你看到一篇新闻。
网站是真的。
版面很正常。
文章有作者名字。
作者甚至有：
头像、
社区帐号、
个人介绍。
那是不是至少可以先假设：
「这个作者是真的？」
现在答案已经不能这么简单了。
短答案：不代表
一篇文章刊登在真正存在的媒体网站上，
只能证明：
这个网站真的发布过它。
它不能单独证明：
作者身份是真的。
作者背景是真的。
文章里每个事实都正确。
更不能证明：
背后没有组织刻意操弄信息。
OpenAI 10 月 8 日公布的一项调查，
刚好提供了一个很实际的例子。
OpenAI 找到 7 个看起来像真的「记者」
OpenAI 表示，
公司最近封锁了一组源自伊朗的影响行动。
这组行动创建：
7 个 Journalist Personas。
也就是七个看起来像独立记者的人物身份。
这些身份不是只有：
一个 ChatGPT 产生的名字。
其中一些还创建：
Medium、
X、
Facebook、
Instagram、
Threads
帐号。
有作者甚至把自己介绍成：
美国自由撰稿人。
也就是，
当一般读者看到这个名字时，
可能会看到：
文章。
作者简介。
社区帐号。
过往贴文。
乍看之下，
一整套数字身份都存在。
文章甚至真的进入外部媒体
OpenAI 表示，
透过 Open-source Investigation，
找到：
接近 100 篇
使用这些相关署名发布或转载的文章。
范围横跨：
约十多家在线媒体。
最早可以追到：
2025 年 7 月。
最近则一直到：
2026 年 10 月。
而且至少部分文章，
后来还被刊登媒体自己的：
社区帐号
再次推广。
这就是今天真正值得注意的地方。
不是：
「假网站发布假新闻。」
而是：
假的作者身份，有可能借到真的媒体网站的可信度。
所以看到真媒体，以后到底怎么查？
不用每看一篇文章，
都做两小时 OSINT。
一般人可以先用三个问题。
第一个：作者是谁？
先不要只停留在文章里的：
Author Bio。
因为如果这个身份本身就是包装出来的，
他的 Bio 当然也可以写得非常完整。
可以直接另外开一个搜索页，
查：
作者完整姓名。
再看：
以前在哪些媒体写过？
这些文章存在多久？
不同网站上的经历是否一致？
作者是否有长期、合理的报导主题？
所属机构能不能找到这个人？
社区帐号是最近突然创建，
还是有合理的长期活动？
不是「搜索不到＝假记者」
这个 Boundary 非常重要。
刚入行记者、
自由工作者、
地方媒体记者
本来就可能没有很大的网络足迹。
所以：
找不到很多数据
不是证据。
真正要看的是：
已经存在的身份信息能不能互相对得起来。
例如作者声称：
长期在美国采访。
但公开透明度数据却长期显示帐号在另一个国家营运。
那才是一个值得继续查的信号。
不是看到：
「这个人粉丝只有 200。」
就判定是假记者。
第二个：这篇文章的证据从哪里来？
接着不要只问：
「这是哪一家媒体写的？」
改问：
「它是根据什么写的？」
例如文章说：
某家公司宣布新政策。
那有没有：
公司公告？
监管文档？
法院文档？
正式研究？
公开数据？
记者直接访问？
如果文章引用：
「研究显示……」
能不能找到那份研究？
如果引用：
「官方表示……」
能不能找到原始声明？
这叫：
往上游找。
不要只停在：
A 网站说 B。
继续找：
B 原本从哪里来。
有链接也不等于已经验证完成
一篇文章有：
Sources、
Citation、
超链接
当然比完全没来源好。
但你仍要看：
连到的是原始数据？
还是另一篇重复报导？
来源真的支持文章的结论？
还是只支持其中一句？
这和我们以前讲 AI Citation 的问题一样：
有来源
不等于：
整段推论都被来源证明。
第三个：其他独立来源怎么说？
这一步特别适合：
政治、
战争、
公共卫生、
重大事故、
金融市场、
高度争议事件。
不要只在同一个网站里一直读。
离开它。
搜索：
内核人物＋事件。
内核公司＋事件。
原始文档名称。
看看：
其他彼此独立的可靠来源
是否也报导同一个核心事实。
这就是常说的：
Lateral Reading。
不是在一个漂亮网站里：
从上看到下，
然后决定它像不像真的。
而是：
跳出去看别人怎么描述它。
为什么这招现在变得更重要？
因为生成式 AI 已经让「看起来很专业」变便宜很多。
以前要创建一个完整假身份，
可能要准备：
人物背景、
文章、
社区贴文、
Email Pitch、
留言，
还要维持相同语气。
现在 AI 可以协助：
改文章、
写 Pitch、
产生留言、
维持 Persona 语气。
OpenAI 这次调查就是一个例子。
所以：
文笔流畅、
拼字正确、
有完整作者介绍
本身的验证价值正在下降。
但也不要反过来变成「看到 AI 就不信」
另一个极端同样有问题。
OpenAI 说的是：
相关影响行动使用它的模型，
再结合：
传统操作方式、
社区平台、
其他技术。
它并没有证明：
那接近 100 篇文章的每一个字
全部由 AI 自动产生。
所以不能把事件简化成：
「AI 写的文章都是假的。」
AI 可能被用来：
改写、
研究、
翻译、
整理、
编辑。
真正要判断的仍然是：
作者身份。
证据品质。
事实能否被验证。
而不是猜：
「这篇看起来很像 ChatGPT。」
小媒体也不等于不可信
OpenAI 表示，
相关文章出现在多家：
Small and Medium Online Outlets。
这同样不代表：
小型媒体比较不可信。
很多重要的：
地方新闻、
专业产业报导、
调查新闻
本来就来自小型编辑部。
真正需要看的还是：
编辑制度。
更正政策。
来源透明度。
作者验证。
报导纪录。
不能把：
「规模小」
直接当成：
「新闻假」。
如果只有 30 秒，先查哪个？
如果内容不重要，
不需要每篇都深挖。
但遇到一篇会影响你：
转发、
投票、
投资、
健康判断、
工作决策
的内容，
至少做：
作者／证据／其他来源
三步。
1. 作者
搜索这个人。
身份与过往纪录对不对得起来？
2. 证据
文章的核心说法来自哪里？
能不能回到原始来源？
3. 其他来源
离开这个网站。
其他独立可靠来源怎么说？
这三步比：
「网站看起来很专业」
可靠得多。
编辑与内容工作者还要再多做一步
如果你经营：
网站、
媒体、
Guest Post、
投稿平台，
今天这件事还有另一层提醒：
不要只审文章，也要审作者。
如果一个新作者突然投稿：
政治、
国际冲突、
高度敏感议题，
可以多确认：
真实身份。
长期作品。
联系方式。
过往 Publication。
引用来源。
甚至直接要求：
能够核实身份的数据。
因为未来最大的内容风险，
可能不只是：
AI 编出一个错误引用。
而是：
AI 帮忙包装出一个看起来完全合理的人。
最后记住一个简单公式
以前我们习惯：
真网站 → 比较可信。
现在要再拆一层。
真网站 ≠ 真作者。
真作者 ≠ 每个说法都正确。
有来源 ≠ 结论一定成立。
所以真正比较稳的判断方式是：
作者是谁？
证据在哪？
别人怎么说？
AI 可以让假的东西看起来愈来愈像真的。
我们不需要因此什么都不信。
只是需要把：
「看起来可信」
升级成：
「我知道为什么可信。」
推荐阅读
AI 一分钟教学｜2026/07/16：如何请 AI 检查文章里的错误，不只改错字
