AI元宝大侦探 | v1.4.0
1024 超能 Coding 周末 · 侦探赛道

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。

◆ 标签由规则产出,模型只负责把话说顺。同一批输入,永远得到同一张卡。
←→翻页 1–9跳屏 N演讲提示 T配色 F全屏
问题

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。

◆ 这三件事都不难被检查,只是没人把它做成默认动作。这个作品只做这一件事。
做法

三层,每层只管一件事

检索层

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
裁决层

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
表达层

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
◆ 所以同一批搜索结果,换一次调用、换一台机器,标签必须一致——这才叫可复核。模型只在终点出现一次。
裁决规则 · 可现场拨

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。

权威度
相关性0.82
时效
姿态
1.01单条权重
0单条上限 1.10
五种终态

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。

说不准

◆ 「没查到」不等于「是假的」,也不等于「系统坏了」。三种认输方式必须分得清,否则用户会被自己的工具骗。
可检验性

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。

三种终态,各自再往前一步

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。

高复用

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。

落地形态

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
◆ 选场景的标准不是行业新不新,是调用频率 × 人工成本 × 答错的代价。政策与资质是固定动作反复做,财务法务是低频高价值。
版本特点 · v1.4.0

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。

◆ 版本号写进每张卡的 JSON 和静态卡页脚。因为阈值、权重、词表改过之后同一个问题就会得出不同的卡——没有版本号,两张不一样的卡说不清是数据变了还是代码变了。
工程与交付

下载就能跑,产物能带走

0第三方依赖
纯 Python 标准库 + 原生 JS
4个 GET 接口
健康 / 领域 / 样例 / 查证卡
12位指纹
自包含静态卡可离线复核
600颗粒子背景
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。

先说做不到的

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。

收尾

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。

本地入口 http://127.0.0.1:8765/

?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

演讲提示