AI 帮你写稿，谁来帮你核稿？

前段时间，我们团队遇到一件头疼事。

我们每周要做一档音频节目。做节目之前，得先攒一份简报。这份简报，是从几十份材料里拼出来的：新闻、研报、公告、速记稿。特别密。节目里说的每一个事实、每一个数字，都得有出处，都得对。

录制之前，必须有人把整份简报从头到尾核一遍。

以前是谁核？一个人。通读全文，翻原始材料，一条一条对，顺手改错字。认真吗？特别认真。快吗？一点都不快。枯燥吗？谁干谁知道。

后来，我们把这件事交给了 AI agent。

效率直接起飞。

今天，我把这套做法完整讲给你。不神秘，你明天就能用。

什么叫 AI agent？

先说清楚一个概念。

很多人以为，用 AI 干活，就是打开对话框，你问一句，它答一句。

AI agent 不一样。

什么叫 agent？agent，就是你能把一整件活交给它，它自己拆步骤、自己跑、自己干完再交回来的 AI。你不用全程盯着。它领了任务，会自己去找材料、做比对、写报告。

一句话：聊天机器人等你提问，agent 替你干活。

理解了这一点，后面的做法才通。

我们是怎么干的？

回到那份简报。

我们的做法，五步。

第一步，把原始材料备齐。简报是从哪些文章、哪些研报、哪些速记稿里来的，全部攒到一起。这些就是"标准答案"。agent 核查，核的就是简报跟它们对不对得上。

第二步，把简报切开。别指望一个 agent 包查天下。按主题切，一节一个 agent，各自领活。

第三步，并行开跑。用 Codex、Claude，或者任何支持 agent 的平台，让它们同时干活。过去一个审稿人要干一小时的活，几分钟就覆盖完了。

第四步，交叉互查。第一轮跑完，再派一个 agent，专门复查第一轮的标记：有没有漏网的？有没有标了、但证据其实撑不住的"纠正"？

这一步，太妙了。几个 agent 互相挑错，等于平白多了几双眼睛。

第五步，收报告。最后回到你手上的，是一份清清爽爽的清单：哪些事实被标记了、建议怎么改、来源链接是什么、哪些错字是你扫一眼就能拍板的。

五步走完，人再上场。

注意，我们并没有把原始材料扔掉不管。做节目的人，照样要通读一手材料。agent 干的，是把"大海捞针"变成"针已经摆在你面前"。

机器负责把针挑出来，人负责看针插得对不对。

真正值钱的，是它怎么把活交还给你

这套流程里，最让我惊讶的，不是 agent 查得多准。

是它交作业的方式。

你想，如果 agent 给你甩回来一篇长文，你还得从头读一遍，那等于没省时间。

但它交回来的，是一本明明白白的账：按章节分组的问题清单；每条疑问，都带着原始材料的链接；并且分成两层，错字、写错的数字，属于高置信，你扫一眼就能确认；另一些需要人来判断，它会明明白白告诉你，这个我不确定。

于是，你的工作变了。

从"通读一切"，变成"只看被标记的"。

这是两种完全不同的编辑。前一种拼时间，后一种拼判断。

但是，有个坑，你必须知道

AI agent 会错。

这不稀奇。稀奇的是：几个 agent 会一起错，而且错得整整齐齐。

你想想看，三个 agent 交叉复核，结论一致。你是不是就放心了？

千万别。

它们可能只是用同样的方式，读错了同一份材料。

所以，那份核查报告，不是免检通行证。你的信心，应该来自它挖出来的证据，来自你自己读过的那一部分，而不是来自"AI 说都核过了"。

说白了，这套流程，本质上是个注意力分配器。

哪些地方，机器说了算？错字、格式、明显的数字错误。这些一眼能验证，省下来的时间，是真金白银。

哪些地方，必须人说了算？每一句你要发出去、要担责任的话。

从哪开始？

你不需要一上来就搭什么复杂的系统。循序渐进，四步。

先做校对。让一个 AI 拿着清单查你的稿子：错字、语法、格式不一致、明显的事实错误。这活最好验证，也最有即时满足感。

再做溯源验证。把文档，连同它背后的原始材料，一起交给 AI。让它标出来：哪句话，材料撑不住？

然后，文档长了、来源多了，再上并行 agent。按主题切，Codex 也好，Claude 也好，同时开跑。

最后，先把它用在最怕出错的内容上。客户报告、研究备忘录、对外邮件、要发出去的演示材料，都是重灾区。错误代价最大的地方，这套流程回本最快。

最后说两句

我们那档节目的简报，现在还是每周一份，还是那么密。

不一样的是，录制之前，几个 agent 已经把针一根根挑出来，摆在了编辑面前。编辑的时间省下来了，判断力用在了刀刃上。

AI agent 不会把你变成一个更好的编辑。

但它会把你的注意力，赶到只有你才能站的地方。

如果你还在用纯人工的方式核稿，我建议你今天就试一次。不用复杂，先从查错字开始。

在这个内容多到看不完的时代，信任，是最贵的流量。

祝你，发出去的每一个字，都经得起推敲。