每一句都得有出处，不然你连核都没法核

你让 AI 帮你把一家公司的近三年经营情况理一遍。它给了你一千多字，里面有七八个数字、三处管理层的表态、两个跟同行的对比。读起来很顺，逻辑也接得上。

然后你想核一下。

问题来了：从哪儿核起？ 那个营收增速，是它从你贴的年报里读出来的，还是自己拿两个数除出来的，还是它「记得」这家公司大概是这个水平？那句带引号的管理层表态，是原话，还是它把三段话的意思揉成了一句更好听的？那个跟同行的对比，同行的数据它是从哪儿拿的？

你一个都答不上来。于是你只有两个选择：整篇都信，或者整篇都不信。前者危险，后者等于这一千多字白给。

这个死局的根源不是它说错了什么，是它没告诉你每句话是从哪儿来的。

先说报销这件事

公司报销，规矩你熟。你出差回来交一沓票，财务不听你讲这趟差多辛苦、钱花得多值，她只干一件事：把你填的每一笔金额，和你贴的每一张票对上。

对不上的那一笔，不是「你可能记错了」，是不能报。

注意这里的逻辑很有意思：财务并不认为你在骗她。她也知道你那顿三百块的饭大概率真吃了。但她不能按「大概率真的」办事，因为一旦开了这个口子，她就失去了一件东西——便宜地检查的能力。有票，她三秒钟看一眼就过；没票，她得给你打电话、问日期、问同行的人、翻行程单，一笔的成本从三秒变成半小时。

所以票据制度的作用，不是防你贪那三百块，是让检查这件事的单价低到可以每笔都做。

还有一个细节：正规的报销单上，永远留着一栏叫「无票据说明」或者「个人承担」。它不禁止你花没票的钱，它只要求这笔钱待在专门的格子里，不要混进有票的那一堆。

这三件事——票要能对上原件、检查必须便宜、没票的钱要有专门的格子——原封不动地就是这一篇要讲的全部内容。

在投研里，出处到底值多少钱

把上面那套换成投资的语境。

你手上有一份 AI 生成的研究材料。它的价值不取决于它对不对，取决于你能不能便宜地知道它哪儿对哪儿不对。这两句话听起来像绕口令，但差别是实打实的：

一份带完整出处的材料，就算里面有三处错，你也能在十分钟内把这三处挑出来，剩下的照用。一份没有出处的材料，就算里面只有一处错，你也得整篇重做——因为你不知道那一处在哪儿，而它污染的是你后面所有的推导。

核对这件事，放到最后做就已经晚了 那篇讲的是核验动作该卡在流程的哪一步。这一篇讲的是它的前提：没有出处，任何位置的核验都执行不了。 你没法在取数那一步核一个不知道来源的数，你只能在它已经影响了三个结论之后，靠肉眼觉得不对劲才回头。

更要命的是长期效应。一个没有出处的数字进了你自己的笔记，三个月后你再翻，它看起来和你亲自查证过的数字长得一模一样——都是你文档里的一行字。到那时候它已经跟来源彻底脱钩，你会把它当成事实引用出去。

所以出处的价值可以用一句话概括：它不证明这句话是对的，它只让你能用很低的成本去查这句话对不对。 这两件事千万别混。后面还要专门说一次，因为「标了出处 = 可信」是这一整套动作里最危险的误读。

它为什么天生就爱混着说

这里要讲一层机制，讲清了你就不会再觉得它是在故意隐瞒。

这类模型在生成一句话的时候，眼前只有一样东西：上下文——也就是当前这一轮对话里，它能「看见」的全部文字，包括你贴给它的材料、你之前问过的话、它自己刚说过的话。它根据这一整片文字，去挑下一个最合适的词。

关键在这儿：你贴的年报原文，和它训练时读过的成千上万份年报，在「决定下一个词」这件事上，起的是同一种作用。 前者在上下文里，后者沉淀在它的参数里，但它内部并没有一个小本子，记着「这个词是受材料影响冒出来的，那个词是受记忆影响冒出来的」。生成的那一刻，两股力量是混在一起的。

