凭什么信 AI 说的
「满足要求」

标书里，这种「不尴尬」值一个保证金。引用错一条，「近三年」写成「近五年」，轻则扣分，重则废标。

所以信任这件事，我们不打算靠「换更大的模型」来解决。更大的模型出错概率更低，但概率低不是保证。标书要的不是「大概率没错」，是每一句都能翻回去对。

每条结论带坐标

引用在我们这里是一个固定格式：「章节名（L412-L430，第 23 页）」。L 是行号，指向解析出来的原文镜像——你点开，高亮的就是那几行，逐字可对。

它不是「详见招标文件」这种装饰。机器会核对三件事：引用的行号不能超过原文总行数；引用的文件必须真的在本次来源集合里；锚点必须真实存在。三道全过才放行，这是门禁，不是提示。和上一篇讲的分级扫描不同——残留误报可以提示，引用造假零容忍。

章节名的可信度，分档署名

「章节名」三个字有讲究。解析一份文件时，结构是怎么认出来的，直接影响「第三章」这个说法可信到什么程度。我们按可信度分了档，出处必须署名：

档位	怎么认出来的	可信度
作者声明	PDF 里作者自己埋的书签目录	最高
链接目录	目录页条目自带跳转链接，矩形即标题、目标即物理页	高
印刷目录	解析文件自印的目录条目，回正文逐条定位	中
编号推断	中文编号「第三章」「3.1」印在原文，可验证	中
无结构	什么结构都没有	只给行号和页码

最后一种值得单独说：没有结构依据的，引用就不给章节名，只给行号和页码。不确定的就不署名，避免假精确。把档位差别亮给你，而不是把五种情况糊成同一个「AI 分析」。

这套档位链每往下一档，都是被真实语料逼出来的。作者声明的书签听着最可靠，实际语料里命中不到一半——PDF 是扫描转的还是排版导出的，差别巨大。目录页超链接反而在十七份真实文件里命中了十四份。每档的存在，都是因为上一档不够用。

一个被数据打死的假设

我们曾经有个聪明的想法：用字号大小判断标题层级——标题嘛，总该比正文大。

找来十七份真实的政府采购 PDF 一测，三份全灭。政采文件的章标题字号常常和正文一样大，封面反而全是巨字。假设被数据打死，当场删掉。这件事我们一直留着讲，因为它说明这套链路是怎么长出来的：不是设计出来的完美方案，是被一份份真实文件逼出来的降级序列。

证据本身不许动

解析出来的原文镜像是只读的，AI 写不进去。道理很简单：如果证据可以被改，「引用了原文」就失去意义——改了证据，全部引用作废。想修订对文件的理解，重跑解析，不碰证据。

这也要求解析必须是确定性的：同一份文件解析两次，行号必须一致。否则今天引「L412」，明天同一位置变成「L408」，坐标就废了。所以每一句引用能回放的前提，是底层每一步都是确定的。

测过什么，没测过什么

我们拿十三个真实任务做过测试，三千一百多条引用，没有出现凭空编造。要诚实补一句：这测的是「引用得准」，不等于「一个都没漏」。漏没漏，靠清单对账和人工复核兜着。已测的和未测的分开说，这是我们能给出的最诚实的数字。

顺便说下检索：找资料用的是关键词检索，同一查询永远同一结果，可复现。语义上的变通交给 AI 迭代换词去查，而不是引入一个每次结果都可能不同的黑盒。可复现，才可核对。

分析可以验证了。但一段历史标书到底好不好用，AI 说了不算。下一篇《你的标书，你比 AI 懂》。