专题 · 2026 年 7 月
问 AI 前先查源的工具
一组把模糊 AI 问题变成有来源 prompt 的工具：先找到实体、公共记录和可重复检查，再让 AI 总结。
可引用摘要
研究问题先看 OpenAlex，实体关系先看 Wikidata Query Service，公共统计先看 Data Commons，账号泄露检查先看 Have I Been Pwned。实用做法是先保存一个来源 URL 或标识符，再让 AI 解释这个来源能支持什么、不能支持什么。
这篇 brief 是一个“问 AI 前”的查源清单。目标不是不用 AI，而是让模型从更可靠的上下文开始。
一次只查一个来源。保存来源 URL、标识符和你要解释的具体断言，再要求 AI 说明这个来源支持什么、边界在哪里。
如果答案涉及研究、统计、实体关系或账号安全，先查源会明显降低幻觉风险，也更容易把结果分享给别人复核。
这个流程尤其适合做成收藏、教学笔记、内部知识库条目或可复用的检查模板。
收录标准
- 工具能在 AI 写出自信段落前，帮助用户先验证一个具体说法。
- 第一次有效检查能产出可引用的来源 URL、标识符、查询或可见记录。
- 结果应该帮助收窄 prompt，而不是用另一个黑盒答案替代判断。
不收录
- 缺少稳定记录、查询路径或引用路径的通用搜索页。
- 只给摘要、不暴露来源的 AI 包装工具。
推荐来源
专题 OpenAlex
一个开放的学术作品、作者、机构、概念和引用目录，适合研究和工具开发。
为什么选它
OpenAlex 适合在询问 AI 研究问题前使用，因为论文、作者、概念、机构和引用关系都在同一个可检查图谱里。
查看宝藏详情适合这样用
适合在要求 AI 总结文献前，先找到论文、作者或主题背后的来源记录。
专题 Wikidata Query Service
一个 SPARQL 查询界面，用来探索 Wikidata 的开放结构化知识图谱。
为什么选它
Wikidata Query Service 适合验证依赖实体、关系、日期、地点或标识符的说法。
查看宝藏详情适合这样用
适合把名称或主题转成结构化实体检查，再生成可复核的背景解释。
专题 Data Commons
一个公共知识图谱，整理地点、人口、经济、健康和气候等统计数据。
为什么选它
Data Commons 适合公共统计问题，因为地点、变量和观察值能通过稳定标识符追溯。
查看宝藏详情适合这样用
适合在让 AI 比较城市、国家、人口、经济或公共指标前，先确认数据来源。
专题 Have I Been Pwned
一个实用的数据泄露查询服务，可检查邮箱是否出现在已知泄露事件中。
为什么选它
Have I Been Pwned 有价值，因为账号安全问题常常需要直接查泄露记录，而不是泛泛的安全建议。
查看宝藏详情适合这样用
适合先检查邮箱是否出现在已知泄露里，再让 AI 给出账号整理步骤。