美伊战争往哪里走？我让 AI Agent 互相查核，然后做判断

TL;DR — 我想判断美伊战争往哪里走，所以让手上的 AI Agent 互相查核，拿到可查证的双边财务数据。判断：这是一场两个时钟的消耗战，伊朗的破产时钟走得比较快，但美国也被选举、油价与拦截弹库存追着跑。方法（三层分工＋查证指令产生器）与所有来源都在文中。

我今天早上一直用 Grok 追国际新闻。每回答一轮，它旁边就多一排来源：30 sources、42 sources、55 sources……但当我请它把二十几轮对话整理成一份报告，来源栏最后只剩下一行字：

数据来源：公开新闻报道、官方声明、历史案例参考

零链接，零篇名，零日期。刚才还看得到的几百个来源，一个都没有进入最后的报告。

我追这场美伊冲突，不只是想测试 AI。我真正想知道的是：这场战争往哪里走？而要做出判断，前提是手上的情报可以查证。

这篇文章的上半部，拆解三个 Agent 如何分工，以及错误最容易发生在哪个环节；下半部则根据查核过的财务数据，提出我对战争走向的判断。这篇是「AI 与人类秩序」系列的一部分。

三层分工：谁负责什么

先说结论。多 Agent 查核不是把同一个问题丢给几个模型，再取它们答案的交集。真正有效的做法，是把三种性质不同的工作分开：

关键在于，整理与查核必须由不同的角色负责。查核 Agent 不能先读前一层的推理过程，否则它很容易沿着同一套叙事继续走下去。这三层不一定要由三个不同品牌的模型负责。你也可以在同一个 AI 里开三个彼此独立的对话：第一个找数据，第二个整理，第三个只看成品并逐条查核。重点不在用了几个模型，而是三个角色不能混在一起。

第一层：检索，其实比我预期可靠

这次实测的目的，不是证明 Grok 不可靠。例如，Grok 提到新加坡籍货柜轮 Ever Lovely 在 6 月 25 日于阿曼外海遭无人机击中，驾驶台受损，没有造成人员伤亡。这项信息可以在 gCaptain 的完整报道中查到。

至于「伊朗经济损失达 1,440 亿美元，约占战前 GDP 四成」这个看起来很惊人的数字，也不是模型捏造，而是来自 FDD 的估算。几十轮追问下来，船名、伤亡人数与价格大多仍能回到具体来源。至少在这次测试中，检索层的质量比我原先预期得好。

这一层的操作要点：选择具备即时搜索能力的模型，例如 Grok 或 Perplexity，然后持续追问。只问一次，通常只会得到最表层的事件摘要；追问不同立场、数字是否合理、有没有别的解释，数据才会展开。

第二层：整理，也是 AI 最容易犯错的一层

问题出现在我请 Grok 把二十几轮对话整理成报告之后。后面我把这个过程叫做「压缩」。报告的时间轴从这里开始：

6月17日：美伊签署临时停火协议（MOU）

实际上，战争从 2 月 28 日开始，3 月 4 日海峡关闭。4 月曾短暂停火，之后封锁再次升级，直到 6 月 17 日才签署备忘录。Grok 的报告却直接从 6 月 17 日开始，前面将近四个月被压缩成了背景。这也让后面的数字失去脉络。1,440 亿美元是从 2 月 28 日开战后逐步累积的估算，但报告没有交代前面几个月的战事与封锁，读者很难理解这笔损失是如何形成的。报告同样漏掉了备忘录的核心条款，海峡先维持 60 天免费通行、期满再协商管理权，而真正的争议就藏在那句模糊的文字里。

比漏东西更值得注意的，是原本的保留语气如何在整理过程中消失。对话里我问 Grok 谁先破坏停火，它说：

简单说，先开第一枪的是伊朗，这是美国和多数西方报道的共识。

这句话标了立场，也标了立场的来源范围。我追问伊朗那边怎么说，它照实给了革命卫队的版本。然后我请它整理成报告。第五节变这样：

结论：伊朗先开第一枪，是停火协议破坏的始作俑者。

「这是美国和多数西方报道的共识」消失了，「始作俑者」却进来了。而这件事实际上有争议：7 月 8 日伊朗外交部反过来指控美方破坏协议。我们常把 AI 幻觉理解成模型凭空捏造信息，但这次遇到的不是捏造，而是条件消失了：一句带有立场、范围与保留的话，被压缩成一句确定的结论。 原始数据是真的，但整理过程把原本的保留语气拿掉了。这类错误比捏造更难察觉：捏造通常找不到来源，容易引起警觉；保留语气消失后，事件本身仍然查得到，读者反而可能直接放行。