所以它不是不肯交出处，是它默认不做这个区分。你事后问它「刚才那句是从材料里来的吗」，它给你的答案本身也是生成出来的——它在做一次事后的合理推测，不是在查一份记录。

这就推出了本篇最重要的一条操作原则：

区分必须发生在写下那句话的当下，不能靠事后回忆。

换成报销的话：票要在花钱的那一刻要，不是回来以后再补。补出来的东西，你没法验它是不是补的。

具体到操作上，就是把标注做成输出格式的一部分——每写一句就必须带上它的标签和位置，写不出来的那句直接不许写。而不是先让它写完一大段，再让它「补一下来源」。后一种做法你几乎一定会得到一份看起来很完整的来源列表，因为补来源这个动作本身，对它来说也只是一次续写。

什么才算合格的出处

「来源：公司年报」——这不算出处，这是一句安慰。

判断一条出处合不合格，只有一个判据，而且这个判据一点都不学术：

把这条出处交给一个完全没参与过这次对话的人，他能不能在半分钟内独立找回那句话。

按这个判据过一遍，你会发现绝大多数看起来像出处的东西都不合格。「年报」不合格，年报几百页。「财务报表附注」勉强，得看附注有多长。「2024 年报第五节 财务报告 附注十二 应收账款 第二段」合格。「管理层在业绩会上表示」不合格，哪一场业绩会？「2024 年第三季度业绩说明会记录，问答环节第四个问题的回答」合格。

出处不是一句话，是一组字段。这一点在工程实现里看得特别清楚。开源的 AI 投研智能体项目 Vibe-Trading（智能体就是能自己调工具、分几步把一件事做完的 AI 程序，不是只会一问一答的聊天框）里，有一个专门的证据台账模块，它把每一条数值证据定义成一个固定结构的记录，字段包括：这条证据来自哪一次工具调用、调的是哪个工具、对应哪个标的、来源是什么、时间戳是什么、取的是哪个字段、值是多少、是什么货币、在哪个交易场所、如果做过货币换算是怎么换的，以及一个状态标记。

请数一下这有多少个字段。一个数字，配十来个字段的身份信息。 做这套系统的人显然认为，一个不知道时点、不知道币种、不知道交易场所的价格，等于没有这个价格——因为它无法被任何人复现。

这个模块的说明里还有一句话很值得抄下来：语言模型仍然负责研究和解释，但有两件事是结构性的、不是建议性的，其中一件是——最终答案里的价格主张，不允许与工具取回的完整、未截断的结果相矛盾。校验逻辑里对应着一条很硬的拒绝理由：某个价格主张找不到任何与之匹配的观测证据。找不到，就不是提醒，是不通过。

注意「完整、未截断」这四个字。它防的是另一种更隐蔽的偷懒：模型调了工具，工具返回了一大堆数据，它在转述的时候只挑了合自己意的那一段，然后把这一段当成「工具说的」。出处要指向的是原始返回的全文，不是它对返回结果的概括。 AI 自己去取数这条链路上的坑，AI 怎么拿到实时行情和财报 那篇讲得更细。

四类标签：把混在一起的东西拆开

有了出处的规格，接下来是分类。你要求它对每一条内容，用四个标签之一开头，不许省略、不许合并：

［原文］ —— 材料里白纸黑字写着的，必须逐字。后面跟位置。

［转述］ —— 材料里有这个意思，但这句话是我概括的。后面跟位置，并且不许打引号。

［推算］ —— 材料里没有这个数，是我从别的数算出来的。后面必须跟算式和每一个输入值的出处。

［记忆］ —— 不在这次给的材料里，来自我训练时学到的东西。后面跟一句「未经本次核实」。

第四类是这套标签里最反直觉、也最值钱的一类。很多人的第一反应是：不是应该直接禁止它用记忆吗？

在你能把全部材料贴给它的场景里，确实该禁——让 AI 读原文，和让它凭记忆说，是两回事 那篇给了一整套封闭阅读的做法。但现实里有大量场景做不到闭卷：它自己去调工具取数、你分好几轮追着问、材料只有一部分。这时候硬禁的结果往往不是它不用记忆，而是它用了但不承认——因为你的规则把承认这件事变成了违规。

