AI 说“根据账户记录你有 30 天退款期”这句话可能事实正确引用却错了30 天来自通用政策账户记录里根本没有。读完本文你会理解多源 RAG 为什么要保留来源身份并能用一段 Python 检查“每个声明是否真的由它声称的来源支持”。最新事件事实正确也可能没有通过验证Multiverse Computing 团队 9 月 29 日介绍了 ProvenanceGuard。它面向通过 MCPModel Context Protocol模型上下文协议调用多个工具的 Agent在答案生成后读取完整工具轨迹把回答拆成声明再逐条寻找支持来源、检查证据和归因最后允许、阻断或进入修复。团队报告的医学场景测试包含 281 条真实轨迹在留出的 40 个回答、361 个声明中专家认为 139 条不该通过系统拦下 138 条同时也把 67 条专家认为有支持的声明送去复核。这个结果说明它偏保守也说明“拦得多”不等于“判断完美”。相似来源压力测试里精确找对来源的比例只有 50.3%边界必须说清。它解决什么问题把多源 RAG 想成写论文图书馆里确实有一句话不代表你能把它脚注到任意一本书。类比的边界是真实 Agent 的来源不只是文档还可能是数据库记录、搜索结果、API 返回和用户私密数据这些来源的权限、时效和可信等级并不相同。去掉类比来源感知验证是维护“声明—证据—来源标识”的映射而不是先把所有工具输出拼成匿名上下文再只问句子是否有支持。它要同时回答三个问题声明是什么、哪份原始输出支持它、回答明示或暗示的来源是否与支持来源一致。MCP工具输出保留来源ID生成回答拆分原子声明匹配候选来源检查证据支持核对答案归因允许或阻断修复或安全回退最小实践抓住“事实对、出处错”下面的教学版不用模型只用关键词交集展示核心数据结构。生产系统应换成嵌入检索和自然语言推断NLI但仍要保留来源 ID。importre sources{account:用户方案为专业版账户状态正常。,policy:专业版购买后30天内可以申请退款。,}claims[{text:用户是专业版,named_source:account},{text:退款窗口是30天,named_source:account},]deftokens(text):returnset(re.findall(r[\u4e00-\u9fff]|\d,text))defsupport_score(claim,source):cttokens(claim)sttokens(source)numbers_okre.findall(r\d,claim)re.findall(r\d,source)overlaplen(ctst)/max(1,len(ct))returnoverlap(0.5ifnumbers_okelse-1.0)foriteminclaims:rankedsorted(sources,keylambdasid:support_score(item[text],sources[sid]),reverseTrue,)bestranked[0]verdictALLOWifbestitem[named_source]elseBLOCKprint(item[text],support,best,verdict,verdict)assertsupport_score(退款窗口是30天,sources[policy])0assertclaims[1][named_source]!policy无需第三方依赖保存为provenance_gate.py运行python provenance_gate.py。本次在 Python 3.9.6 实际运行第二条声明被识别为应由policy支持因此对错误标注的account归因执行阻断。它只验证流程不复现论文模型与医学数据结果。常见误区第一认为有 URL 就有证据。链接可能只与主题相关并不支持具体数字。第二把所有工具结果合并后做一次“忠实度”评分这样会丢掉来源身份。第三把来源匹配当成真实性证明原始来源本身也可能过期或错误。第四见到 138/139 就认为可以无人审核论文同时出现明显的保守误拦与相似来源识别下降。适用与不适用它适合医疗、金融、客服、合规研究等需要解释“依据来自哪里”的多工具工作流也适合把引用检查变成发布门禁。不适合只靠这一层解决知识库污染、恶意工具输出和权限越界来源感知不是内容可信、授权合法和数据新鲜的替代品。我的判断是多源 RAG 的下一个基础设施不是更长上下文而是可追溯的证据链。开发者应从数据结构开始改每段工具输出带不可变来源 ID、采集时间和权限域每个回答声明保存候选证据与判定而不是只留下最终文本。5分钟实践题给sources增加一份同样包含“30天”、但描述试用期的文档观察简单关键词为何会选错。然后为来源增加document_type规定退款声明只能由政策类文档支持。你的 RAG 验收现在只检查答案正确还是也能指出每句话究竟来自哪个数据源关注「蜗牛聊AI」一起看懂技术变化背后的真正机会。本文首发于 java4u.cn转载请注明出处。