同一个问题问两个 AI，一个回你三段话加三条带日期的链接，一个回你一段语气笃定的结论，什么都没附。答案看着差不多，用起来的风险差很远——前者你能顺着链接查下去，后者你只能选择信或者不信。联网搜索质量的差别，几乎都体现在「搜完之后做了什么」这一层。
都叫联网，差别在搜完之后那几步
打开联网开关只是第一步。真正的差别在三处：搜什么（查询词怎么改写）、信谁（哪些结果被采信）、怎么合并（几条互相矛盾的信息怎么处理）。三处里任何一处偷懒，最后呈现的都是「一段像模像样的答案」，只是可靠程度不同。
同一个模型在不同问题上表现差异很大，原因就在这里。事实清楚、来源集中的问题，它随便搜搜就能对；需要辨别来源、需要处理矛盾的问题，才真正考验这一层。
五个指标，五次不同的问法
| 指标 | 怎么测 | 什么算好 |
|---|---|---|
| 时效 | 拿一个近两周确实变过的事实去问（政策调整、产品改版），看它引用新信息还是旧版本 | 主动标出信息日期，写明「截至某日」；只给结论不标时间的，等于把新旧混在一起 |
| 权威 | 问一个只有官方文件或标准文本能定论的问题 | 引用一手原文而非二手解读；出现「据某媒体报道某机构称」的套娃引用要警惕 |
| 可追溯 | 看每条结论后面有没有链接，点进去内容对不对得上 | 链接能打开、页面确实支持这句话；指向首页或聚合页的，等于没给来源 |
| 一致性 | 拿一个有争议的话题问，看它怎么处理分歧 | 至少呈现两种立场及各自依据；只给一面之词且不说明存在分歧的，属于隐藏信息 |
| 覆盖面 | 问一个需要多条件的问题，比如同类业务在两地的办理差异 | 该提到的条件都提到；漏掉关键条件的答案，往往看起来最干脆 |
五项里，可追溯最容易验证，也最容易被放过。多数人看到答案下面挂着几条链接就放心了，很少有人点进去。实际上链接与结论对不上是最常见的伪装——链接是真的，结论是模型自己补的。
为什么它会把旧闻当新闻
搜索结果按相关度排序，不按时间排序。一条三年前但被大量转载的内容，在检索里可能比昨天发布的公告更容易命中；模型拿到这些片段时，未必知道哪条更新。它的训练数据本身也有截止时间，如果检索结果没有被正确使用，回答就会落回旧知识上。
更麻烦的是「矛盾合并」。搜到三条说法不一的资料，一种处理是挑最像的那条，另一种是把三条揉成一段通顺的话，后者读起来更完整，错得也更彻底。检索增强生成这条链路里，合并策略是最不透明的一环，也是各家差别最大的地方。
只给结论不给来源，是最该警惕的信号
来源不是装饰。一段没有出处的结论，你无法判断它是查到的、推出来的，还是编出来的。模型编造内容时语气往往比平时更肯定，因为它没有「不确定」的表达习惯。反过来，愿意写「这一点我没找到权威来源」的回答，可信度通常更高，它至少在区分知道和不知道。
链接本身也要看质地。指向机构官网、标准文本、原始数据的，可以顺下去核；指向内容聚合页、营销软文、无署名转载的，只能当线索。检索层怎么存、怎么召回决定了它能不能拿到一手材料，这一层用户看不见，但结果里能看出来。
把它当资料员，不当结论员
比较稳的用法是让它交线索而不是交答案：列出几个来源、各自说了什么、哪里对不上，判断留给自己。这样即使它搜错了，你也能在核对时发现；如果直接要结论，错的部分会被一段流畅的表述盖住。
提问方式也要配合。把用途、时效要求、判断标准写进去，它才知道该找什么；只问「某某是什么情况」，它给你的多半是一段四平八稳的综述，看着全面，用不上。
测出来的结果，换个问法就会变
同一款工具，问法不同、时间不同，结果可能差很多。今天搜得到的内容，下周可能被删；同一个问题换个措辞，召回的来源就换了一批。所以测一次得出的结论只能当参考，重要用途要当场验，不要凭上次的印象下判断。
速查：查资料时的五个检查点
- 答案里有没有写信息日期，新旧信息有没有分开
- 链接点进去，页面内容是否真的支持那句话
- 有争议的话题，有没有给出两种立场
- 关键结论能不能找到一手文件，而不是二手解读
- 把问题改写成「列出来源和分歧」，而不是「给我结论」
