美伊戰爭往哪裡走？我讓 AI Agent 互相查核，然後做判斷

TL;DR — 我想判斷美伊戰爭往哪裡走，所以讓手上的 AI Agent 互相查核，拿到可查證的雙邊財務數據。判斷：這是一場兩個時鐘的消耗戰，伊朗的破產時鐘走得比較快，但美國也被選舉、油價與攔截彈庫存追著跑。方法（三層分工＋查證指令產生器）與所有來源都在文中。

我今天早上一直用 Grok 追國際新聞。每回答一輪，它旁邊就多一排來源：30 sources、42 sources、55 sources……但當我請它把二十幾輪對話整理成一份報告，來源欄最後只剩下一行字：

資料來源：公開新聞報導、官方聲明、歷史案例參考

零連結，零篇名，零日期。剛才還看得到的幾百個來源，一個都沒有進入最後的報告。

我追這場美伊衝突，不只是想測試 AI。我真正想知道的是：這場戰爭往哪裡走？而要做出判斷，前提是手上的情報可以查證。

這篇文章的上半部，拆解三個 Agent 如何分工，以及錯誤最容易發生在哪個環節；下半部則根據查核過的財務數據，提出我對戰爭走向的判斷。這篇是「AI 與人類秩序」系列的一部分。

三層分工：誰負責什麼

先說結論。多 Agent 查核不是把同一個問題丟給幾個模型，再取它們答案的交集。真正有效的做法，是把三種性質不同的工作分開：

關鍵在於，整理與查核必須由不同的角色負責。查核 Agent 不能先讀前一層的推理過程，否則它很容易沿著同一套敘事繼續走下去。這三層不一定要由三個不同品牌的模型負責。你也可以在同一個 AI 裡開三個彼此獨立的對話：第一個找資料，第二個整理，第三個只看成品並逐條查核。重點不在用了幾個模型，而是三個角色不能混在一起。

第一層：檢索，其實比我預期可靠

這次實測的目的，不是證明 Grok 不可靠。例如，Grok 提到新加坡籍貨櫃輪 Ever Lovely 在 6 月 25 日於阿曼外海遭無人機擊中，駕駛台受損，沒有造成人員傷亡。這項資訊可以在 gCaptain 的完整報導中查到。

至於「伊朗經濟損失達 1,440 億美元，約占戰前 GDP 四成」這個看起來很驚人的數字，也不是模型捏造，而是來自 FDD 的估算。幾十輪追問下來，船名、傷亡人數與價格大多仍能回到具體來源。至少在這次測試中，檢索層的品質比我原先預期得好。

這一層的操作要點：選擇具備即時搜尋能力的模型，例如 Grok 或 Perplexity，然後持續追問。只問一次，通常只會得到最表層的事件摘要；追問不同立場、數字是否合理、有沒有別的解釋，資料才會展開。

第二層：整理，也是 AI 最容易犯錯的一層

問題出現在我請 Grok 把二十幾輪對話整理成報告之後。後面我把這個過程叫做「壓縮」。報告的時間軸從這裡開始：

6月17日：美伊簽署臨時停火協議（MOU）

實際上，戰爭從 2 月 28 日開始，3 月 4 日海峽關閉。4 月曾短暫停火，之後封鎖再次升級，直到 6 月 17 日才簽署備忘錄。Grok 的報告卻直接從 6 月 17 日開始，前面將近四個月被壓縮成了背景。這也讓後面的數字失去脈絡。1,440 億美元是從 2 月 28 日開戰後逐步累積的估算，但報告沒有交代前面幾個月的戰事與封鎖，讀者很難理解這筆損失是如何形成的。報告同樣漏掉了備忘錄的核心條款，海峽先維持 60 天免費通行、期滿再協商管理權，而真正的爭議就藏在那句模糊的文字裡。

