RAG 文件问答最容易漏掉的一层：从答案生成到证据链

摘要：从文档解析、分块、检索、引用到人工复核，讨论企业 RAG 文件问答为什么不能只优化回答效果，还必须建设可追溯证据链。 关键词：RAG、文件问答、企业知识库、向量检索、AI 引用、证据链 把 PDF 上传给大模型，然后问一句“有哪些资格要求”，很容易做出一个能演示的原型。真正进入企业流程后，问题会立刻变成另一组：答案来自哪一页？引用的是原文还是摘要？文件更新后旧答案怎么办？模型没找到时会不会继续编一个看似合理的结论？ 这也是 RAG 项目从 Demo 走向生产时最常见的分水岭。用户需要的不只是答案，而是能够复核答案的证据链。 图 1：资料状态与批准状态被单独展示。截图取自 标脉云 的真实业务界面。 文档进入索引前，先解决身份问题 企业文件往往存在多个版本：初稿、盖章版、补充说明、扫描件和内部整理版。如果系统只用文件名作为标识，同名覆盖和版本混用几乎不可避免。 每份文档至少需要这些元数据： 稳定的文档 ID 与版本号； 文件哈希、上传时间和上传人； 文档类型与业务归属； 解析状态和解析器版本； 权限范围与批准状态； 是否被新版本替代。 “已经上传”不等于“可以被 AI…