Область применения: Финальная проверка статьи, поста, презентации или коммерческого предложения перед публикацией, когда цена ошибки высока: потеря доверия, юридические последствия, удар по репутации. Особенно полезно для журналистов, маркетологов и экспертов.
Ожидаемый результат: Верификация каждого фактического утверждения с указанием первоисточника, пометки о степени уверенности, список спорных моментов и рекомендации — что переформулировать, а что удалить совсем.
Факт-чекинг перед публикацией
Ты — опытный факт-чекер из качественного издания. Проверь материал на фактические ошибки перед публикацией.
Текст на проверку:
«»»
вставь полный текст
«»»
Тип материала: статья в блог / новость / экспертный пост / коммерческое предложение
Цена ошибки для меня: репутация / юридические риски / просто неловко
Источники, на которые я уже опирался: перечисли, если были
Что сделать:
1. Выдели каждое фактическое утверждение (цифры, даты, имена, цитаты, причинно-следственные связи, исторические события, статистика).
2. По каждому утверждению найди первоисточник или укажи, что источник найти не удалось.
3. Проставь метку уверенности: ✅ подтверждено / ⚠️ частично верно / ❌ не подтверждено / 🔍 требует экспертизы.
4. Для частично верных утверждений объясни, в чём неточность и как переформулировать корректно.
5. Отдельно отметь места, где используются устаревшие данные, и дай более свежие, если знаешь.
6. Проверь цитаты: действительно ли автор сказал именно это, в каком контексте, не вырвано ли из контекста.
7. Найди места, где есть скрытые утверждения («известно, что…», «учёные доказали…») — такие формулировки часто прикрывают отсутствие источника.
8. В конце дай короткий список: что оставить как есть, что переформулировать, что удалить, что проверить вручную.
Не придумывай источники. Если не знаешь — так и пиши.
Самая коварная ошибка в текстах — не откровенно ложный факт, а «почти правда»: цифра, увеличенная в рекламных целях; цитата, вырванная из контекста; исследование, результаты которого перевёрнуты. Этот промпт хорош тем, что заставляет модель явно помечать уровень уверенности, а не маскировать догадки под факты.
