AI 查了一堆资料，为什么反而答不好

让 AI 查资料时，我很容易冒出一个想法：既然能查，就多查一点。把文件都读了，把搜索结果都拿回来，总比漏掉什么强。

但“工具返回了一大堆内容”和“问题已经有了可靠答案”，中间还隔着几步。资料里有没有对应的时间范围？同一个名字是不是同一个人？返回的是全部记录，还是第一页？这些条件只要漏掉一个，回答就可能写得很完整，却答错了对象。

我现在更愿意先问：这次究竟要从资料里做出什么判断？再决定该给 AI 看哪些内容。

工具成功，只表示拿到了东西

先设一个完全虚构的例子。一个读书会有几百条活动报名记录，你想知道：“下周六那场，还有哪些人没确认参加？”

工具返回整张表，里面有往期活动、取消的报名、备注、内部编号，以及这次活动的记录。AI 需要从中找出日期，再分辨“待确认”和“已取消”，最后组织成名单。

麻烦在于，真正的规则可能是：只看指定场次、报名仍有效、确认状态为待确认的人。名字可以重复，活动也可能在同一天办两场。只凭标题里出现“周六”，并不足以确定范围。

这个例子没有模型实测，也不代表多给资料必然答错。它只是把问题拆开：读取成功是一件事，范围正确、筛选正确、名单完整，又是另外几件事。

如果工具允许按场次和状态查询，先缩小范围，模型就不用一边读历史记录，一边猜哪些字段重要。即便工具只能读文件，也可以先看列名与少量样本，弄清字段含义，再筛选目标记录。

省掉噪音，别把判断依据一起省掉

Anthropic 在《Writing effective tools for agents》中建议，工具应返回与任务有用的上下文，并用筛选、分页等方式控制结果规模。这是 2025 年的工程经验，不是今天刚出现的新功能。原文在这里。

我理解的重点不是“回复越短越好”，而是每个字段要有用途。

继续看报名表。假设工具只返回“林同学、周同学”，文字确实少了，但你没法判断这两个人对应哪条报名，也不知道状态是什么时候更新的。要继续核对，就又得从头查。

比较合适的结果，可以保留场次标识、报名记录标识、展示名、确认状态和更新时间。名单用于阅读，记录标识用于回查，场次标识用来避免混入另一场。若字段允许“未知”或“空值”，也应该原样保留，不能为了好看擅自归成“待确认”。

这并不意味着任何任务都要带同一套字段。只是统计人数时，可以先做确定性的计数；要解释某个人为何被列入时，就需要具体记录。输出形状应该跟问题走。

最危险的三个字：没找到

假设这次有 37 条符合条件的记录，工具每页只返回 20 条。这些数字也是为说明问题设的。

如果 AI 只看第一页，就说“一共 20 人”，错误不在算术，而在把“已经看到的”当成了“总共存在的”。

所以，一份结果除了正文，还需要让使用它的人知道边界：有没有下一页，是否被截断，查询用了什么条件。如果总数未知，就写未知；工具没提供总数，也不能从当前页的条数推出来。

“没找到”同样需要范围。它可能表示全部记录中没有，也可能只是当前文件、当前时间段、当前可访问资料里没有。甚至搜索词不合适，也会让本来存在的记录没有出现。

我会把这类结论改成更具体的话：“在这次活动已读取的两页记录中，没有发现待确认报名。”如果第二页读取失败，就不能保留这句话，而应说明仍有未读部分。

还有一种更隐蔽的缺口：系统只返回你有权限看的资料。分页全读完，也不自动等于掌握了整个组织的全部记录。答案的范围，要跟实际可见范围一致。

摘要适合找方向，原文负责定结论

并非所有问题都能变成表格过滤。查活动规则时，你可能拿到几段搜索摘要，其中一段说“可临时更换参加者”，另一段却说“不允许转让”。

这时，把两段压缩成一句“规则存在冲突”，还不够。它们也许来自不同年份，或者一份说的是普通活动，另一份说的是需要提前审核的专场。

我的做法是先把摘要当索引。它帮我决定打开哪份材料，但关键结论还要回到对应原文，看适用对象、日期和前后限定。两份材料如果确实矛盾，就把矛盾留下，别为了给出一个利落答案擅自选边。

这里也有边界：有些原文已经失效、需要登录，或者只剩搜索片段。无法回查时，可以说“目前只找到这一段摘要，尚不能核实适用条件”。这比把搜索结果的几行字写成确定规则更有用。

减少资料量，是为了让相关证据更清楚，不是为了把麻烦的反例删掉。

不写工具的人，也能这样交代

普通使用者未必能改工具的返回格式，但可以把任务要求写得更具体。比如：

请先确认目标活动及日期，再查有效报名中的待确认记录。保留可回查的记录标识。如果结果分页或截断，请继续读取，或者说明还缺哪部分。最后给出名单和统计口径，不要把空状态直接当成待确认。

查文档时，可以换成另一种交代：

先列出最相关的资料及日期，再打开支撑结论的原文。涉及版本或适用范围时，请保留限定条件。找不到原文或材料互相矛盾，就把缺口写出来。

这两段都不是保证正确的咒语。工具本身不支持过滤，权限不足，或者模型没有照做，结果仍可能出错。它们的作用是把验收条件摊开：我能检查它查了哪里，依据是什么，还有哪些内容没看到。

如果这件事要反复做，我会留几份自己能核实答案的小样本：有重名的、有空状态的、有多页的，再看它每次能不能给出正确范围。一次碰巧答对，还不足以证明流程稳定。

我希望 AI 最后交给我的，不是“我看了很多”的工作量证明，而是一份可以回查的答案。材料少一些没关系，前提是相关证据还在，没看到的部分也说得清楚。