引用、评价与方案选择

引用需要连接到声明

回答中的每个重要事实要能对应支持它的来源片段，引用身份、版本、位置和读取范围。来源包含某词不等于支持整句话；多来源共同支撑的关系需要交代推导。引用来自模型自行编写时，先检查来源存在及内容，不能仅因格式正确就公开。

忠实度衡量声明是否被给定语境支持，事实准确衡量它在声明条件下是否为真。旧版或错误资料可以支持一个高忠实却错误的回答。冲突材料应说明对象与时点差别，缺证据时返回未知或继续查询。

检索评价测真实任务所需证据的覆盖和排序，生成评价测答案正确、忠实、引用对应、完整与拒绝条件。可以用正确材料直接喂模型的 oracle-context 比較生成上限，再与真实检索结果比较，区分缺证据与不会用证据。

context precision/recall 有多种参考与裁判实现，应记录分母和判定。ANN recall@k 与任务相关文档 recall@k 也不同。将回答拆成原子声明再判断支持比例，是一种忠实度方法；原子化和蕴含裁判都会产生测量误差。RAGAS

构造诊断：十条问题中四条漏关键资料，另外两条资料齐全但引用错。只给一个“六成正确”无法定位缺陷。保留每题问题、所需证据、候选、语境、声明与原因，才能分别修解析、检索、上下文和生成。构造数量用于说明诊断，未代表实测。

长上下文直接提供较多材料，省去部分索引设施，仍需选取权限范围、处理干扰、引用和更新。RAG 预计算资料并按问题取得部分语境，降低重复输入，但增加索引维护和漏证据风险。参数适配改变模型行为与表示，需要训练和保留能力验证，也不能自动给出事实来源。

小语料、低流量且长输入效果可靠时，直接上下文可能简单。大规模、频繁更新或明确检索任务可能需要 RAG。稳定重复的任务行为可能值得适配。三者可组合，固定“每月更新”或“数十万 token”的阈值无法替代实际费用、质量和约束。

某项长上下文与 RAG 比较的平均优势依模型、数据、路由和预算。按 query 自适应路由也有分类成本和误判。比较研究应用于目标系统时要建立本地基线，不把论文平均值当作普遍选择。

总账含解析、嵌入、索引/图、重排、模型输入输出、更新、存储、评价和运维。缓存、查询复用、更新频率和调用量改变摊销。成本低于替代方案，需要统一质量与服务目标后计算。

回归样本覆盖版本冲突、无答案、错前提、跨权限、精确身份、多跳、全局与数值任务。源变更后同时检查索引可见性与回答，而不仅确认更新任务完成。未在当前模型和数据上执行的收益，保持为设计假设。