先定判断方向：把同一课题分别交给 Hyra 这类科学发现智能体和平时用的对话模型，要看的不是谁答得漂亮，而是三件可数的事——输出里有没有把假设、依据、验证步骤分开；每条结论后面有多少条能点开核对的来源；连续追问两轮后答案是收敛还是发散。这三项决定下次该把任务派给谁。如果三项对照下来两侧差别都很小，而你要做的又只是日常问答，那就没必要多开一个入口，少一个入口少一次复制粘贴。

适用场景：手上有一个自己熟悉、能判断对错的课题，先小样本对照再决定分工。操作动作：同一句提问逐字输入两处，留存截图与提问原文，按结构分节、依据密度、追问收敛三项打分。验证方式：靠计数和点开来源复核，不靠“感觉更专业”。风险边界：单次对照只反映这一次的表现，受提问措辞、上下文长度和课题难度影响；涉及关键决策，来源仍要人工核验。

选一个自己熟悉的课题做对照输入

对照的前提是可比。课题挑自己熟悉的，因为熟悉才判得出哪条结论离谱；课题也要具体到一句话能问清楚，“帮我调研某个方向”这种宽题在两边都会跑偏。两次输入必须逐字一致，包括标点、字数上限和输出格式要求，否则后面比较结构时会把提问差异误读成能力差异。

提问原句（两处原样粘贴，不得改写）：
课题：<一句话：对象 + 想要的结果>
约束：1) 先列假设 2) 每条结论后标依据来源 3) 不确定处显式说明 4) 不超过 600 字

记录方式建议固定成一套：同一时间段内完成两次提问，别跨天，避免入口或模型版本变动混进来；截图整屏截，保证输入框原文和完整输出都进画面，文件名按 YYYYMMDD_课题简称_Hyra_r1.png 与 YYYYMMDD_课题简称_chat_r1.png 存放；同时把提问原句单独存成文本文件，回复全文另存一份，方便后面逐条编号打标。截图的口径是“能自证提问没被改动”，所以不要只截回答部分的局部放大图。

比较输出结构：有没有分出假设、依据、验证步骤

结构差异最容易看出来，也最容易被“看起来专业”糊弄。填表规则：每格只写 是 / 部分 / 否，并在备注里抄一句原文作为凭据，不写主观评价。下面这张表的行是固定观察项，两边各填一列。

填写示例：某行“是否给出可执行的验证步骤”填“部分”，备注写“原句为‘建议进一步查阅相关文献’，未说明查什么、查到什么算支持”。这只是示范填写格式，不代表任何一侧的固定表现；同一款工具换个课题，格子里的值完全可能变。填完之后先看“假设、依据、验证”三段有没有真的分家——把三者揉在一段长文里，即使内容正确，你事后也很难逐条核对。

比较依据密度：每条结论后面有没有可查来源

依据密度不看形容词，看计数。给输出里的每条结论编号，然后按三个口径统计：结论条数、带来源条数、来源可打开条数。第三个口径最关键，前两个只能说明“写了来源”，第三个才说明“来源能核对”。

判定规则可以先用保守版：来源能打开、且打开后的内容确实支撑这条结论，才算可核验；只指向首页或搜索页、无法定位到具体段落的，记为“无法定位”，不计入可核验；同一来源被多条结论重复引用时，结论各计一条，来源只统计一次并标注复用。风险边界也要写清楚：新方向、内部资料、口口相传的工程经验本来就少有公开来源，此时“无来源”不等于结论错，需要结合你的领域常识和环境确认，别把计数表当成质量评分。

比较同样追问两轮后的收敛速度

追问必须用同一句，两处一个标点都不改，否则没法比。下面两句可以直接用，第一轮压依据、第二轮压篇幅并强制标注缺失来源：

追问第 1 轮：
请只针对上一条回答，列出最关键的两个判断并分别说明依据；不确定的部分直接说明不确定在哪里，不要新增结论。

追问第 2 轮：
请把上一条回答压缩成不超过 5 条结论，每条后标依据来源；没有来源的标“无来源”。

观察点放在变化方向上：收敛的表现是条数下降但信息没丢、原有来源跟着结论一起保留、被追问时肯承认哪条没有来源；发散的表现是每轮都抛出一批新方向、条数不减反增、来源越问越含糊。如果你的追问让某一侧开始重复上一轮原话，也记一笔，这通常说明它在当前上下文里已经压不出新结构。

把差异整理成选择规则

把上面三张表放在一起看，再按任务类型分工，规则要写成“满足什么条件就用哪一侧、怎么验证、哪里会翻车”的形式，不然下次还是凭印象点开。

• 拆解类任务（把模糊问题拆成假设清单和子问题）：若你需要一份能自己逐条判断的假设清单，优先选结构分节明显的一侧。动作：对照表里“假设单独成条”填“是”的那侧先用。验证：把假设条数和你的预期比，缺关键假设就换另一侧重问。边界：结构完整只说明组织得好，不代表假设成立。
• 查线索类任务（找术语、可能的文献方向、可核验入口）：优先选依据密度高的一侧。动作：抽 3 条来源点开，看能否对应到具体结论。验证：可打开且内容对得上才算数。边界：来源多不等于质量高，指向搜索页和首页的要排掉。
• 收敛结论类任务（手里已有若干线索，要压缩成可执行判断）：选追问两轮后条数下降、来源仍被保留的一侧。动作：直接用上面两句追问原句各跑一遍。验证：看第二轮有没有诚实地标“无来源”。边界：涉及关键决策时，仍要人工复核来源，别把收敛当成正确。

还有一条反向规则值得写上：如果三项对照里两侧都只到“部分”，而任务本身是日常问答、不需要核对来源，那就继续用平时那个入口，别为了“可能更强”额外维护一套提问和记录流程。对照的价值在于帮你划出分工线，不在于证明某一侧更好。