如何判断 AI 给的家谱答案能不能信?autoresearch-genealogy 验证清单实操
如何判断 AI 给的家谱答案能不能信?autoresearch-genealogy 验证清单实操
autoresearch-genealogy 是一个面向 AI 辅助家谱研究的开源项目,提供结构化提示词、vault 模板和档案指南,帮助你在采纳 AI 给出的家谱结论之前,用一套可执行的验证清单完成核查。很多新手最大的困惑是:AI 说得头头是道,这个"祖先信息"到底能不能直接写进家谱?这篇文章给你一套三步验证流程,配合项目自带的 Verify An AI Finding 清单和置信度分级体系,让每个 AI 结论都经得起追问。
为什么 AI 的家谱答案会出错 🤔
AI 不是故意骗你,而是家谱研究本身就"反 AI"——没有编译器告诉你答案对不对。项目文档 why-ai-can-be-wrong.md 总结了 5 种典型错误模式:
| 错误模式 | 具体表现 |
|---|---|
| 填补空白 | 父辈不详时,AI 倾向于编一个"合理"的名字,而正确答案本应是"未知" |
| 混淆同名者 | 同名、同年代、邻近地区的两个人被过快合并成一人 |
| 抄弱树 | 10 棵在线家谱"一致",可能都源自同一个无来源的猜测 |
| 误判来源质量 | 索引、讣告、用户树和出生证明被当作同等可信度引用 |
| 过度解读 DNA | ethnicity 百分比和小片段被当成确切历史事实 |
一个更隐蔽的陷阱是"多来源错觉":两棵互相抄写的树只是一个来源,不是两个(详见 common-pitfalls.md)。所以"AI 找到了 5 条记录"不等于"有 5 个独立证据"。
三步验证清单:先查来源,再查身份,最后做决定 ✅
核心工具是 checklists/verify-an-ai-finding.md,把它当作每次采纳 AI 结论前的必经流程。
第 1 步:来源检查(Source Check)
问自己 5 个问题:
- [ ] AI 是否给出了来源名称、URL 或原始图像?
- [ ] 你自己打开过这个来源吗?
- [ ] 来源的内容真的支持 AI 的说法吗?
- [ ] 这个来源是原始的、索引的、转录的,还是抄自别人的树?
- [ ] 来源是否已记录到
Research_Log.md或人物文件中?
💡 只要第 2 条是"否",无论 AI 多自信,这个结论都不能进家谱。
第 2 步:身份检查(Identity Check)
确认"这条记录说的确实是你的那位祖先":
- [ ] 名字是否匹配(包括合理拼写变体)?
- [ ] 日期是否符合已知的人生时间线?
- [ ] 地点是否符合家族的地理轨迹?
- [ ] 配偶、父母、子女、职业、教派、证人能否佐证匹配?
- [ ] 是否存在另一个同名者可以解释这条记录?
第 3 步:做出决定(Decision)
- ✅ 采纳:来源、身份、日期、地点、关系五项全部合理
- 🟡 标记
speculative:有用但未证实,保留为线索 - ❌ 拒绝:来源缺失、无关,或抄自无来源的树
- 📝 无论结果如何,把决定和理由写进日志,后续证据不足时补一条到
Open_Questions.md
用置信度分级给每个结论"定级" 📊
验证通过后,不要把所有结论混为一谈。项目提供 confidence-tiers.md 三级体系,新手版解读见 source-grades.md:
| 分级 | 通俗说法 | 判定标准 |
|---|---|---|
strong_signal |
可以相信 | 至少两个独立来源一致,或有原始文件支持且无矛盾证据 |
moderate_signal |
谨慎使用 | 一个原始来源支持,或多个二手来源一致但存在小矛盾 |
speculative |
仅作线索 | 单一来源、三级来源(用户树/口述/照片说明)或被其他证据反驳 |
在人物文件中把 evidence_tier 设为对应值,家谱中未验证的信息用 (unverified) 或 (speculative) 标注。这样即使线索暂时不成熟,树也不会被"污染"。
来源分级:出生证明为什么比家族故事可靠?
当两个来源打架时,source-hierarchy.md 给出仲裁规则:
Tier 1 原始来源 > Tier 2 二手来源 > Tier 3 三级来源
- Tier 1:出生/婚姻/死亡证明、教会登记、移民清单、人口普查原件、法院档案——事件发生时由官方近实时创建
- Tier 2:报纸讣告、出版的族谱、转录索引、档案数字化摘要
- Tier 3:用户贡献的在线家谱、口述史、照片说明、论坛帖子
⚠️ 注意:同级别的来源冲突时,看"离事件多近"和"信息提供者是否知情"。例如出生 60 年后补办的出生证,可能包含提供者的记忆错误——即使它名义上是 Tier 1。
让 AI 自动帮你做交叉审计 🔍
手动检查之外,项目提供 13 个可自主运行的提示词(见 prompts/README.md),其中验证场景推荐按 Verification Pack 的顺序执行:
- 02 Cross-Reference Audit(prompts/02-cross-reference-audit.md):逐个人比对
Family_Tree.md与人物文件的日期、姓名、地点,把每个不一致记入审计表并说明"哪个来源胜出、为什么" - 05 Source Citation Audit:核查每个人物文件是否至少引用两个独立来源
- 04 GEDCOM Completeness:如果你导出 GEDCOM,检查数据是否同步
审计的输出是一张差异表(示例见 examples/cross-reference-audit.md):
| 人物 | 字段 | 树中的值 | 人物文件值 | 正确值 | 来源 | 状态 |
|---|---|---|---|---|---|---|
| [ANCESTOR] | 出生日期 | 1866 | 1866-05-10 | 1866-05-10 | 洗礼证明 | RESOLVED |
人工复查时对照 review-cards/02-cross-reference-audit.md,重点盯这些红旗信号:
- AI 选了某个日期或地点却没引用来源
- 低质量来源"悄悄覆盖"了原始记录
- 冲突从记录中消失而不是被解释
- 因为"名字长得像"就合并了多个人
常见误区速查 🧭
来自 what-ai-can-and-cannot-do.md 的能力边界说明:AI 擅长搜索、交叉比对、OCR 和组织记录,但不能保证准确,也判断不了需要领域专业知识的边缘情况。实用原则:
- 证据 vs 线索:DNA 百分比、小片段、照片说明、搜索摘要都是线索,不是证据——记入
Open_Questions.md,不要直接进树(evidence-vs-clues.md) - 什么才算证明:你自己打开过来源 + 来源支持确切说法 + 身份匹配说得通(what-counts-as-proof.md)
- 否定结果也要记录:"搜了但没找到"同样有价值,能避免重复无效搜索
小结:把"能不能信"变成一道检查题 📌
判断 AI 家谱答案的流程可以浓缩为一句话:先看来源是否亲手打开过,再核对身份是否匹配,最后按 strong / moderate / speculative 三级定级,并让审计提示词定期复核全树。 这套流程全部来自 checklists/verify-an-ai-finding.md、reference/confidence-tiers.md 和 prompts/02-cross-reference-audit.md。
如果你是第一次使用项目,建议从 START_HERE.md 入手,或直接跟 walkthroughs/first-run.md 用合成数据做一次零隐私风险的演练。