比漏東西更值得注意的，是原本的保留語氣如何在整理過程中消失。對話裡我問 Grok 誰先破壞停火，它說：

簡單說，先開第一槍的是伊朗，這是美國和多數西方報導的共識。

這句話標了立場，也標了立場的來源範圍。我追問伊朗那邊怎麼說，它照實給了革命衛隊的版本。然後我請它整理成報告。第五節變這樣：

結論：伊朗先開第一槍，是停火協議破壞的始作俑者。

「這是美國和多數西方報導的共識」消失了，「始作俑者」卻進來了。而這件事實際上有爭議：7 月 8 日伊朗外交部反過來指控美方破壞協議。我們常把 AI 幻覺理解成模型憑空捏造資訊，但這次遇到的不是捏造，而是條件消失了：一句帶有立場、範圍與保留的話，被壓縮成一句確定的結論。 原始資料是真的，但整理過程把原本的保留語氣拿掉了。這類錯誤比捏造更難察覺：捏造通常找不到來源，容易引起警覺；保留語氣消失後，事件本身仍然查得到，讀者反而可能直接放行。

接著，我把 Grok 的報告交給 Perplexity 重新整理。它補回了不少重要骨架：完整時間軸、60 天免費通行條款、Bruegel 對通行費實際負擔者的分析、UNCLOS 的法律爭議，以及 IEA 對替代管線容量的估算。更重要的是，這些內容都附有可追溯的連結。Perplexity 也發現，Grok 對通行費年收入的估算低了將近五倍。

最後，我把前兩份資料交給 Claude，請它整理成文章初稿。它也錯了，而且錯了三次。初稿指出 Perplexity 有兩處錯誤，逐一查核後，兩項指控都不成立。第一項不是數字錯，而是日期消失了。Perplexity 寫「布蘭特已上漲逾 45%，約增加 35 至 40 美元」，Claude 認為它把先前高峰誤寫成當前價格。回到來源後才發現，這是 Bruegel 4 月 8 日原文中的數字；真正的問題，是 Perplexity 沒有保留資料日期。初稿又說 Perplexity 的「8 月 21 日到期」查不到依據；但那個日期查得到，OFAC 在 6 月 22 日發出 General License X，授權伊朗石油銷售 60 天到 8 月 21 日。Perplexity 只是把兩個都真實、起算點卻不同的 60 天期限接在了一起。

第三個問題更直接。初稿在下方圖表中，把 7 月 7 日的油價標成「約 73 美元」；來源原文寫的是 7 月 8 日、76.48 美元。既沒有 73 這個數字，日期也差了一天。

三個模型，三種掉法，卻指向同一個失效點：整理。當模型把多輪對話與多份來源壓縮成一份流暢的報告，資料日期、消息立場、適用範圍與保留語氣最容易在過程中消失。它們在原文裡常只是短短的插入語，對理解可信度卻非常重要；但在追求精簡與流暢的過程中，往往最先被犧牲。

這一層的操作要點：每次把資料交給下一個 Agent，都要確保三樣東西一起被保留下來：來源、時間戳與保留語氣。少了任何一項，下一層即使想查，也很難準確回到原文。

這次也改變了我對 Perplexity 的看法。我原本以為 Perplexity 在多 Agent 流程中可以省略，這次測試卻讓我看見它的價值：即使整理出錯，它仍保留來源，讓我能追溯到原文。相較之下，Grok 報告中「每日損失 4.3 億美元」沒有附上可追溯來源，我至今仍無法確認它來自哪裡。

第三層：查核。四條指令

我第一次讀初稿時，一個問題都沒有看出來。那份稿子結構完整、語氣篤定，讀起來太順，讓我差點直接發布。但文章掛的是我的名字，最後為錯誤負責的也是我。

最後抓到這些問題的，是第四個 Agent。它沒讀過前面的對話與推理，只拿到成品，扮演獨立查核員。它和前面幾個模型最大的差別很簡單：它真的逐一打開了連結。我給它的指令只有四條，其中真正發揮作用的是第三條。

一、查核層必須獨立。 查核 Agent 只能拿到成品，不要先讀前面的推理過程，否則它會沿著同一條線繼續推論，變成替原稿背書。工具有子代理功能，就另開一個獨立 Agent；若只有聊天介面，就開一個全新視窗，只貼成品，不要附上前面的推理過程。