给它一个合法的格子，等于给它一条体面的退路。这就是报销单上那栏「个人承担」的作用：不禁止，但必须待在专门的格子里。 实践中你会经常看到它老老实实标出［记忆］，而这些被标出来的条目，正好就是你该优先去查的那几条——它替你把风险最高的部分挑出来了。

还得有第五个格子，虽然它不是「内容」：［不可得］。查不到就写查不到。前面提到的那个证据台账里，状态标记恰好也是三态并存的——观测到的、推导出来的、以及不可得的。不可得被当成一种正式的证据状态记账，而不是一个空白。这个设计意图很清楚：缺失必须以缺失的身份留在记录里，不能悄悄消失。 一旦它消失了，读的人会默认那一项没问题。

引号是一句承诺

单独说引号，因为它是整套纪律里唯一能被机器验证的部分。

规矩只有一条：打了引号，就是逐字承诺。 引号里的字符串，必须能在原始文件里被搜索直接命中，一个字都不能差。做不到就不许用引号，改成［转述］。

为什么要把这条单拎出来当硬规矩？因为它是全篇唯一一个不需要判断力就能验的东西。数字对不对，你得懂口径；逻辑成不成立，你得懂业务；但一句话是不是原文，你只要按一下搜索。这是你手上最廉价、最不可能出错的检查工具，别浪费它。

引述同时也是幻觉的高发区，这一点 让 AI 读原文，和让它凭记忆说，是两回事 那篇的第三个探针已经讲透，不再重复。这里只补一条排序上的实际做法：验证成本最低的东西，应该被最先验。 所以交付规格里要让它把带引号的条目单独计数——一份材料里引号条目有几条，就是你今天必须做完的、无需任何专业判断的检查有几条。这个数如果大到你不愿意逐条搜，那不是你偷懒，是它引得太多了，该退回去要求改成［转述］。

五种把出处稀释掉的写法

这些不是它在骗你，是要求写得不够死时，它会自然滑向的形态。认出来就能当场堵。

一、粒度放大。 「来源：公司年报」「据财报数据」「根据公开信息」。共同点是所有这些出处，都无法让人独立找回原句。堵法：要求出处必须细到能定位的一层，并且在提示词里给一个格式样例。

二、位置真、内容假。 出处写的是一个真实存在的章节，那个章节也确实在讲这件事，但引号里的具体表述在里面找不到。这一种最难查，因为你去翻了，发现「差不多就是这个意思」，就放过了。堵法只有逐字搜索，不接受「意思对」。

三、循环溯源。 「如前所述」「基于上一节的分析」「综合以上」。在一轮问答里这毛病不明显，一旦你分好几轮追着问，它就会大量出现——第三轮的出处指向第二轮，第二轮的出处指向第一轮，第一轮那个数其实来自［记忆］。整条链看起来层层有据，实际上底下是空的。堵法：规定出处只能指向对话之外的东西——原始文件、工具返回、你给的材料，不许指向这次对话里的任何一段文字（包括它自己上一条输出）。多轮场景下这条尤其要紧，展开见 一次问全，还是分几轮追问。

四、把推算写成原文。 这一种的隐蔽之处不在于算错，在于字面上根本看不出它是算的还是抄的。「本期收入同比增长百分之十八」这句话有两种来源：财报里管理层讨论那一节直接披露了这个增速，或者它拿本期收入除以上期收入自己现算了一个。两句话在版面上一模一样，都是一个带百分号的数跟在一个陈述句里，而可靠性差着一个量级——现算的那个，只要它取的上期数是重述前的、或者本期收入含了新并进来的子公司而上期没含，得数就没有意义。为什么现算的数天生更脆，让 AI 读原文，和让它凭记忆说，是两回事 那篇在讲封闭阅读的第 4 条约束时已经拆过，这里不重复。

