来源核验方案识别事实引用错位，适用于多工具智能体

发生了什么

ProvenanceGuard 介绍了一种给 MCP 智能体做来源核验的办法。它不把所有工具输出混成一堆材料，而是保留来源身份，检查回答里的每条声明由哪份资料支持，以及回答是否引用了正确来源。1

这对资讯卡片、客户问答和资料研究很实用：一个事实即使出现在某处材料里，也不能随便挂到另一条引用下面。

具体是什么

系统在回答生成后读取工具轨迹，拆分声明、定位相关来源、检查支持程度，再对照回答中明确或暗示的出处。它也特别检查数字、日期和标识符，并可对未通过内容进行修复后重新核验。博文的实验使用本地模型组合，方法本身不要求只有一种模型配置。1

例如，退款期限来自政策文档，却被写成客户账户记录中的信息。把材料合在一起看，句子可能像是有依据；逐来源检查，才能发现归属错位。

怎么用

先让自己的检索或工具调用保留来源 ID、完整输出和获取时间，不要只保存最终摘要。回答生成后，把一个包含多项事实的句子拆成可单独验证的小声明，分别找到原文支持位置。

核对时至少问三件事：原文有没有这件事，数字和限定条件是否一致，这份来源是否就是回答声称的来源。若证据来自多个页面，把每个来源的支持范围写清楚，避免用一个链接替整个段落背书。

可以先对十几条历史回答手工标注，再决定是否接入自动核验。记录误放行和误拦截，让核验策略适合自己的发布流程，而不是只追求全部通过或全部拦住。

如果来源后来更新，应记录旧版证据与新版变化，重新审查依赖它的声明。否则一条曾经正确的引用也可能失去支持，尤其是价格、可用性和版本能力这些经常变化的信息。

意味着什么

资料产品的可信度来自可追溯关系，而非引用数量。一个段落放很多链接，如果读者找不到每条事实的出处，仍然很难复核。

这套方法也有助于整理内部知识库。保留账户数据、公开文档和模型推断的边界，可以让后续编辑知道哪些内容可以直接发布，哪些需要再次确认。

局限与风险

文章报告的保守策略抓住了大部分应拦截声明，同时也拦下一些实际有依据的内容；作者没有把这一取舍描述成零误差验证。1 换模型、换行业或更改来源格式后，需要重新校准。

自动核验还可能遇到原文含糊、页面更新或证据相互冲突。遇到这些情况，不应为了让流程结束而强行选一个出处。对关键事实，应保留不确定性或回到原始材料人工检查；核验层的结论本身也需要可审查记录。