AI元宝大侦探
查得到、信得过
丢一个问题进来,它去检索、给来源分级、交叉比对, 然后把结论 + 一句话理由 + 可点开的来源一起摆给你。证据不足,就明说没查到。
AI 敢回答,但不敢作证
搜索类产品已经能「答得像」,但没人能替你回答下一句:这话到底谁说的、能不能点开、换个人跑一遍还一样吗。
没有出处
结论说得斩钉截铁,一条来源都点不开。看起来权威,实际上无法反驳、也无法复核。
分不清轻重
官方文件和养生号文章被同等采信。三家网站转同一篇通稿,看起来像三个独立印证。
顺手编原文
引用看起来像原文,回原文里逐字找,找不到。这类幻觉最难被普通人识破。
三层,每层只管一件事
主动去捞反方
一句话换成最多 3 路确定性问法,专门去捞官方口径和辟谣稿。
- 元宝搜索
SearchPro,TC3-HMAC-SHA256手写签名 - 无密钥 / 断网自动走离线样例,链路照样完整
- 每条记录自己是被哪一路捞回来的
算权重,不打分
信源分四档,姿态分四种,加权投票算出真 / 假 / 说不准。
- 语义判定只判单条,不判结论
- 引用必须逐字可校验,对不上就作废那一条
- 同源转载判重,权重减半
只负责把话说顺
模型可以润色那一句话,但绝不参与打标签。
- 没配模型也能完整跑,卡片上会写明
- 静态卡自包含,可分享、可归档
- 每条证据标注语义还是词典判的
一条证据值多少,是算出来的
拨下面四个因子,看权重怎么变。阈值都在 config.py 里,改完当场可复现,不需要重训任何东西。
最值钱的一屏,是它敢说不知道
点一下看每种终态的判定条件。注意最后两种:没查到 和 查询失败是两件事,不能混。
三个机制,专门用来打自己的脸
单路检索只看得到同温层证据,转载稿会让一句话看起来被多家印证。这两件事都会让结论看起来比实际更可靠。
一次查证自动跑最多 3 路确定性问法,不依赖模型,同一句话每次跑出同一组查询。 查真假走「原句 / 核心陈述 + 是谣言吗 官方辟谣 / 核心陈述 + 依据 研究 官方回应」。 结果按 URL 归一去重,卡片上的「检索路线」会显示每路捞回多少条、其中多少条是新出现的—— 第 2、3 路新增全是 0,说明这个话题已经被第 1 路捞干净了,不用假装多跑了两路。
取正文前 140 字做字符三元组 Jaccard 相似度,≥ 0.55 判为转载,记下原始出处。
转载条目的权重 ×0.5,且不计入独立来源数。这一条直接作用在置信度上,
卡片上那条会整条降透明度并标注「转载」。
每张卡都附「想推翻这张卡,可以这样试」:回原文逐字核对最高权威那条、指向对立面的来源说明为什么没被采信、 用更晚的同级来源覆盖它。最后一条是量化的——把权重最高的 3 条逐条抽掉重算, 结论会翻就直接点名「这张卡是它撑着的」。比起一个置信度百分比,这个信息更能指导人怎么复核。
用户要的不是结论,是「然后呢」
点开看真实样例。三步都不参与裁决,只负责把下一步交到人手里。
政策样例正好命中:官方写「最高不超过 500 万元」,两个官方来源一致;代办站写「最高可达 3000 万元」。 措辞只说「口径可能不同,请核对」,从不说「矛盾」——哪个数字对,得人点开原文定。 两条硬约束:只有一个来源给出多个值时不报(那是同一份材料在做口径对比),四位年份不当期限。
隔夜菜那条:否定方限定在「冷藏」,支持方限定在「长期食用」「室温放置超过 4 小时」。 → 这更像两个不同条件下的两个结论,不宜按同一句话裁决。 五类条件维度(人群 / 剂量与程度 / 使用场景 / 范围与口径 / 地域),纯词表 + 差集,不依赖模型。
按「这张卡实际缺什么」逐项生成:缺 T1 一手来源、来源集中在单一域名、只知道是转载但没拿到原文、 证据整体偏旧、关键来源没标时间……最多给 4 条——多了用户不会做,等于没给。
一个引擎,六个领域包
换行业只换一个约 30 行 JSON:权威源表、线索词、语义上下文、结论用语、时效衰减全部配置化,不改一行 Python。
同一套能力,换一个壳就能用
引擎不变,变的只是入口。检索和模型都可以在客户内网,提问不出门,只需要一个出网白名单调元宝搜索。
| 形态 | 面向谁 | 复用方式 |
|---|---|---|
| 群机器人 | 中小企业内部(政策、用工) | 一次部署,全公司问 |
| 浏览器插件 | 采购、投研、编辑 | 划词即查,结果直接存成静态卡 |
| API | 客户自有系统(CRM / ERP / 投标平台) | /api/check 直接接,按次计 |
| 静态卡导出 | 需要留痕的场合(投标、审计、合规) | 每张卡带 12 位指纹,可归档复核 |
| 工作流节点 | 已经在用 AI 工作台的团队 | 挂进现有流程,不换工具 |
从「跑通」到「可被检验」
五个版本,每个版本只解决一件事。点节点看细节。
下载就能跑,产物能带走
纯 Python 标准库 + 原生 JS
健康 / 领域 / 样例 / 查证卡
自包含静态卡可离线复核
实测 75fps,不占帧预算
可现场切换检索层
加 provider=mock|wsa 就能在同一张卡上证明「骨架不变、检索层可换」。
异常原样透传
限频、没开通服务会显示成「查询失败」,不会伪装成「没查到」。这两种错不能混。
界面也是自包含的
日间 / 夜间只靠语义变量切换;粒子层 pointer-events:none,不遮挡任何交互。
这些地方它做不到
主动写清楚限制,比多给一个置信度百分比更能建立信任。全部写在 README 里。
词典法会漏判反讽和双重否定。所以每条判定都附带原文句——漏判能被人一眼看出来,而不会被藏起来。
引用是逐字校验,宁可保守。模型做了合理改写(比如补了主语)也会被判无效并回落。
同域名最多采信 2 条。副作用是单一权威站独占的题目,可能因来源不足被判「没查到」。
数字核对只并列,不裁判。它是有意保守的提示器,不是审计工具——哪个数字对,得人点开原文定。
转载识别只看文字重合度。大幅改写后再转载会漏判;共用通稿模板会被压低权重,但不会翻转结论方向。
离线样例是演示数据。不得当作真实查证结果使用,页面会显示「离线样例」角标。
查得到、信得过
不是承诺,是每一步都点得开。
它不会替你做决定,也不会假装知道。 它做的是把「这话谁说的、能不能点开、换个人跑一遍还一样吗」变成默认动作。
?q=问题
带问题直接出卡,方便贴给评委
分享卡片
导出可离线复核的静态卡
T 键
投影建议用夜间配色
AI元宝大侦探 | 1024 超能 Coding 周末 · 侦探赛道 | v1.4.0