对本篇来说要抓的是稀释这个动作本身：它省掉的不是数字，是标签。同一句话，标成［原文］就意味着有人能去年报里搜到它，标成［推算］就意味着你得先验它的输入。省掉标签，这两种截然不同的核验路径就都消失了，剩下一个看起来无需核验的陈述句。堵法：［推算］必须出示算式和每个输入值各自的出处，写不出算式的一律降级为［记忆］——注意是降级，不是删掉，因为它算的那个数可能是对的，只是暂时不具备被便宜地检查的资格。

五、把「综合多个来源」当出处。 听起来很严谨，实际是把最不可查的一类内容包装成了最可信的样子。堵法：综合是允许的，但每一个被综合进来的来源都要单独列出来并各自可定位，不许只写「综合」两个字。

抽查：一次三分钟，能定整份的生死

前面所有的功夫，都是为了让这一步变得便宜。现在做这一步。

抽哪几条。 两类各抽一点。第一类是贵的——支撑你核心判断的那两三条，它们错了后果最大。第二类是随机的——闭着眼睛点两条。只抽贵的会有盲区，因为你对什么算贵的判断，本身就受了这份材料的影响；随机那两条是用来估计整体质量的。

怎么抽。 一句话：让它把原文贴出来，逐字，不许改写、不许润色、不许解释。

再加上那一问「哪些内容其实不是来自这份材料」——为什么这种不追究的问法能换来真话，见 让 AI 读原文，和让它凭记忆说，是两回事。

抽中一条假的，怎么办。 这是最关键的判定规则，也是最反直觉的一条：

不是修那一条，是整份作废重做。

理由很简单：幻觉不是孤立事件，是这次生成的整体状态。同一段输出里，编造从来不会只发生一处——它出现在那一处，只是因为你恰好抽到了那一处。你把它修掉，剩下的那些没被抽到的部分，出错概率一点没变，而你的心理感受却好了很多，这才是真正危险的地方。

这条规则不是我拍脑袋定的。前面那个开源项目里有一个专门的研究报告审计工具，做法分两段：先从报告里把所有数字抽出来（表格里的、「标签：数值」形式的、带各种中文金额单位的），然后随机抽一小部分做样本——抽多大比例、最少抽几条、最多抽几条，都是配置项；再拿这些样本去和权威取值比对，在一个很紧的容差内算通过。

判定规则写得非常干脆：只要有一个抽样点没通过，整份报告判不通过；部分可疑的给警告。

这个工具还有一个设计细节值得单说：它自己不去取数。它只吃文本和别人取回来的结果，取数得由别的工具干，它只负责抽取、比对、下判定。为什么要这么切？因为一旦检查者可以自己去补数据，你就失去了「这份材料有多少窟窿」这个信息——窟窿被填上了，而填料的来源不明。

这条对你的实际含义是：别让写材料的那个会话来检查自己。 换一个新对话，只给它材料和检查规则，不给它上下文。同一个会话里的自检，你几乎一定会收到一份很像样的自检报告，然后被告知基本没问题——这不是偷懒，是它不会反驳自己刚说过的话。

整份材料的三档判定

「一处不过就整份作废」听着痛快，实际用起来你很快会碰到一个问题：如果每次抽查都只有过和不过两档，那么绝大多数材料都会落在不过这一档——因为一份长材料里总有几条它标了［记忆］、总有一两处你确定不了。两档制的结局往往是你干脆不抽了。

所以我自己用的是三档，判据只看两样东西：抽样点过没过，以及标签齐不齐。

第一档，整份作废。 触发条件有两个，满足任意一个就作废：抽样点里出现无法逐字定位的［原文］条目；或者清点时发现存在完全没有标签的整段内容。前一个是编造，后一个是规格失效——一段内容连标签都没有，说明这次生成压根没在按你的规格走，那么它其他地方的标签也不能当真。作废的意思是重发一次任务，不是让它在原文上打补丁；补丁改出来的东西你没法验它是不是补的，这跟前面讲的「不许事后补标」是同一条理由。

