兼顾效率与准确性，复核不应只放在最后：任务开始时检查目标、输入和假设，结果交付前检查输出，在依赖结果或采取行动前核实重要信息。OpenAI 提醒使用者在依赖结果前审查生成的代码、输出和假设，并建议从可靠来源核实重要信息。
第一个节点：任务开始前，确认问题与依据
开始生成前，先把任务拆成几项可核对的内容：
- 目标：最终要回答什么、支持什么决定？
- 依据：可以使用哪些材料，哪些信息仍然缺失？
- 假设：哪些前提尚未得到确认？
- 输出形式：需要文本、分析、代码，还是可执行方案？
如果任务依赖重要事实，应先找到可靠来源；如果缺少依据，就把相应内容标为待核实，避免让模型自行补全。
第二个节点：结果交付前，按输出类型检查
OpenAI 特别提醒，在依赖生成结果前审查代码、输出和假设。检查重点可以随任务类型变化：
- 文本类结果：区分事实、推断和建议，核对关键表述是否符合原始材料。
- 数据分析：检查输入字段、计算过程、异常值和结论之间的对应关系。
- 生成代码：阅读代码，使用有代表性的输入进行测试，确认结果符合预期后再使用。
- 方案或建议：列出关键假设，检查建议是否真的回应了原始目标。
这一节点的目的不是重新做一遍任务，而是及时发现遗漏、误解和未经检查的推断。
第三个节点：真正依赖前，核实关键事实
当结果将用于决策、对外发送或后续操作时，应逐项寻找能够直接支持结论的可靠来源，并检查来源是否真的覆盖所述事实。
涉及日期、费用、资格、政策或机构信息时，尤其不要只依赖生成文本的转述，应回到发布相关信息的来源核对。来源之间如果存在冲突，应保留冲突并继续查证，而不是直接选取其中一个答案。
如何避免复核拖慢任务？
复核深度应与结果用途相匹配，而不是每个小任务都采用同一套流程：
- 用于内部草稿或初步探索时，可集中检查关键假设和主要输出。
- 用于正式文档时，应增加来源核对和事实、推断的区分。
- 用于运行代码时，应在采用前检查并测试。
- 用于重要决策或对外行动时，应对关键事实进行可靠来源核验，并交由能够判断业务与专业条件的人确认。
如果复核发现依据不足、假设不成立或来源无法支持结论，就应返回前一个节点补充材料。这样设置复核节点，既能在早期拦截问题，也能避免在最后才发现方向或依据有误。