企业 AI 能找到资料，不等于答案依据可靠。本文说明如何从来源有效性、片段完整性、引用对应关系和异常转人工等方面验收检索证据。
企业 AI 在知识问答场景中返回了相关资料，并不代表答案已经具备可靠依据。检索结果可能来自过期版本，也可能只截取了缺少前提的一段文字；答案看似流畅，却未必与引用内容逐项对应。验收时需要把“找到了什么”和“据此回答了什么”分开检查，让证据链可以回看。
先确认资料来源是否仍然有效
检索库中的制度、手册和业务说明应带有来源、版本、生效时间与适用范围。验收样本要包含新旧版本并存、附件失效和权限变化等情况，检查系统是否优先使用当前有效资料。无法判断版本时，应提示依据不足，而不是自行选择一份看似相关的文件。
检查片段是否保留必要上下文
命中的句子可能依赖前一段的定义、后一段的例外条件或表格标题。团队可检查切分后的片段是否包含主体、条件、动作和限制，并记录它来自文档的哪个位置。对跨段落才能理解的规则，宜调整切分或组合策略，避免只凭关键词接近就进入答案。
核对每个结论与引用的对应关系
答案中的关键结论应能指向具体依据，而不是在段落末尾笼统附上多份资料。验收时可逐句判断引用是否支持该结论、是否存在超出原文范围的延伸，以及不同来源是否互相冲突。引用数量多不代表证据质量高，清晰的一一对应更便于使用者复核。
把无结果和弱证据纳入测试
只测试容易命中的问题，会掩盖系统在资料缺失时的行为。样本应包含无权限资料、过期问题、表达含糊和知识库中没有答案的情况。系统应能够说明未找到可靠依据，必要时转给人工补充，而不是用常识填补企业内部事实。
用问题记录推动知识维护
重复出现的弱证据任务，可以反向暴露资料命名、版本管理或内容结构的问题。记录问题类型、命中来源、人工处理结果和修复时间，有助于区分检索配置问题与知识本身缺失。修复后应回放原样本，确认答案与引用同时改善。
常见问题
检索命中率高就说明效果好吗？
不一定。还要检查资料是否有效、片段是否完整以及引用能否支持答案。
引用了原文还需要人工复核吗？
高风险或证据冲突的任务仍应复核，引用本身不能保证推断范围正确。
知识库没有答案时应该怎样处理？
明确提示依据不足，并按业务规则转人工或发起资料补充。