接着，我把 Grok 的报告交给 Perplexity 重新整理。它补回了不少重要骨架：完整时间轴、60 天免费通行条款、Bruegel 对通行费实际负担者的分析、UNCLOS 的法律争议，以及 IEA 对替代管线容量的估算。更重要的是，这些内容都附有可追溯的链接。Perplexity 也发现，Grok 对通行费年收入的估算低了将近五倍。

最后，我把前两份数据交给 Claude，请它整理成文章初稿。它也错了，而且错了三次。初稿指出 Perplexity 有两处错误，逐一查核后，两项指控都不成立。第一项不是数字错，而是日期消失了。Perplexity 写「布伦特已上涨逾 45%，约增加 35 至 40 美元」，Claude 认为它把先前高峰误写成当前价格。回到来源后才发现，这是 Bruegel 4 月 8 日原文中的数字；真正的问题，是 Perplexity 没有保留数据日期。初稿又说 Perplexity 的「8 月 21 日到期」查不到依据；但那个日期查得到，OFAC 在 6 月 22 日发出 General License X，授权伊朗石油销售 60 天到 8 月 21 日。Perplexity 只是把两个都真实、起算点却不同的 60 天期限接在了一起。

第三个问题更直接。初稿在下方图表中，把 7 月 7 日的油价标成「约 73 美元」；来源原文写的是 7 月 8 日、76.48 美元。既没有 73 这个数字，日期也差了一天。

三个模型，三种掉法，却指向同一个失效点：整理。当模型把多轮对话与多份来源压缩成一份流畅的报告，数据日期、消息立场、适用范围与保留语气最容易在过程中消失。它们在原文里常只是短短的插入语，对理解可信度却非常重要；但在追求精简与流畅的过程中，往往最先被牺牲。

这一层的操作要点：每次把数据交给下一个 Agent，都要确保三样东西一起被保留下来：来源、时间戳与保留语气。少了任何一项，下一层即使想查，也很难准确回到原文。

这次也改变了我对 Perplexity 的看法。我原本以为 Perplexity 在多 Agent 流程中可以省略，这次测试却让我看见它的价值：即使整理出错，它仍保留来源，让我能追溯到原文。相较之下，Grok 报告中「每日损失 4.3 亿美元」没有附上可追溯来源，我至今仍无法确认它来自哪里。

第三层：查核。四条指令

我第一次读初稿时，一个问题都没有看出来。那份稿子结构完整、语气笃定，读起来太顺，让我差点直接发布。但文章挂的是我的名字，最后为错误负责的也是我。

最后抓到这些问题的，是第四个 Agent。它没读过前面的对话与推理，只拿到成品，扮演独立查核员。它和前面几个模型最大的差别很简单：它真的逐一打开了链接。我给它的指令只有四条，其中真正发挥作用的是第三条。

一、查核层必须独立。 查核 Agent 只能拿到成品，不要先读前面的推理过程，否则它会沿着同一条线继续推论，变成替原稿背书。工具有子代理功能，就另开一个独立 Agent；若只有聊天界面，就开一个全新窗口，只贴成品，不要附上前面的推理过程。

二、只回报问题，不要直接修改。 一边检查一边重写，你就很难知道原稿到底错在哪里、错了几项。先留下完整的问题清单，再由人决定要改什么。

三、实际点开来源，不要只靠记忆重述。 这次能抓到日期与价格的错误，是因为查核 Agent 实际打开了 Bruegel 的 PDF 与 OFAC 公告，逐句比对原文。若只让它依赖既有知识或搜索摘要，这些问题很可能会直接过关。

四、明确告诉它：「找到问题比让我过关重要。」 否则，模型很容易把任务理解成协助你完成文章，而不是尽可能挑出问题。

拿到报告后不要照单全收，依结果分流：

• confirmed：已有可靠来源支持，可以保留。
• corrected：有明确来源证明原文有误，应予修正。
• unverifiable：目前无法确认，可删除、补充来源，或改成较保守的表述。
• overreach：事实本身成立，但推论超过证据能支持的范围，应收窄措辞。

还要多留一道防线：查核 Agent 本身也可能出错。 它回报的每一项「原稿有误」，仍要由人打开来源确认一次。这次那份报告里有一条是它自己的推算，它主动标了「此为我的推算，非查证」。真正该警惕的，是推算被写得像已经查证过的事实。如果使用 Claude Code 或 Cowork，我已把这套流程包成可安装的 skill，安装后只要说「帮我查证」就会执行。若使用一般聊天界面，直接复制上面的指令，也能得到接近的效果。

