北京
上周我在 Hacker News 上看到一个帖子：有人专门搭了个一次性网站，往里塞假统计数据，就为了看大模型把这些数字当事实引用。帖子拿到 295 分、168 条评论。它戳中了很多人的神经，因为我自己也遇到过更温和的版本——AI 助手递来一份草稿，里面理直气壮地写着"73% 的开发者……"，还附了链接，而我没有任何快速办法去确认那个链接里到底有没有 73%。
我找到的现成引用核查工具，回答的其实是另一个问题："这条参考文献存在吗？"它们面向学术文献目录，多数还是付费的网络服务。我要的东西更窄、也更本地：被引用的那个页面里，到底有没有这些数字。于是我把它做了出来。
factfence 是什么
factfence 是一个零依赖的 Python 命令行工具。把它指向任意 markdown 或文本文件——博客草稿、文档、AI 生成的报告——它会做这几件事：
- 抽出所有量化断言（百分比、金额、大额计数、倍数、比例），并跳过代码块，这样 retries = 99 不会被当成一条"断言"。
- 每个不重复的引用只抓取一次（礼貌的 user-agent、8 秒超时、1.5MB 上限），把页面压缩成规范化纯文本。
- 对每条断言给出五种判定之一。
五种判定分别是：SUPPORTED（被引页面里确实有这些数字）、UNVERIFIED（页面能打开，但不含这些数字——这是最典型的 AI 幻觉形态）、BROKEN（所有被引链接都抓取失败）、UNCITED（一个硬数字，完全没有引用）、CITED（一句"研究表明……"式的断言，链接有效，但没有可交叉核对的数字）。
跑起来是什么样
拿一段 AI 写的样例文字实测，输出是这样的：
[✓ SUPPORTED] 据 2026 年 DevTools 调查，73% 的开发者表示 AI 生成的代码在合并前需要人工审查。HTTP 200，匹配到 73%。
[? UNVERIFIED] 有团队声称 99.9% 的 AI 建议可直接上生产，引用了一份内部研究。HTTP 200，被引页面抓到了，但不含该断言的任何数字。
[! UNCITED] 常有人说 2027 年前 60% 的代码将由 AI 编写，但没人给出出处。量化断言无引用，需人工核实。
汇总一行：共检查 6 条断言，2 条支持、1 条有引用、1 条未验证、1 条链接失效、1 条无引用，3 条需要复核。
退出码对 CI 友好（0 表示干净，1 表示需要复核，2 表示出错），加 --json 可以拿到机器可读的输出，直接接进流水线。
怎么用
克隆仓库、进入目录，用 python3 -m factfence your-draft.md 跑你的草稿。不需要 pip install，只用标准库，要求 Python 3.10 以上。
它故意不做什么
它检查的是引用是否支撑断言，不是断言是否为真。一条 SUPPORTED 的断言，如果来源本身是错的，它照样可能是错的——这个工具抓的是更常见的那种失败：数字说得斩钉截铁，引用却是死链、不相关或者干脆没有。
数字匹配是文本层面的，"73%"和"接近四分之三"对不上；需要登录的页面抓不到；工具目前以英文为主。这些都在 README 里作为局限写明，而不是藏起来。
如果你要发布任何有大模型参与写作的内容，把草稿过一遍。它标出来的那三句话，恰好就是值得你再读一遍的三句话。
仓库地址：github.com/techdevfun/factfence，MIT 许可，欢迎提 issue 和 PR。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
