」
整份对比要从「两个 App 对比」改成「同一个 App 的两种使用模式」，差远了。
补 v1.2 纪律：名字不同不代表实体不同。当同一概念在不同官方文档站出现不同叫法时，必须先做交叉验证（下载页、FAQ、博客）再下判断。
v1.3：抓出我之前被另一个 AI 带偏的判断
场景：5 月 15 日，我让 AI 帮我整理三份对比清单给团队：「Cursor Rules vs Anthropic Skill」「AGENTS.md 跨工具兼容性」「always-on Rule 的最佳实践」。
没用之前：第二份清单里写「AGENTS.md 是开放标准，Cursor、Codex、Claude Code 都原生支持 ✅」。
这话不是 AI 这次自己想出来的。是我之前跟另一个 AI 聊「AGENTS.md 是行业标准」时，它顺嘴推断「既然是开放标准，那同类 AI 工具都该支持」，我就信了，记在脑子里、又口头传给了这次的 AI。
用了之后：fact-check 跑出来的报告里，有一行让我心一沉：
「Claude Code 官方明确写 reads CLAUDE.md, not AGENTS.md，不支持原生读 AGENTS.md。」
我愣了一下。我之前一直觉得「AGENTS.md 谁都支持」是个常识，居然是从一次 AI 顺嘴推断里来的，我自己根本没核实过。
幸亏跑了 fact-check，否则这条「权威错」就要进团队 wiki 了：说得很笃定、引一堆背书，但核心结论不对。看的人一旦把 AGENTS.md 配给 Claude Code，怎么都跑不通，回头还以为是自己配错了。
补 v1.3 纪律：「行业标准」不等于「每家都支持」。跨工具支持声明必须每家工具独立去官方文档查 explicit 的支持声明，不能默认推断。
v1.4：细化一遍又抓出两个
场景：那三份对比短版做完后，我让 AI 帮我把每一条都加上举例和反例，做成详细版。
没用之前：详细版里加了两个看起来很合理的例子：
「.cursor/rules 只有 Cursor 看到，.codex/ 只有 Codex 看到 → 都是工具私有格式」
「Claude 现在是 200k token，always-on Rules 一多就挤爆上下文」
用了之后：fact-check 又抓出两个。
第一个，.codex/ 这个目录根本不是「Codex 的私有指令格式」。它是 Codex 的配置目录，存的是 config.toml、auth.json、history.jsonl 这种东西。说白了就是 Codex 自己的设置和登录信息，不是用户写给 AI 看的指令。Codex 真正给 AI 看的指令文件，用的是开放标准 AGENTS.md。
我把它当反例举，是错位的。应该换成 .windsurfrules 那种真正「只服务一家工具」的格式。
第二个，「Claude 现在是 200k token」这句话半年前写是对的。今天再写就是错的。Claude Sonnet 4.6 / Opus 4.6（2026 年 3 月 13 日起 GA）已经是 1M token。
补 v1.4 纪律：
1.看到 .xxx/ 目录名别想当然，先去查官方 docs 那个目录到底是「配置」还是「私有指令」
2.上下文窗口、价格、版本号这种时间敏感的「现状数字」必须当场查最新官方源，不能信作者写的时候的数字
4 次迭代的共同点
回头看这 4 个版本，每一条新加的纪律都不是我空想出来的：
这跟我以前写工作流文档完全不一样。
以前写文档，我习惯先把「所有可能踩的坑」想一遍，写进去。听起来很周全，但实际上你想不到的坑它一定会踩。
那些坑只能在真实场景里冒出来。
skill 也一样。第一版只能写到「最少能跑」的程度，剩下的纪律全靠它自己跑出来被打脸、再回头补。
那这种「打脸式迭代」危险吗？
危险。但它是唯一可靠的路径。
如果我不让它在真任务里跑，我永远不会发现它会「静默合并声明」，也永远不会发现「Claude 200k token」这句话已经过时了。
写在后面
写完这一轮，我对「AI 给 AI 审稿」这件事有了新的理解。
很多人以为，AI 之间是「自证陷阱」：A 编了一段错话，B 看不出来，因为 B 跟 A 是同一拨训练数据训出来的，两个 AI 会串通。
但 fact-check 这一轮跑下来，我发现并不是。
AI 不会跟 AI 串通。AI + 工具 + 纪律，才会跟 AI 翻脸。
原因是 B 根本不是「另一个 A」。
B 是 A 加上一套工具、加上一套纪律。A 的目标是写得通顺，B 的目标是找到原文。A 用脑子里的记忆（有截止日的训练数据），B 必须当场去拉实时官方文档。A 没人逼它「找不到不许猜」，B 被强制了。
所以 B 抓 A 的，不是它自己的智慧，是「实时世界」。官方文档才是真正的裁判，B 只是搬运工。它甚至会抓出我之前跟另一个 AI 对话时被顺嘴带偏的判断，因为带偏那次也是「靠记忆」，跑 fact-check 时 B 拿的是「实时 docs」。
反过来也成立。如果让 B 去审一段「我建议你这样做」的方法论，外部没有官方源可查，B 跟 A 一样只能凭感觉，结论会高度相似。这就是为什么 fact-check 写明「跳过方法论不审」：不是看不上，是真的审不了。
但前提是你得给它纪律。没有纪律的 B，确实会跟 A 串通（「差不多就是这样吧」）；有纪律的 B，会在你最不希望的地方拆穿你（「这话是错的，幸亏被拦下来了」）。
写 fact-check 的过程，本质上是在给 AI 装「自我反省」的能力。
而它装得最好的地方，不是技术多复杂，而是 4 个版本里每一条纪律都来自被自己抓现行 —— 没有这一步，纪律就是空话。
人也一样。你想自查的时候，光在脑子里转一圈不算数。得把「裁判」搬到脑子外面：数据、checklist、不留情面的朋友。
你最近被 AI 一本正经地骗过哪条信息？评论区聊聊。
👉 推荐阅读
