收益：
- 能够使用 AI 以结构化格式扫描和总结船级规则、SOLAS/MARPOL 和调查要求
- 能够在人工智能的支持下以草稿形式生成调查报告、技术文档和合规文件
- 能够从官方和最新来源验证 AI 给出的每条规则条款、日期和要求
船舶还存在于纸质文件中：船级规则、合同检验、船旗国立法、证书、技术手册和检查报告。这个文件世界确立了船舶的法律和技术合法性；缺少一份证书或误解规则将导致船舶被滞留在港口（港口国管制滞留）或其保险失效。船级规则（船级规则；船级社关于船舶设计、建造和维护的技术要求）和立法文本是冗长、相互交织且不断更新的文件。人工智能 (AI) 可以更快地总结、比较和起草报告。但海事立法是人工智能最容易产生幻觉的领域之一。
绝对规则：AI 给出的任何规则条款、条款编号、限值或短语“SOLAS/MARPOL/船级要求是”，未经相关文件的当前正式文本逐字确认，不得使用。 AI可以编造物品编号和实际不存在的可信但错误的值；在立法方面，这在法律和安全方面会产生严重后果。
概念： 船级社：检查和认证船舶是否符合规则（ABS、DNV、LR、BV、Türk Loydu 等）的组织。 SOLAS：海上生命安全国际公约。检验：定期检查船舶是否符合规则。港口国控制：港口国对外国船舶的检查。证书：证明某种符合性的官方文件。幻觉：人工智能将不存在的物质/价值捏造为真实的。
为什么监管对人工智能来说是一个危险领域？
大型语言模型产生文本的“最可能的延续”；它没有链接到明确的来源。这就造成了海事立法的三个陷阱。首先，虚假归因：人工智能可以生成看起来真实但实际上是错误或不存在的参考，例如“SOLAS 第 II-1 章，规则 8.3”。二、遗留价值：规则更新频繁；人工智能记忆中的阈值可能已被取代。第三，上下文混淆：人们可能会说对一种船舶类型/尺寸有效的规则就像将其应用于另一艘对其无效的船舶一样。
因此，将人工智能用作立法中的“搜索和起草”工具，而不是作为“权威”。 AI可以指出你需要看哪个文档、哪个章节，总结一篇长文，勾勒出两个版本之间的区别；但每一个具体的项目、价值和参考都是通过阅读当前原文来验证的。最安全的用法是将相关规则文本作为上下文提供给人工智能（如果可能），并指示“仅根据我提供的文本告诉我其来源是否不清楚”。
注意：人工智能给出的商品编号的可信形式并不能证明其准确性。你不能告诉检查员或班级“人工智能是这么说的”；每个参考文献必须基于有效官方文件的相关页面。任何无法显示来源的物质不包含在报告中。
调查和技术报告起草
人工智能在改善调查和技术报告的结构、语言和一致性方面确实很有用：将检查结果列表变成有组织的报告，提醒缺失的标题，确保相同的发现在不同的地方保持一致。然而，报告的每个技术值（测量的厚度、检测到的腐蚀速率、极限值）必须取决于测量和来源。虽然人工智能会生成流畅的报告，但它往往会将无法测量的值填为“合理”；这在调查报告中是不可接受的。
一个好的工作流程是这样的：您提供实际的测量结果和结果，人工智能构建并表达它们，然后将每个值与其来源（仪表、日期、位置）相匹配，并提取每个来源不确定的陈述。该报告是法律和技术文件；责任由签字验船师/工程师承担。
任务
安全使用人工智能
有风险/禁止使用
规则总结
给出文本并总结
从内存中请求一个项目/值
查找引用
“我应该看哪份文件？”
使用商品编号而不验证它
版本差异
比较两个文本
假设当前版本
报告草稿
构建研究结果
构成一个无法测量的值
证书清单
所需文件提醒
不验证有效日期
迷你箱
案例 1 — 虚构的 SOLAS 条款。工程师要求人工智能支持安全设备要求； AI 给出带有特定“SOLAS 章节/规则编号”的精确值。当工程师查看当前的 SOLAS 综合文本时，他发现该文章编号属于不同的主题，并且给定的值未包含在文本中。正确的要求在另一个规则和不同的值中。经验教训：每项立法参考文献均根据当前原文逐字核实。