第二档，有条件通过。 抽样点全过、标签也齐全，但材料里存在［记忆］或［不可得］条目。这一档才是常态。判定结果不是「可以用」，而是「可以用，但这几条先别往下推」——那些被它自己标出来的条目，直接抄成一份待查清单。这一档最容易被误用成「基本没问题」，所以清单要真的落到纸上，而不是留在你脑子里。

第三档，通过。 抽样点全过、标签齐全、没有［记忆］和［不可得］。这一档比你想象的少见得多，见到了反而要多看一眼：一份完全没有空缺、没有一条「不可得」的材料，通常不是它做得好，是它把窟窿填上了。真材料是带毛刺的，核对这件事，放到最后做就已经晚了 那篇讲的把核验前移，本质上也是为了让这些毛刺在还便宜的时候就暴露出来。

还有一件要提前说清的事：判定的对象是整份材料，不是某个结论。 你会很想说「那条我不用不就行了」——但抽中的那条错的，往往已经在它写后面几段的时候被自己当成前提用过一次了。你删掉那一行，删不掉它对下游的影响。这也是为什么判定必须在你动手引用之前做完，而不是在你已经写了半篇笔记之后。

一份可以直接粘贴的溯源交付规格

这份和封闭阅读那份的分工是：封闭阅读管的是「只准用我给的材料」，这份管的是「不管你从哪儿弄来的，都得说清是从哪儿弄来的」。它适用于那些你没法把全部材料都贴进去的场合。

也就是说，闭卷那一侧的做法——把它锁死在原件里的三条硬约束、验证它是否真读了的三个探针、以及资料的 A/B/C 分级——本篇一概不复述，全在 让 AI 读原文，和让它凭记忆说，是两回事 里。本篇只管开卷这一侧的两件事：每一句话的出处该长什么样，以及整份材料该按什么规则判生死。 前面那几处压缩掉的论证（推算为什么比原文脆、引述为什么是幻觉高发区、那一问为什么能换来自首），也都是同一个原因——那边讲过了。

【溯源交付规格】

本次任务的输出必须逐条标注来源。任何一条不带标签或标签不合规的内容，
视为本次输出作废，请重写而不是补标。

一、每一条内容必须以下列四个标签之一开头，不许省略，不许自创标签：

  [原文]  材料/工具返回里白纸黑字写着的。必须逐字，后跟定位信息。
  [转述]  材料里有这个意思，但表述是你概括的。后跟定位信息。禁止加引号。
  [推算]  材料里没有这个数，你算出来的。必须同时给出算式和每个输入值的出处。
  [记忆]  不在本次材料里，来自你既有知识。后面必须写「未经本次核实」。

  查不到的内容，写 [不可得] + 你尝试过的途径。禁止用同行数据、
  行业均值、常见区间来填补空缺。

二、定位信息的合格标准（不合格的条目请直接删除，不要凑数）：
  判据是——一个没参加过本次对话的人，拿着你写的这条定位信息，
  能不能在半分钟内独立找回那句话。
  合格示例：某年年报 / 第X节 / 附注编号 / 表名或小标题 / 段落开头几个字
  不合格示例：「年报」「财务数据」「公开信息」「据披露」

三、引号规则：
  引号 = 逐字承诺。引号里的字符串必须能在原始文件里被搜索直接命中。
  做不到就不要用引号，改用 [转述]。

四、出处只能指向本次对话之外的东西：原始文件、工具返回的完整结果、
  我提供的材料。禁止把出处写成「如前所述」「基于上一节」「综合以上」，
  禁止指向你自己之前的任何一条输出。

五、如果你调用了工具取数：
  必须原样附上工具返回的关键片段（不要摘要、不要截断），
  并注明取回时间、字段名、单位与货币。
  你的结论不得与你自己贴出的原始返回相矛盾。

六、本次输出禁止给出买入、卖出、持有建议，禁止给目标价，
  禁止对公司做整体好坏的结论性评价。

任务：【写你要它干的具体事】

配套的抽查指令，必须另开一个新会话发，而且不要把原任务的上下文带过去。它只做清点、抽样、判定三件事，逐字回指那三个探针的原始版本见 让 AI 读原文，和让它凭记忆说，是两回事，这里直接引用不再展开：

