档案 AI 问答要做到不胡编，关键不在换一个更大的模型，而在流程：先按权限检索档案原文，再让模型只依据检索到的片段作答，每条结论标注出处，依据对不上就丢弃，查不到就直说。这套做法通常叫检索增强（RAG），放在档案场景里，还要叠加权限和审计。
下面按「为什么会胡编、怎么约束、查不到怎么办、上线前怎么验」四段讲。
大模型为什么会在档案问题上胡编
通用大模型擅长组织语言，但它并没有读过贵单位的档案。直接问「某项目的设备采购合同怎么付款」，模型只能凭训练时见过的类似文本去「猜」一个像样的答案，这就是所谓的幻觉。
档案场景对幻觉几乎零容忍，原因有三：
- 答案要能进正式流程：付款节点、证照有效期、资料保管期限，一个错的日期就可能带来实际损失；
- 答案要能追责：档案员需要说清楚结论出自哪份档案、哪一段原文；
- 答案不能越权：模型如果「知道」账号无权查看的内容，比答错更麻烦。
所以档案 AI 的设计目标不是「让模型更聪明」，而是「让模型只能说档案里有的话」。
检索增强：模型只看当次检索出的原文
检索增强的基本做法是把问答拆成两步：
| 步骤 | 谁来做 | 做什么 |
|---|---|---|
| 检索 | 档案系统（服务端） | 把问题转成检索条件，按当前账号的权限范围，从本地档案库找出相关档案与原文片段 |
| 作答 | 大模型 | 只依据上一步给出的片段组织回答，每条结论标注对应片段的编号 |
这样做有两个直接效果。一是模型看不到未命中的档案，更看不到无权限的档案，每次只带当前问题的检索结果，不会把整库交给模型。二是回答里的每一句话都能对应到某个片段，读者点开编号就能回到原件核对。
要让检索靠谱，前提是档案有可检索的文字：Word、Excel、PDF（带文字层）等电子文件在上传时抽取正文、建立全文索引；扫描件需要先完成 OCR，否则模型无从引用。
出处核对：对不上就丢弃
只靠提示词要求模型「标注出处」还不够，模型可能标了一个编号，但内容并不在那段原文里。更稳妥的做法是在系统侧逐条核对：
- 问答：回答只能引用当次检索出的片段，引用编号必须真实存在；
- 字段提取：从合同里提取相对方、价款、付款节点等字段时，每个字段都要附原文依据，系统核对依据确实出现在正文里，对不上的字段直接丢弃；
- 交叉校验：合同价款的大写与小写金额自动交叉核对，不一致时提示人工复核；
- 人工确认：提取结果与台账现值并排展示，默认只补空字段，覆盖已有人工值需要勾选，每次写入都记审计。
这几条规则的作用，是把「模型说了什么」变成「系统确认过什么」。模型负责理解和措辞，事实由档案原文和规则把关。
查不到怎么办：直说，不硬答
很多胡编发生在「没有资料却硬要回答」的时候。档案 AI 应当把「查不到」当成正常结果处理：
- 当前账号可见范围内检索不到相关资料时，直接告知，并给出换词或缩小范围的建议；
- 这种情况下不调用模型生成结论，避免模型自由发挥；
- 模型服务不可用或未接入时，降级为规则引擎或检索摘录模式，直接列出命中的原文片段，检索、提醒等功能不中断。
另外，问题本身也要具体。「档案管理有什么问题」这类宽泛提问，任何系统都只能给出泛泛回答；限定项目、法人主体、年度或资料类型，回答才有依据可引。
上线前怎么验
建议上线前用真实档案做一轮验证，至少覆盖以下几类问题：
| 验证项 | 怎么做 | 通过标准 |
|---|---|---|
| 出处准确 | 抽取 20 至 30 个问题，逐条点开出处核对原文 | 结论与原文一致，编号可定位 |
| 权限不越界 | 用低权限账号提问高密级或其他全宗的内容 | 答不出、也不提示具体内容 |
| 查不到时的表现 | 故意问库里没有的内容 | 直接说明未找到，不生成结论 |
| 字段提取 | 用格式不同的合同各试几份 | 有依据的字段正确，无依据的字段为空 |
| 降级可用 | 临时断开模型服务 | 检索与摘录照常可用 |
首次使用时，AI 给出的数量与清单应与人工检索结果对一遍，确认口径一致后再依赖。
子书的做法
子书的两款产品都按上述方式实现档案问答：地质资料智能化管理平台的馆藏 AI 助手只依据检索到的馆藏片段作答，每条结论标注引用编号，未接入模型时自动切换为检索摘录模式；企业电子档案管理系统支持带出处问答、合同要素提取与证照识别，每个字段附原文依据，规则引擎单独可用。两款产品的大模型都可与系统一同部署在局域网内，检索沿用账号权限，问答全程写审计。
已上线功能、内网部署参考配置与常见问题汇总在档案 AI页面；想用贵单位的样例档案实测一遍，可预约演示。