先分清来源、字段与解释，再判断页面是否值得相信。用一套阅读顺序，避免被醒目的标签和宣传带走。
记录描述已经发生的事情，预测则需要额外条件。理解独立性假设，识别“该轮到了”的直觉陷阱。
“检测”“验证”“智能”等字眼常被混用。沿着输入、方法和输出检查证据，识别工具名称背后的推理跳跃。
从发布身份、文件行为和权限要求检查页面，区分软件外观与可验证功能，避免被试用承诺诱导安装。
AI 可以整理信息、辅助分类和呈现图表，但这些能力不等于知道未来。用训练、验证与误差理解模型边界。
比较级需要明确对象和标准。拆解“最准”“精准”等绝对化表达，检查被省略的条件与验证成本。
百分比必须与分母、基准和测试方法一起阅读。理解选择性展示、数据泄漏和指标替换造成的误导。
“官网”是一个身份主张，需要独立核验。检查域名、发布者与跳转行为，防止复制标志制造的信任错觉。
下载之前先核验来源、文件类型与必要性。了解证书与签名能说明什么，避免把安全标志当作全能保证。
APK 是文件格式，不是可信证明。关注安装来源、辅助功能权限与账号暴露，明确可疑安装后的处理顺序。
头像、头衔和成功截图很容易构造可信感。分开审查人物身份、完整记录与利益关系，避免人设代替证据。
“只这一次”“马上结束”如何压缩思考时间？识别紧迫感、沉没成本和诱导转账，给自己保留停止的空间。
线条连接的是已选取的观察点。检查时间窗口、分类方式与事后拟合，理解“看起来有规律”的局限。
概率属于模型，频率属于观察。通过教学场景理解样本波动，避免把短期比例当成固定规律。
截断坐标、缺失基线与不等间距，可能把小变化画成大故事。建立一套先看尺度、再看结论的读图习惯。
连续片段很醒目，却可能只是随机样本的一部分。认识模式搜索与选择性记忆，避免事后给巧合编规则。
从口令、登录会话、浏览器授权与资料备份入手，让日常防护形成闭环，也为可疑事件保留清晰的处理路径。
从阅读目的、来源记录到交叉核查，建立可持续的信息习惯。接受证据不足，不让情绪与推送决定判断。
