知识从哪来

你要解决的不是「AI 会不会胡说」

更常见的情况是：回答读起来很顺，数字和结论也对得上上下文，但你追问「53% 哪来的」「2-3 周是查到的还是猜的」，模型却答不上来。问题不在于某一句一定错了，而是你无法验证每一句话的依据——训练语料、本轮你贴的数据、联网结果和推理产物被混在同一段 prose 里。

Knowledge Provenance 在生成回答的同时为关键判断打上来源标签，而不是事后补标。它不判断真伪，只交代原料从哪来；真假仍由你或配套的核查流程处理。

怎么工作

四类透明度：全透明（每条带 [类型 · 置信度]）、摘要（只标低置信度或争议来源）、按需（你追问某句再展开）、关闭（默认）。可用自然语言切换，例如「标注一下这段话的来源」「开摘要模式」「关了」。

五类来源：训练数据、本轮对话、历史记忆（附检索时间）、联网搜索（附时间与 URL）、推断（再分逻辑 / 统计 / 类比 / 经验等子类型）。置信度高 / 中 / 低有明确判定规则，并支持多源一致上调、过期或弱信源下调、冲突时并列标注。

标注格式示例：用户给出的留存率标为 [本轮对话提供数据 · 高]，行业观察期若来自通用经验则标为 [训练数据 · 中] 或 [推断 · 经验 · 中]，必要时在段末附置信度说明。

可与逻辑链检察（How：推理步骤）和幻觉捕手（真伪扫描，推断句为重点对象）叠加使用；来源标注负责 Where，不替代逐步推理展示，也不替代事实核查。

边界与注意点

• 已生成完毕的旧回答无法追溯补标；铁律是同步映射，忘了就标「来源未记录」，不猜测。
• 标成 联网搜索 · 高 只表示获取方式，不等于内容正确；用户输入也只做来源标注，不替用户验输入。
• 闲聊、纯创意、或本无事实断言的对话不必开全透明；审计报告、协作写分析、调试错误结论时更值得开摘要或全标。