二、只回報問題，不要直接修改。 一邊檢查一邊重寫，你就很難知道原稿到底錯在哪裡、錯了幾項。先留下完整的問題清單，再由人決定要改什麼。

三、實際點開來源，不要只靠記憶重述。 這次能抓到日期與價格的錯誤，是因為查核 Agent 實際打開了 Bruegel 的 PDF 與 OFAC 公告，逐句比對原文。若只讓它依賴既有知識或搜尋摘要，這些問題很可能會直接過關。

四、明確告訴它：「找到問題比讓我過關重要。」 否則，模型很容易把任務理解成協助你完成文章，而不是盡可能挑出問題。

拿到報告後不要照單全收，依結果分流：

• confirmed：已有可靠來源支持，可以保留。
• corrected：有明確來源證明原文有誤，應予修正。
• unverifiable：目前無法確認，可刪除、補充來源，或改成較保守的表述。
• overreach：事實本身成立，但推論超過證據能支持的範圍，應收窄措辭。

還要多留一道防線：查核 Agent 本身也可能出錯。 它回報的每一項「原稿有誤」，仍要由人打開來源確認一次。這次那份報告裡有一條是它自己的推算，它主動標了「此為我的推算，非查證」。真正該警惕的，是推算被寫得像已經查證過的事實。如果使用 Claude Code 或 Cowork，我已把這套流程包成可安裝的 skill，安裝後只要說「幫我查證」就會執行。若使用一般聊天介面，直接複製上面的指令，也能得到接近的效果。

查核後的戰況情報才清楚

完成檢索、整理與查核後，這場衝突的時間線與價格變化才逐漸清楚。下面這張圖的價格線是 EIA 官方日線，圖上只保留已完成查核、能追溯來源的事件節點；點擊節點即可查看細節與出處。

市場衝擊最劇烈的階段在 3 月至 4 月：海峽通行大幅受阻，布蘭特從約 72 美元一路升至 126。6 月 15 日協議一出，單日一度跌 5.7%。7 月 15 日九月期貨結算在 84.95 美元，反映的是市場對「衝突重新升高，但海峽尚未回到完全封鎖」的評估。接下來有幾個時間點值得觀察。MOU 的免費通行期將在 8 月 16 日到期；OFAC 豁免原訂持續至 8 月 21 日，但已在 7 月 7 日提前撤銷，清倉期只到 7 月 17 日。另一方面，海峽自 7 月 11 日再次關閉，美軍也重啟封鎖。川普則在 7 月 14 日放棄了前一天提出的 20% 過境費方案。

這張圖不是單一模型一次生成的結果。價格線接的是 EIA 官方現貨序列，事件錨點是經過檢索、整理與查核後留下來的版本。它最重要的價值沒有變：每個事件都能回到具體來源，而價格這一層，現在整條線就是來源。

所以，這場戰爭往哪裡走？

基於目前可查證的財務數據，這是一場經濟消耗戰，也是兩個時鐘的賽跑。伊朗的時鐘走得較快，但美國的時鐘同樣在倒數。

前面的三層流程不是為了比較哪個 AI 更強，而是為了取得足以支撐判斷的數字。

伊朗這邊的帳。 開戰前伊朗每天出口略高於 210 萬桶原油，5 月一度掉到接近零；FDD 估計封鎖期間日損約 4.35 億美元，開戰以來總損失約 1,440 億，接近戰前 GDP 的四成，而且作者明說這是地板不是天花板。官方統計的通膨點對點到了 88.6%，肉類接近 178%；里亞爾一年貶了約五成三。據《華盛頓郵報》報導的 CIA 評估（Iran International 轉述），伊朗「至少能撐 3 到 4 個月」；體制內經濟學者則認為，封鎖一旦超過兩三個月，傷害會快速加劇。

停火的 26 天，伊朗搶賣出逾 8,000 萬桶原油，進帳超過 60 億美元，短暫替時鐘回撥了一點。但 7 月 17 日之後，連這扇合法賣油的窗口也關上了。

〈數船比看油價誠實〉這圖要看什麼？ 油價是市場的情緒，船數是海峽的事實。油價會被 OPEC、庫存、聯準會這些跟海峽無關的東西推動；船數不會。兩條線分岔的時候，通常是市場在嚇自己。