【抽查】只做核对，不做分析，不评价结论好坏。

下面是一份带标注的材料。

【粘贴材料】

第一步（清点）：把材料里的条目按标签分类计数，
       [原文] / [转述] / [推算] / [记忆] / [不可得] 各多少条，
       并单独告诉我 [原文] 里有多少条带引号。
       出现四类标签之外的写法，或整段没有标签的，一并列出编号。

第二步（抽样）：只核对我指定的这几条，不要扩大到全篇：
       贵条目（支撑核心判断）：【编号】【编号】
       随机条目（我闭眼点的）：【编号】【编号】
       逐字贴原文、问一件材料里没有的事、指出哪些内容并非来自
       所标来源——这三个探针的原始版本见《让 AI 读原文，
       和让它凭记忆说，是两回事》，照那三问逐条作答即可。

第三步（判定）：按下面的规则给整份材料下一个判定，不要给分数：
       任一抽样点无法逐字定位 → 整份不通过；
       抽样点全过但第一步清点出无标签条目 → 整份不通过；
       抽样点全过、标签齐全，但存在 [记忆] 或 [不可得] → 有条件通过，
       并列出这些条目作为我的待查清单。

约束：你不许自己去查任何数据、不许补全缺失项、不许修改原材料，
     也不许在发现问题时顺手给出「建议改为」。你只负责指出和判定。

说清楚出处不能替你做的事

必须把这句话说死，否则这一整篇会被读成一个错误的结论。

出处齐全，不等于内容正确。 一条内容可以做到出处精确、可定位、逐字可搜，然后仍然是错的——因为原始文件本身可能印错、可能用了你没想到的口径、可能已经被后来的更正公告修订过。出处解决的是可查性，不是正确性。

它真正给你的东西是这个：把「这份材料能不能信」这个没法回答的大问题，拆成了一堆能在三十秒内各自回答的小问题。仅此而已，但这已经很多了。

小结

• 出处的作用不是证明这句话对，是让检查这句话的成本低到你愿意每条都查。没有出处，你只能整篇信或整篇不信。
• 它不是故意隐瞒来源。生成那一刻，你给的材料和它记住的东西起的是同一种作用，它内部并没有一本记录哪句来自哪里的账。所以区分必须发生在写下那句话的当下，不能靠事后补标。
• 合格出处的唯一判据：一个没参加过这次对话的人，拿着它能不能在半分钟内独立找回那句话。「来源：年报」不合格。
• 四类标签把混在一起的东西拆开：原文（逐字）/ 转述（不许打引号）/ 推算（必须出示算式和输入）/ 记忆（必须写未经核实），再加一个「不可得」。给记忆一个合法的格子，它才不用把记忆伪装成材料。
• 引号是逐字承诺，也是全篇唯一能靠搜索机械验证的东西。读起来特别精炼的那句引述，第一个去搜。
• 五种稀释手法：粒度放大、位置真内容假、循环溯源（多轮时高发）、把推算写成原文、拿「综合多个来源」当出处。
• 抽查抽两类：支撑核心判断的贵条目，加上闭眼点的随机条目。抽中一条编的，整份作废重做——因为编造从来不会只发生在你恰好抽到的那一处。
• 判定分三档，只看抽样点过没过、标签齐不齐：出现无法定位的［原文］或无标签整段 → 整份作废；全过但有［记忆］［不可得］→ 有条件通过，把这些条目抄成待查清单；全过且无空缺 → 通过，但这一档少见，反而要多看一眼是不是窟窿被填上了。
• 检查必须换一个新会话做，而且检查者不许自己去补数据。检查和修补是两个动作。
• 出处齐全不等于内容正确。它只把一个没法回答的大问题，拆成了一堆能各自回答的小问题。

不带任何术语地说完这一篇：别问他记得什么，让他把每句话是从哪本书哪一页抄来的写在旁边，然后随手翻两页，让他当着你的面念一遍。