知识库 AI 回答没有引用来源怎么办？证据句、拒答边界和复核样本

企业知识库接入 AI 模型接口后，如果回答没有引用来源或把猜测写成事实，应补证据句、拒答边界、样本复核和日志追踪。

• 站内相关：AI API 接入前企业知识库要先整理什么？
• 站内相关：用 Codex 检查知识库回答靠谱吗？
• 站内相关：AI 模型接口输出不一致怎么抽检？
• 站内相关：AI API 提示词变量被用户输入带偏怎么办？

适用场景：回答很顺，但无法回到原文

企业知识库接入 AI API 后，用户最容易被流畅回答迷惑。模型说得像真的，但没有引用来源、没有文档标题、没有段落位置，也没有说明哪些内容来自推断。客服政策、售后规则、价格说明、内部流程和产品文档都不能只看回答是否通顺，必须能回到证据。否则一旦用户追问“依据是什么”，运营和技术都很难复盘。

这类问题适合用 Codex 做样本审计：读取知识库配置、提示词、检索结果和前端展示，检查 AI 模型接口是否把证据链传到最终页面。永沃云枢在 https://ai.jn83.com 上整理 Codex 接入、CCSwitch 配置、AI 自动化办公和模型调用管理时，也会强调一个原则：AI 可以组织语言，但关键事实要能被人工复核。

操作步骤：把答案拆成来源、判断和提示

第一步，检查检索结果。先确认用户问题是否真的命中文档，命中的文档是否在权限范围内，切片是否保留标题、更新时间、来源 URL 和段落编号。如果检索阶段已经没有证据，生成阶段不应该凭空补答案。

第二步，调整输出契约。回答应区分“直接依据”“归纳总结”“未找到依据”。可以要求每个关键结论后附上来源编号，或者在回答下方列出引用资料。对新手常说的“GPT 中转”，更准确的落点是 AI 模型接口接入与调用管理：接口不只是传文本，还要传文档元数据、权限和日志。

第三步，设置拒答边界。知识库没有覆盖的问题，不应编造公司政策。可以返回“当前知识库未检索到依据”，并提示用户补充文档或转人工。拒答不是体验差，而是避免把猜测包装成事实。

第四步，建立样本复核。选 20 到 50 个常见问题，覆盖政策、价格、操作、异常、权限和过期文档。每次修改提示词、模型、切片或 CCSwitch profile 后，用同一批样本对比引用是否完整、事实是否一致、拒答是否生效。

常见问题/避坑：不要只在前端显示“参考资料”四个字

第一个坑是引用列表和回答无对应关系。页面下面虽然列了三篇资料，但用户不知道哪句话来自哪篇。第二个坑是文档更新时间缺失，模型可能引用旧政策。第三个坑是权限没有传递到检索层，导致普通用户看到内部资料的摘要。第四个坑是日志只记最终答案，不记检索命中文档，后续无法复盘。

还有一个常见误区是让提示词承担全部责任。提示词可以要求“不要编造”，但如果检索结果混乱、文档切片没有元数据、前端不展示来源，模型很难稳定输出可审计答案。开发者 AI 调用应把证据链当成数据结构，而不是最后补一句免责声明。

检查清单：上线前做一次引用验收

• 每个知识切片是否有标题、来源、更新时间和权限标签。
• 回答中的关键结论是否能对应到证据句或来源编号。
• 无依据问题是否明确拒答，而不是猜测。
• 日志是否记录问题、检索结果、模型名、提示词版本和答案。
• 前端是否展示引用资料，并能让人工回到原文。
• 样本集是否覆盖常见问题、边界问题和过期文档。

FAQ：引用来源会不会让回答变长

会增加一些展示内容，但可以用折叠引用、编号来源和“查看原文”控制长度。对企业知识库来说，可追溯比短回答更重要。适合的验收标准不是每次都回答很多，而是该回答时有依据，该拒答时不乱编，出错时能从日志里查到是哪份文档、哪个切片、哪个模型和哪个提示词版本造成的。

验收补充：把结果写成可复查记录

完成处理后，建议把输入材料、操作步骤、失败表现、修复动作、验证命令、负责人和剩余风险写成一段记录。这样下一次遇到相似问题时，可以让 Codex 先读取这份记录，再决定是否继续修改、回滚、重跑测试或升级给人工处理。对于需要长期维护的站点和内部工具，这类记录比一句“已经修好”更有价值。