查核后的战况情报才清楚

完成检索、整理与查核后，这场冲突的时间线与价格变化才逐渐清楚。下面这张图的价格线是 EIA 官方日线，图上只保留已完成查核、能追溯来源的事件节点；点击节点即可查看细节与出处。

市场冲击最剧烈的阶段在 3 月至 4 月：海峡通行大幅受阻，布伦特从约 72 美元一路升至 126。6 月 15 日协议一出，单日一度跌 5.7%。7 月 15 日九月期货结算在 84.95 美元，反映的是市场对「冲突重新升高，但海峡尚未回到完全封锁」的评估。接下来有几个时间点值得观察。MOU 的免费通行期将在 8 月 16 日到期；OFAC 豁免原订持续至 8 月 21 日，但已在 7 月 7 日提前撤销，清仓期只到 7 月 17 日。另一方面，海峡自 7 月 11 日再次关闭，美军也重启封锁。川普则在 7 月 14 日放弃了前一天提出的 20% 过境费方案。

这张图不是单一模型一次生成的结果。价格线接的是 EIA 官方现货序列，事件锚点是经过检索、整理与查核后留下来的版本。它最重要的价值没有变：每个事件都能回到具体来源，而价格这一层，现在整条线就是来源。

所以，这场战争往哪里走？

基于目前可查证的财务数据，这是一场经济消耗战，也是两个时钟的赛跑。伊朗的时钟走得较快，但美国的时钟同样在倒数。

前面的三层流程不是为了比较哪个 AI 更强，而是为了取得足以支撑判断的数字。

伊朗这边的账。 开战前伊朗每天出口略高于 210 万桶原油，5 月一度掉到接近零；FDD 估计封锁期间日损约 4.35 亿美元，开战以来总损失约 1,440 亿，接近战前 GDP 的四成，而且作者明说这是地板不是天花板。官方统计的通胀点对点到了 88.6%，肉类接近 178%；里亚尔一年贬了约五成三。据《华盛顿邮报》报道的 CIA 评估（Iran International 转述），伊朗「至少能撑 3 到 4 个月」；体制内经济学者则认为，封锁一旦超过两三个月，伤害会快速加剧。

停火的 26 天，伊朗抢卖出逾 8,000 万桶原油，进账超过 60 亿美元，短暂替时钟回拨了一点。但 7 月 17 日之后，连这扇合法卖油的窗口也关上了。

美国这边的账。 官方口径到 6 月底花了约 300 亿美元，CSIS 估 340 到 420 亿，其中弹药 261 亿是最大宗。绝对金额不小，单位交换更难看：一枚拦截弹是无人机造价的几十倍。以 GDP 比例粗略比较，美国目前的直接军费约占 GDP 的 0.15%；伊朗承受的整体经济损失则接近战前 GDP 的四成。两者口径并不完全相同，但仍足以看出承受力的巨大差距。核心不在谁花得少，而是谁更付得起。

伊朗的军费是个黑箱，只能推算。 没有任何智库发表过伊朗方弹药消耗的美元估算，所以这一段是本文的推算，非查证。已知伊朗发射约 1,500 至 2,300 枚弹道导弹（INSS、NBC/IDF 与 JINSA 口径不一），以及约 4,400 至 5,400 架自杀无人机（含代理人发射，依统计口径）。依公开单价区间粗估，作战消耗约为 10 至 50 亿美元，大约是美方直接军费的十分之一。这正是廉价消耗战的设计：用较低成本，迫使对方消耗昂贵拦截弹。

但伊朗还有另一本更大的账：被摧毁的军事资产。FDD 估计其重置成本约 460 亿美元，约占 FDD 总实体重置估算（910 亿）的一半，相当于伊朗 4 到 6 年的年度军费（SIPRI 口径年约 74 亿）。若把弹药消耗与受损军事资产合并计算，两边的军事账单可能落在接近的量级，但性质完全不同：美国消耗的是仍可通过预算与产能补回的现金流；伊朗损失的则是短期内难以重建的资本存量。

