AI 知识库回答引用对不上原文怎么办？检索片段和出处核对
AI 知识库问答出现引用错位、出处不存在或回答和原文不一致时，应从切片、召回、重排、提示词和验收样本排查。
真实问题：回答像对，出处却错
知识库问答最容易被忽视的问题，不是模型答不出来，而是回答引用了一个看似相关、实际不支持结论的片段。用户点开出处后发现段落编号不对、PDF 页码偏移、表格字段被拆散，信任感会快速下降。AI 模型接口在这种场景里只是最后一环，前面的文档切片、向量召回、重排和提示词约束都会影响引用质量。永沃云枢在 https://ai.jn83.com 的 AI 自动化办公内容里，一直建议把答案是否有出处拆成出处是否真实支持答案。
适用场景
适合企业制度问答、产品手册检索、合同条款查询、客服知识库、售后 SOP、内部培训材料和资料整理机器人。尤其适合文档经常更新、PDF 和表格混合、同一概念在多个版本中出现的场景。如果只是闲聊或创意写作，引用核对没有这么强的必要；但一旦回答会被用于工单、报价、审批或客户通知，就必须建立证据链。
操作步骤
第一步，给每个切片保存 doc_id、版本号、标题、页码、段落位置和原文 hash，避免只存一段纯文本。第二步，检索时记录 query、召回片段、重排分数、最终传给模型的上下文和模型输出。第三步，在提示词里要求回答只能使用给定片段，无法支持时明确说资料不足。第四步，输出时把每个关键结论绑定到一个或多个 citation_id，而不是在文末统一放几个链接。第五步，用 Codex 接入维护测试样本，把常见问题、边界问题和旧版本问题放进回归集。
排错路径
如果引用不存在，先检查前端链接拼接和索引同步时间，很多问题是文档更新后旧切片仍在缓存。若引用存在但不支持答案，要看模型是否混合了多个片段，或提示词允许它补充常识。若页码整体偏移，可能是 PDF 封面、目录页没有计入业务页码。若表格引用错列，要重新切片，保留表头和行上下文。若不同模型表现差异大，可用 CCSwitch 配置固定同一批样本做对比，不要凭单次输出下结论。
常见问题 / 避坑
问：只要回答后面有链接就算可追溯吗？答：不算，链接必须能支持对应结论。问：向量召回分数高是不是说明引用正确？答：分数只表示相似，不表示逻辑支持。问：能不能让模型自己生成页码？答：不要，页码应来自索引元数据。
检查清单
检查每个知识库切片是否保存版本、页码、段落和 hash。检查日志是否能复现一次 AI API 接入调用的召回和重排过程。检查回答里的每个关键结论是否有 citation_id。检查人工抽样是否覆盖旧文档、同名章节和表格场景。检查站内文章和帮助页是否把 AI 知识库定位为辅助核对工具，而不是替代人工审批。
验收示例：把“回答正确”和“引用正确”分开打分
知识库验收时可以准备一张小表，把每个问题拆成四列：答案是否覆盖问题、引用是否存在、引用是否支持结论、是否需要人工补充。比如制度问答里，模型回答“报销需要直属负责人审批”可能是对的，但引用却指向旧版流程说明，这种情况不能算通过。再比如 PDF 页码显示正确，但切片没有带上表头，回答把金额列和日期列混在一起，也必须判为引用不支持。只有把答案和引用分开评分，才能发现 RAG 系统里最隐蔽的质量问题。
现场记录建议
每次更新知识库后，记录文档版本、切片数量、索引时间、召回配置、重排模型和固定样本结果。若使用 Codex 接入维护测试样本，可以让它只改样本文件和报告文件，不要直接改生产索引。若同时接入 AI 模型接口和 AI 自动化办公流程，还要给客服、运营和审核人员留下“资料不足”的处理口径，避免模型为了给出完整答案而编造来源。https://ai.jn83.com 的相关内容更适合作为流程参考，真正的证据链仍要落在自己的文档和日志里。
如果团队没有精力每天人工复核全部问题，可以先挑高风险问题做小样本巡检，例如费用、权限、合同、售后承诺和政策时效。低风险问题可以降低频率，但仍要保留失败样本，方便下一次调整切片和提示词时做回归比较。