Q：为啥要做引用定位？ A：因为没有出处的AI答案，业务方根本不敢信。

我们法务那边的合规问答智能体，最早就是吃了这亏——它答得头头是道，法务问一句"这条哪来的"，答不上来，整个工具就被打入冷宫。后来我把"答案标注来源段落"做出来，标出每句结论出自知识库哪一段，法务才肯用。记一下怎么做的。

核心思路：切片的时候就给ID

引用定位能不能做，关键在前面——文档入库切片那一步，得给每个切片一个稳定的唯一ID，而且要能反查回原文位置（哪个文档、第几段、原文是啥）。

我入库时每个chunk存成这样：

{
  "chunk_id": "doc12#p7",
  "doc_name": "退货政策v3.pdf",
  "para_index": 7,
  "text": "无理由退货需在签收后7日内……"
}

chunk_id是命中、回引、定位的钥匙。只要切片阶段把这个埋好，后面就好办。

检索→生成→回引

检索阶段捞回来的不只是文本，连chunk_id一起带回，喂给模型的上下文里，每段前面挂个标记：

[来源 doc12#p7] 无理由退货需在签收后7日内……
[来源 doc12#p9] 定制类商品不支持无理由退货……

生成阶段在提示里要求模型：每给一条结论，末尾用方括号标出依据的来源标记。模型就会输出"定制商品不能无理由退货[doc12#p9]"这种。

回引阶段我在后处理里把答案中的[doc12#p9]正则抠出来，反查到原文段落，前端渲染成可点击的引用，点开就是知识库里那段原文。法务一点就能核对。

两个实打实的坑

模型会瞎标。 有时它给的结论根本不在上下文里（幻觉），却硬安一个来源标记。我加了道校验：答案里出现的每个chunk_id，必须真的在本轮检索结果里，对不上的标记直接抹掉，并且给那句结论降级处理。这道校验拦下来不少"看着有出处其实是编的"。

段落切太碎，引用就碎。 我一开始按句切，一条结论能引出五六个来源，密密麻麻没法看。后来切片粒度调粗（按自然段），引用清爽多了。但切太粗召回又会糊——这个粒度来回调了好几轮才平衡，没有标准答案，看文档结构。

工程落地

这套我没全手写。用的那种不用编程就能搭智能体的平台，知识库切片带元数据、检索回带chunk信息这些是支持的，我主要写了提示词里的引用规范、和后处理的校验+反查逻辑。省了搭检索管线的功夫。

模型层提一嘴：生成和校验都靠大模型，我接的讯飞MaaS（现成模型API，不自建算力），调用即用，省了模型运维。

—

你们做来源标注，是让模型自己标、还是检索后强行绑定最相关的那段？我这俩都试过，模型自标更灵活但容易乱标，评论区说说你们的权衡。