01 / 先说结论
一段答案，其实有三层
AI 常把事实、自己的推断和给你的建议写在同一段里。读起来连贯，不代表三层的可靠程度一样。
事实：发生了什么
推断：这可能说明什么
建议：接下来可以怎么做
推断：这可能说明什么
建议：接下来可以怎么做
审计不是要把每句话都否掉，而是给每句话找到合适的位置。事实去查证，推断看逻辑，建议看代价。
02 / 分析里的三层
行业分析最容易写成一锅粥
比如你问：“社区咖啡店今年值不值得做外卖？”AI 回答：
本市餐饮外卖订单去年增长 18%。年轻消费者更习惯线上下单，这说明社区咖啡的外卖需求正在快速形成。建议立刻上线全平台，并把预算的 30% 投到满减活动。
看似是一个结论，其实包含一个可查数字、一个需要证据的原因解释，以及一个会真花钱的动作建议。不能因为第一句有数字，就把后两句一起当成事实。
03 / 三步审计
分层，再溯源，最后决定
01
分层：给每句话贴标签
先不争对错，只问它属于事实、推断还是建议。一句话混了两层，就拆成两句。
“订单增长 18%，所以需求正在形成”要拆成数字事实和原因推断。
02
溯源：每层要不同的证据
事实要原始数据；推断要看有没有别的解释；建议要问依据、成本、风险和适用条件。别只向 AI 要一个笼统的“参考来源”。
03
决定：哪层现在能用
已核实的事实可以引用；证据不足的推断只能当假设；代价不明的建议先做小测试，不要直接全量执行。
04 / 逐句标出来
同一段输出，拆开就清楚了
事实
“本市餐饮外卖订单去年增长 18%。”要找统计口径、时间范围和原始报告。
推断
“这说明社区咖啡外卖需求正在形成。”也可能是正餐订单增长，不能仅凭总量推出咖啡需求。
建议
“立刻上线全平台，预算的 30% 做满减。”比例从哪来？毛利能否承受？先选一家店试两周更稳。
你最后可以得到一个更能行动的版本：数据暂时可参考，需求判断待验证，投放建议先缩成低成本实验。
审计不是抬杠
把“不确定”留在答案里
好的审计结果，不一定是一句“对”或“错”。它更像一张地图：哪里有出处，哪里只是合理猜测，哪里要你承担决策后果。