資料從哪抓：IMF PortWatch（IMF × 牛津），衛星 AIS 統計。走它的 ArcGIS 開放端點 Daily_Chokepoints_Data/FeatureServer/0/query，portid=‘chokepoint6’ 就是荷莫茲。免費、無需 key（2026-07-16 實測）。用 where 條件直接在上游過濾，不抓整份；outFields 只取 date、n_tanker、n_cargo、n_total，油輪與貨輪分開，口徑不混。

起點設 2026-02-20，開戰日前一週。有基準帶才看得出跌多深，不然那條線只是一堆數字。

更新頻率：每日抓，但資料落後 4 到 7 天。所以這是「每日粒度、非即時」的東西。這個差別必須寫進 UI：data_through 記的是資料實際截止日，不是抓取日。寫「即時」就是說謊，寫「每日更新」也是。誠實的講法只有「資料截止 X 月 X 日」。

防呆比抓取重要。上游會壞，壞法有很多種：

• MIN_ROWS = 100：2/20 起算至今 140+ 列、只增不減。回傳遠低於此就是上游截斷，直接失敗，不寫進殘缺資料
• exceededTransferLimit：ArcGIS 單次查詢有上限，超過就報錯要求分頁，不會靜靜漏掉尾巴
• toISODate 同時收 epoch ms 與字串：ArcGIS 的 date 欄位依服務設定回不同型別
• 逐列驗 Number.isInteger 且非負：髒資料進不來
• 寫 tmp 再 renameSync：atomic，不會有半截檔
• 失敗一律非零 exit、不覆蓋既有 JSON

提醒：寧可顯示舊資料（有標日期），不要顯示壞資料。資料沒變就完全不動檔案，cron 靠 git diff 判斷要不要 commit。

還有一個限制，它比延遲嚴重：AIS 是船自己發的訊號，關掉就消失。而伊朗指控 Mombasa 與 Al Bahiyah 的理由，正是「關閉識別系統」。也就是說，衝突越激烈、船越可能關 AIS，這張圖就越低估實際流量。

所以它量的不是「多少船通過」，是「多少船一邊通過一邊公開自己在通過」。是這張圖的認識論邊界。

當有人說「海峽已經恢復正常」，我們有一條 IMF 的線可以對。

美國這邊的帳。 官方口徑到 6 月底花了約 300 億美元，CSIS 估 340 到 420 億，其中彈藥 261 億是最大宗。絕對金額不小，單位交換更難看：一枚攔截彈是無人機造價的幾十倍。以 GDP 比例粗略比較，美國目前的直接軍費約占 GDP 的 0.15%；伊朗承受的整體經濟損失則接近戰前 GDP 的四成。兩者口徑並不完全相同，但仍足以看出承受力的巨大差距。核心不在誰花得少，而是誰更付得起。

伊朗的軍費是個黑箱，只能推算。 沒有任何智庫發表過伊朗方彈藥消耗的美元估算，所以這一段是本文的推算，非查證。已知伊朗發射約 1,500 至 2,300 枚彈道飛彈（INSS、NBC/IDF 與 JINSA 口徑不一），以及約 4,400 至 5,400 架自殺無人機（含代理人發射，依統計口徑）。依公開單價區間粗估，作戰消耗約為 10 至 50 億美元，大約是美方直接軍費的十分之一。這正是廉價消耗戰的設計：用較低成本，迫使對方消耗昂貴攔截彈。

但伊朗還有另一本更大的帳：被摧毀的軍事資產。FDD 估計其重置成本約 460 億美元，約占 FDD 總實體重置估算（910 億）的一半，相當於伊朗 4 到 6 年的年度軍費（SIPRI 口徑年約 74 億）。若把彈藥消耗與受損軍事資產合併計算，兩邊的軍事帳單可能落在接近的量級，但性質完全不同：美國消耗的是仍可透過預算與產能補回的現金流；伊朗損失的則是短期內難以重建的資本存量。

