上下文里的引用标记是怎么加的？来源标注

用 AI 搜索或带资料问答的产品时，回答里常见 [1][2] 这样的引用标记，腾讯元宝和秘塔AI搜索的答案页都带这套来源标注。它是哪一步被加上去的，出了偏差又该去哪里找原因？

可以把它想成论文的脚注：正文保持流畅，出处挂在角落。这个类比的失效之处在于，论文脚注由作者手工核对，这里的标记由生成过程自动挂接，出处对不对，得看检索和切块的质量。带走一个判断：标记本身不增加可信度，标记背后的原文才是证据。

引用标记的两种形态：角标和行内标注

角标式在句尾挂编号，答案下方列出来源列表，页面干净，适合搜索场景。

行内标注直接把来源名字嵌进句子，一眼知道谁说的，适合资料对照场景。两种形态底层是同一套机制：给每个可引用的资料块编号，生成时按引用位置插入对应编号，渲染时再换成对应的展示样式。

编号从哪来也有讲究。可引用的资料块在检索阶段就定了编号，一块一个，重复引用同一块时编号不变；同一个回答里的角标数量取决于信息密度，事实密集的回答可能出现七八个角标，观点性回答可能一个都没有。填号的是模型，编号表在系统手里，两边对不齐，角标就会挂错位置。所以看到可疑的引用，核对原文永远是压轴一步，机器对齐代替不了人工确认。

标记是怎么在生成时插进去的

流程分三步。检索阶段先选出与问题相关的资料块，并给每块分配编号；生成阶段模型被要求在陈述事实的位置带上对应块的编号，这一步的陈述节奏还受思考预算的收束约束，见思考预算是怎么在推理时执行的？；渲染阶段服务再把编号替换成可点击的角标或来源卡。三步里任何一步编号错位，都会出现「标了找不到」或「找到了对不上」的情况。资料块编号的前提是切分清楚，见长文本的预处理发生在哪一步？切块与标注。

引用对不上原文，问题出在哪

常见原因有三类：一是块被切散，句子引用的块里只剩半段论证；二是模型把编号安错了位置，事实出自甲块却标了乙块；三是来源更新后编号表没同步，旧链接指向了新内容。前两类靠切块与生成约束改进，第三类要靠资料的及时更新与请求的合理调度来修。带标记的正文在渲染前还要过一遍规则引擎，见输出过滤的规则引擎是怎么工作的？；输入侧资料本身的拦截关口见敏感词拦截在哪个环节？从原理到落地。

三类偏差各自出在哪一环，怎么修：

看懂标记能帮你做什么

一是快速核验：点开角标直达原文，判断答句是否忠实；二是判断信息新旧：来源的时间能提示内容是否过期；三是追溯推导：连续几句话引用同一来源，说明答案围绕该资料展开而不是自由发挥。把标记当线索而不是当装饰，用起来才踏实。还可以做交叉验证：同一事实在不同来源中的表述若能互相印证，可信度再上一档。两条来源的独立性也要留意，转引同一篇通稿不算两个来源。

引用核验三步：

• 点开角标，确认原文确实支撑答句
• 看来源时间，判断内容是否仍然有效
• 关键数字至少核对两个来源

三步走完，来源标注才算真正为你所用。

聊聊引用标记的常见疑问

• 角标编号是模型自己想的吗？：编号由系统分配，模型只是按要求在相应位置写上编号。
• 为什么有的回答没有标记？：模型基于自身知识作答时没有外部资料块，自然无来源可标。
• 标记越多越可信吗？：不一定，关键看每条标记背后的原文是否真的支撑结论。

来源标注把「信不信」的判断权还给你，这正是它比一段笼统回答更可贵的地方。