不过，美国也有三个自己的时钟。

第一是拦截弹库存。 七周作战用掉近半 Patriot、至少一半 THAAD，2026 年内没有新的 THAAD 交付，补货要等到 2027 年。

第二是期中选举。 58% 民众反对这场战争，汽油从每加仑 2.98 美元涨到 4.48 美元（5 月中），战争账单直接寄到选民家里。

第三是油价的缓冲空间。 战略储油已降到 1983 年以来最低，美国能用来压低油价的政策工具比过去更少。

美国的行为也对得上这三个时钟：四个月内三度寻求停火，7 月 13 日提出的过境费方案一天之内就放弃。

所以我的推论是：美国承受成本的相对能力远高于伊朗，封锁式的经济消耗战对它可行；拖得越久，对伊朗越不利。但时间不是单边站在美国那里。这是伊朗的破产时钟，与美国的选举、油价、拦截弹时钟之间的赛跑，哪一个时钟先响，战争就可能在哪里转弯。

这个判断有一条边界：它建立在 7 月中可查证的公开数据上，而有几个关键数字到今天仍然查不到。伊朗还剩多少可动用的外汇储备、7 月 8 日战事重启后美方的新增支出、伊朗 7 月的通胀，都没有可信数字。任何一个补上，判断就可能要修。这正是上半篇那套方法存在的理由：做出判断不是结束。判断挂在数据上；数据一变，它就必须跟着调整。

需要问的三个问题

除了工具与流程，让查核质量提高的，是我在对话中反复问的三个问题。它们不需要任何付费订阅。我问「伊朗方面怎么说？」它才补上革命卫队的版本；我问「伤亡人数合理吗？」它才检查船员编制与命中位置；我问「有没有可能是自导自演？」它才开始正面检验另一种假设。

整理成最简单的版本，就是三个问题：对面怎么说？这个数字合不合理？它有没有可能不是表面上看到的那样？

这些问题不一定会由模型主动提出。你不追问，它通常就会沿着上一轮形成的叙事继续回答。这三句话就是第一层「持续追问」的内容。

我之前在〈知识管理不靠自律，靠管线〉里写过：凡是长期依赖人类手动维持的流程，最后都很容易崩坏。当时谈的是笔记整理。这次放到事实查核上，我才发现这个结论只说对了一半。管线可以帮你搬运数据、保留来源，甚至自动派一个 Agent 去把链接逐条打开。但是否启动它，最后仍需要有人做决定。

今天我差点没按。

当每个人都能快速整理国际局势，下一个问题是什么？

工具确实已经到位。一个早上跑完三层流程，我拿到的数据量与分析广度，大概接近十年前一名记者要靠数据库、智库与多次采访才做得出来的初步研究。信息取得的门槛已经低得惊人。

但入场门槛，仍然是愿不愿意多问一下：这个数字从哪里来？

多叠几个 AI，不会自动回答这个问题。若每一层都只是重写上一层的结论，错误只会被整理得更流畅、更有结构，也更像一份可以直接寄出去的正式报告。Grok 那份报告的最后一行写着：「本报告仅供参考，不构成投资或决策建议。」它连免责声明都学会了，只是还没学会把来源带着走。

上面的查证工具，是我今天替自己补上的一道防线。以后每篇重要文章，都会先跑一次。你也可以直接拿去使用。

常见问题

Q: 多 Agent 查核要怎么分工？

分成三层。检索层要广度与即时性，用具备网络搜索的模型，把一个问题持续追问而不是问一次就收。整理层把对话收敛成结构，这层最容易出错，交出去时来源、时间戳与保留语气必须一起被保留。查核层必须由独立的 Agent 负责，不能先读前面的推理过程，只拿成品，指令是「只回报、不要改」，并要求它实际打开每个链接回到原文。

Q: 一定要同时订阅三个 AI 吗？

不用。三层不一定要由三个不同品牌的模型负责，你也可以在同一个 AI 里开三个彼此独立的对话：第一个找数据，第二个整理，第三个只看成品并逐条查核。重点不在用了几个模型，而是三个角色不能混在一起。

Q: Grok 那份报告的数字到底哪些是真的？

船名、日期、伤亡数字大多正确：Ever Lovely 6 月 25 日遭无人机击中、Mombasa 与 Al Bahiyah 7 月 13 日遭巡航导弹击中、1 死 8 伤（6 名印度籍、2 名乌克兰籍、4 人重伤），逐条查得到。1,440 亿美元也不是捏造，出自 FDD 估算，但 FDD 给的是 500 至 3,000 亿的范围、1,440 亿只是最可能值，报告写成了确定数字。

Q: 没有付费订阅也能做吗？

可以，成本主要是耐心。单一模型也能跑这套，只是你得自己扮演查核层：开一个全新对话窗口，贴上成品但不要贴你的推理过程，然后照四条指令跑。真正起作用的动作只有两个：追问另一方的说法，以及打开来源自己看一眼。