不過，美國也有三個自己的時鐘。

第一是攔截彈庫存。 七週作戰用掉近半 Patriot、至少一半 THAAD，2026 年內沒有新的 THAAD 交付，補貨要等到 2027 年。

第二是期中選舉。 58% 民眾反對這場戰爭，汽油從每加侖 2.98 美元漲到 4.48 美元（5 月中），戰爭帳單直接寄到選民家裡。

第三是油價的緩衝空間。 戰略儲油已降到 1983 年以來最低，美國能用來壓低油價的政策工具比過去更少。

美國的行為也對得上這三個時鐘：四個月內三度尋求停火，7 月 13 日提出的過境費方案一天之內就放棄。

所以我的推論是：美國承受成本的相對能力遠高於伊朗，封鎖式的經濟消耗戰對它可行；拖得越久，對伊朗越不利。但時間不是單邊站在美國那裡。這是伊朗的破產時鐘，與美國的選舉、油價、攔截彈時鐘之間的賽跑，哪一個時鐘先響，戰爭就可能在哪裡轉彎。

這個判斷有一條邊界：它建立在 7 月中可查證的公開數據上，而有幾個關鍵數字到今天仍然查不到。伊朗還剩多少可動用的外匯儲備、7 月 8 日戰事重啟後美方的新增支出、伊朗 7 月的通膨，都沒有可信數字。任何一個補上，判斷就可能要修。這正是上半篇那套方法存在的理由：做出判斷不是結束。判斷掛在資料上；資料一變，它就必須跟著調整。

需要問的三個問題

除了工具與流程，讓查核品質提高的，是我在對話中反覆問的三個問題。它們不需要任何付費訂閱。我問「伊朗方面怎麼說？」它才補上革命衛隊的版本；我問「傷亡人數合理嗎？」它才檢查船員編制與命中位置；我問「有沒有可能是自導自演？」它才開始正面檢驗另一種假設。

整理成最簡單的版本，就是三個問題：對面怎麼說？這個數字合不合理？它有沒有可能不是表面上看到的那樣？

這些問題不一定會由模型主動提出。你不追問，它通常就會沿著上一輪形成的敘事繼續回答。這三句話就是第一層「持續追問」的內容。

我之前在〈知識管理不靠自律，靠管線〉裡寫過：凡是長期依賴人類手動維持的流程，最後都很容易崩壞。當時談的是筆記整理。這次放到事實查核上，我才發現這個結論只說對了一半。管線可以幫你搬運資料、保留來源，甚至自動派一個 Agent 去把連結逐條打開。但是否啟動它，最後仍需要有人做決定。

今天我差點沒按。

當每個人都能快速整理國際局勢，下一個問題是什麼？

工具確實已經到位。一個早上跑完三層流程，我拿到的資料量與分析廣度，大概接近十年前一名記者要靠資料庫、智庫與多次採訪才做得出來的初步研究。資訊取得的門檻已經低得驚人。

但入場門檻，仍然是願不願意多問一下：這個數字從哪裡來？

多疊幾個 AI，不會自動回答這個問題。若每一層都只是重寫上一層的結論，錯誤只會被整理得更流暢、更有結構，也更像一份可以直接寄出去的正式報告。Grok 那份報告的最後一行寫著：「本報告僅供參考，不構成投資或決策建議。」它連免責聲明都學會了，只是還沒學會把來源帶著走。

上面的查證工具，是我今天替自己補上的一道防線。以後每篇重要文章，都會先跑一次。你也可以直接拿去使用。

常見問題

Q: 多 Agent 查核要怎麼分工？

分成三層。檢索層要廣度與即時性，用具備網路搜尋的模型，把一個問題持續追問而不是問一次就收。整理層把對話收斂成結構，這層最容易出錯，交出去時來源、時間戳與保留語氣必須一起被保留。查核層必須由獨立的 Agent 負責，不能先讀前面的推理過程，只拿成品，指令是「只回報、不要改」，並要求它實際打開每個連結回到原文。

Q: 一定要同時訂閱三個 AI 嗎？

不用。三層不一定要由三個不同品牌的模型負責，你也可以在同一個 AI 裡開三個彼此獨立的對話：第一個找資料，第二個整理，第三個只看成品並逐條查核。重點不在用了幾個模型，而是三個角色不能混在一起。

Q: Grok 那份報告的數字到底哪些是真的？

船名、日期、傷亡數字大多正確：Ever Lovely 6 月 25 日遭無人機擊中、Mombasa 與 Al Bahiyah 7 月 13 日遭巡航飛彈擊中、1 死 8 傷（6 名印度籍、2 名烏克蘭籍、4 人重傷），逐條查得到。1,440 億美元也不是捏造，出自 FDD 估算，但 FDD 給的是 500 至 3,000 億的範圍、1,440 億只是最可能值，報告寫成了確定數字。

