AI 分析人工验证流

在每次分析的最后固定跑一个 VERIFICATION PASS，让 AI 审计自己的工作，定向检查三类已知错误：

1. QUOTE VERIFICATION：逐条确认引语在源数据中逐字存在；标记转述、合并或找不到的引语。
2. CONTRADICTION CHECK：对每位参与者，检查不同时间点的陈述是否冲突。定向搜索三种信号：
   • 声称的偏好 vs 描述的实际行为不一致
   • 表达自信之后又出现 hedging
   • 前期的强观点在访谈后段软化
3. CONFIDENCE ASSESSMENT：任何基于有限证据的发现打 flag；标注立场不清或混合的参与者。

输出一份 verification summary（flags + 修订建议）。

作者经验：只要推动 LLM 复查自己的标注和解读，它确实会找到错误——有大失误，也有"把某人的话稍稍夸大后塞进不完全吻合的模式里"这类小失真。重大产品决策只应建立在经过第二遍（或第三遍）复核的证据上。

快速上手方式：不用等下一个项目——挑一个你已经用 AI 做完的分析（访谈总结、问卷模式、任何让 AI 找主题/摘引语的东西），直接对它跑这个 verification pass。大概率会发现至少一条不存在的引语、一个被埋掉的矛盾、或一个只基于单条回答的"模式"。这不是失败，是系统在起作用。