citation-system

引用与归属系统设计

R — 原文 (Reading)

各厂商采用多样化的内联引用格式：Claude Web 使用 Markdown 锚点链接（[text](<citation:comment:{id}>)），GPT-4o 文件搜索采用 【msg_idx:search_idx†source】，NotebookLM 实现逐句引用加段落索引 [i]，Warp 使用 XML 结构 <citations><document>，Meta AI 实现实体标签 【entity_hint-...】。核心模式：内联标记、引用保留规则、来源可审计响应。

I — 方法论骨架 (Interpretation)

1. 内联标记格式：在生成文本中直接嵌入来源标记，用户无需滚动至文末即可定位引用源。
2. 格式一致性：整个系统提示中严格使用一种引用格式，不混用多种标记语法。
3. 引用保留规则：在改写、总结、翻译等二次处理中，原始引用标记必须完整保留，不得丢失或篡改。
4. 来源可审计性：每个事实性声明都必须有可追溯的引用，外部信息（非系统知识库）必须显式标注。
5. 实体引用系统：除文档引用外，可扩展支持人物、地点、组织等实体的标记与链接。
6. 日期消歧：对相对时间表达（"昨天"、"上周"）进行绝对日期解析，消除歧义。

A1 — 案例分析 (Past Application)

案例: GPT-4o 文件搜索的强制引用机制

• 问题: 用户上传多份文档后提问，模型可能编造不存在于文档中的内容，或混淆内容来源。
• 设计模式的使用: GPT-4o 要求所有基于文档的回答必须包含 【msg_idx:search_idx†source】 格式引用。引用不是可选装饰，而是强制性输出组成部分。未找到引用时不得声称信息来源于文档。
• 结论: 将引用从"建议行为"升级为"强制约束"，显著降低了文档问答中的幻觉率。

案例: Warp 的 XML 结构化引用

• 问题: 终端命令辅助场景中，用户需要精确知道命令参数的文档来源，但传统脚注格式在终端中可读性差。
• 设计模式的使用: Warp 采用 XML 结构 <citations><document> 元素，将引用与工具名隔离——引用指向文档本身而非工具调用过程，避免暴露内部实现。
• 结论: 引用系统的设计应适配输出媒介特性，且引用目标应指向信息源而非系统内部过程。

A2 — 触发场景 (Future Trigger) ★

用户在什么情境下需要?

1. 构建文档问答系统，需要让用户验证每个答案的来源
2. 设计搜索增强生成（RAG）系统提示，需要强制引用检索结果
3. 开发代码辅助工具，需要将建议关联到代码库中的具体位置
4. 实现多源信息整合系统，需要区分不同来源的贡献

语言信号

• "需要标注信息来源"
• "用户应该能追溯每个结论的出处"
• "如何防止模型编造引用"
• "引用格式应该怎么设计"
• "需要保留原始引用标记"

与相邻 skill 的区分

• 与 injection-defense 区别：注入防御关注内容是否可信/可执行，引用系统关注内容来自哪里、如何标注
• 与 mobile-adaptation 区别：移动适配关注引用在狭小屏幕上的展示优化，引用系统关注引用的格式与保留规则

E — 可执行步骤 (Execution)

1. 步骤 1：定义引用标记语法 - 完成标准：选择一种内联标记格式（方括号标注如 【source†Lline】、Markdown 锚点、或 XML 元素），明确定义每个字段含义（消息索引、搜索索引、行号范围），并编写格式示例。
2. 步骤 2：编写强制引用规则 - 完成标准：在系统提示中声明"所有基于外部来源的事实性声明必须附带引用"，定义无引用时的回退行为（明确声明无法确认来源），禁止编造不存在的引用。
3. 步骤 3：设计引用保留策略 - 完成标准：规定在改写、总结、翻译等二次处理场景中，原始引用标记的保留方式——直接保留原文标记、或重新映射到新上下文位置，确保引用链不中断。
4. 步骤 4：实现外部信息标记 - 完成标准：定义"外部信息"（非系统知识库中的信息）的显式标记方式，如 NotebookLM 要求外部信息必须标注"此信息不在提供的来源中"。
5. 步骤 5：添加引用完整性校验 - 完成标准：在系统提示中设置自检规则——输出前验证所有引用标记格式正确、所有事实性声明均有引用、引用中的索引和行号在有效范围内。