Q: 沒有付費訂閱也能做嗎？

可以，成本主要是耐心。單一模型也能跑這套，只是你得自己扮演查核層：開一個全新對話視窗，貼上成品但不要貼你的推理過程，然後照四條指令跑。真正起作用的動作只有兩個：追問另一方的說法，以及打開來源自己看一眼。

想自己做一張這種圖？把這段丟給 Claude Code 或其他 AI 編碼工具

上面荷莫茲海峽通過船數那張圖背後的抓取管線，邏輯可以整段複製給任何一個 AI 編碼工具（Claude Code、Codex 之類），換一個你關心的瓶頸或港口即可：

我想做一個「每日通過量」資料管線，資料源是 IMF PortWatch（IMF × 牛津大學，
衛星 AIS 統計）的公開 ArcGIS 端點，不需要 API key。

端點：
https://services9.arcgis.com/weJ1QsnbMYJlCHdG/arcgis/rest/services/Daily_Chokepoints_Data/FeatureServer/0/query

我要看的是「{我關心的海峽/瓶頸名稱}」。麻煩先幫我查一下這個圖層裡
portid 的代碼對照表（不要用猜的，去查 IMF PortWatch 官方頁面
https://portwatch.imf.org/ 或直接對端點下無 where 條件的查詢看
distinct portid 有哪些值，列出來給我核對），再往下做。

抓取規則：
- where 條件直接在上游過濾（portid + date 起算日），不要整份撈回來再篩
- outFields 只取需要的欄位（date、船種分類、總數），不要囫圇吞棗
- 起算日設在我關心的事件發生前一週左右，留一段「事件前基準帶」，
  不然畫出來的線沒有對照、看不出異常
- 資料有已知發布時差（PortWatch 大約 4-7 天），這件事要記錄成
  data_through 欄位（資料實際截止日，不是抓取日），前端文案只能寫
  「資料截至 X 月 X 日」，不准寫「即時」或單純「每日更新」

防呆規則（這比抓取邏輯本身更重要）：
1. 設一個 MIN_ROWS 下限（用「起算日到今天預期至少有幾列」抓大概值），
   回傳列數遠低於這個數字就直接視為上游截斷，非零 exit，不要把殘缺
   資料寫進檔案
2. 檢查回傳裡有沒有 exceededTransferLimit 這種欄位，代表這次查詢被
   服務端截斷了，要嘛報錯要嘛做分頁，不要讓它安靜漏尾巴
3. 日期欄位要同時處理數字（epoch ms）和字串兩種型別，因為 ArcGIS
   服務不同設定回傳格式不一樣
4. 每一列的數值都要驗證是非負整數，不是就丟錯，不讓髒資料進來
5. 寫檔案用「先寫暫存檔、成功再 rename 過去」的 atomic write 方式，
   不要直接覆蓋原檔，避免程式跑到一半被中斷留下半截檔
6. 任何一步失敗都是非零 exit、不覆蓋既有的正常 JSON。寧可讓網站
   顯示帶著明確日期的舊資料，也不要顯示壞資料
7. 如果這次抓到的資料跟上次一模一樣，就完全不要動檔案，讓後續的
   自動化（例如 cron 判斷 git diff 有沒有變化）可以據此決定要不要
   真的 commit，避免每天產生沒有意義的雜訊 commit

最後幫我想一下：這個資料本身的「盲點」是什麼？（提示：AIS 是船隻主動
廣播的訊號，關掉就消失於資料中，衝突區域越危險，這個方法本身就越可能
低估真實流量。）把這件事講清楚，不要讓看圖的人誤以為這是「絕對真實
的船隻位置」。

這段提示詞刻意寫成「先查 portid 對照表、不要用猜的」，是因為 chokepoint6 是我們已經實測驗證過的荷莫茲代碼，換成別的海峽（麻六甲、蘇伊士、巴拿馬）代碼可能不一樣，直接照抄容易查錯地方，讓 AI 先去源頭核對比較保險。