情况 2 — 过时的阈值。团队将环境要求写入报告中，并附上人工智能给出的旧限值。这个值几年前就收紧了；该船落后于当前限制。该报告包含不正确的“适合”陈述。与当前的 MARPOL 文本相比，错误被捕获。教训：监管边界已更新；人工智能记忆中的价值可能已经过时了。
案例 3 — 人为的测量。 AI准备的厚度测量报告草稿包括一些看似“合理”但实际上并未测量到的点的厚度值。一旦测量员将每个值与现场测量记录相匹配，他就会找到并删除没有来源的线。教训：报告中的每项技术值均应基于实际测量；流畅的文本不是数据。
可复制的提示模板
模板 1 — 规则文本摘要（取决于来源）：
角色：你是海事立法阅读助理。背景：我将相关规则文本粘贴在下面。任务：仅基于我提供的文本：1）用通俗易懂的语言总结本文的要求。2）如果有数值限制/值，请逐字引用并附上单位。3）不要添加文本中没有的任何内容；如果不清楚，请说“文中没有”。限制：请勿凭自己的记忆编造项目编号或值。
模板 2 — 引文验证计划：
指出在尝试回答以下监管问题时我应该查看哪些官方文件和部分：[问题]。 1) 可能相关的文件和章节标题。 2) 每一条都注明“从原文验证”。约束：准确的商品编号和价值；我将从官方文本中阅读这些内容。不确定的地方标记为“不清楚”。
模板 3 — 调查报告配置：
将以下原始检查结果转换为有组织的调查报告：[结果和实际测量].1）具有标准标题的结构；标记缺失的标题。2）将每个技术值与我给出的测量值相匹配。约束：不要编造任何我没有测量过的值或将其填写为“合理”；用 [VERIFY] 标签标记每个来源不确定的声明。
模板 4 — 调节输出幻觉控制：
列出以下立法/规则响应中的所有参考文献和数值：[粘贴响应]每行：（引用/值）| （基于：给定的文本/假设/不确定）| （我如何验证它）。突出显示任何基础为“不确定”或“记忆”的行，并声明未经官方来源验证不得使用它。
弱提示/强提示
弱提示：
根据 SOLAS 公约，该设备有什么要求？用商品编号说出来。
强力提示：
角色：你是立法阅读助理。上下文：我粘贴下面相关 SOLAS 部分的当前文本。任务：仅根据本文总结设备要求，并逐字引用其数值单位（如果有）。约束：不要虚构文中没有的项目编号或数值；如果文本中没有，请说“它不在您提供的文本中”。我将根据官方综合声明单独核实每个参考内容。
弱提示假设AI是权威，并要求记忆中的项目；强烈的提示文字给出了上下文并禁止捏造。
常见错误
- 将人工智能误认为监管机构。商品编号和价值可能是虚构的；人工智能是一种搜索/草稿工具，而不是来源。
- 迷恋引用风格。令人信服的“章节/规则”格式并不能证明准确性。
- 假设及时性。规则经常更新；记忆中的阈值可能已经过时了。
- 在报告中填写一个值。未测量的技术值不应以流动的文本默默地进入报告。
- 跳过船舶类型/尺寸上下文。对一艘船有效的规则可能对另一艘船无效；应检查覆盖范围。
综上所述
分类规则、立法和调查文件确立了船舶的法律技术合法性，而人工智能可以更快地总结、比较和构建这些文本。但立法是人工智能最容易产生幻觉的领域：每一个条款、参考文献和门槛都是从当前的官方文本中逐字验证的；报告中的每个技术值都与实际测量相关。人工智能是一种搜索和起草工具，而不是法律技术权威；责任由签字工程师和验船师承担。
应用任务
选择一段规则文本（代表性或公开的示例），让人工智能仅根据您通过“规则文本摘要（依赖于源）”模板提供的文本对其进行总结。然后向AI询问同一主题的记忆项目编号，并使用“监管输出幻觉审核”模板测试输出；报告有多少引用是无法验证的。最后，构建原始调查结果列表并标记任何来源不确定的值。
清单
- [ ] 我已逐字验证当前官方文本中的每项立法/类别参考。
- [ ] 我使用人工智能作为搜索和起草工具，而不是权威。
- [ ] 我确认规则限制值是最新的。
- [ ] 我将报告中的每个技术值与实际测量/来源联系起来。
- [ ] 我已检查船舶类型/长度范围是否引用了正确的规则。
- [ ] 我将最终报告和符合性声明留给了签署该报告的检验员/工程师。