内部知识库里问一句“会议室预订规则改过几次”，系统很快给出答案，还附了两段文档链接。看起来比直接让模型自由发挥稳妥。但点开链接的人常会发现：引用确实存在，意思却只对了一半。一段讲旧规则，一段讲新例外，模型把两者揉成一句顺滑的话。问题不在“有没有引用”，而在引用是否支撑了结论。
引用不是凭证
检索增强生成常被理解成“先查资料，再回答”。这个概括没错，却省略了中间大量判断。用户的问题先被改写成检索词，文档被切块、排序，挑出若干片段塞进上下文，模型再据此组织语言。任何一步偏了，最后都可能得到一段语气笃定、出处可疑的回答。
更麻烦的是，检索到相关段落，不等于段落之间没有冲突。组织文档常有版本更迭、部门差异和临时通知。系统若只按相似度取回片段，模型看到的是一堆并列材料，却未必知道哪份仍然有效。此时它容易做两件事：把矛盾抹平，或者挑一句看起来像答案的话放大。引用因此变成装饰，而不是证据链。
难点常在生成之前
很多讨论把注意力放在模型回答上，实际工作量却藏在前面。问题是否需要多轮拆解，文档如何切分才不丢上下文，权限不同的用户能否看到同一批片段，过期内容如何标记，这些都不属于“生成”本身，却决定生成是否可靠。一个检索增强生成系统若缺少这些约束，回答越流畅，越容易让人放松警惕。
可以把它看成一个需要留痕的阅读助手：给出结论时，应能说明依据来自哪一段、那段话是否完整、是否存在相反表述。与其要求模型显得无所不知，不如让它在证据不足时明确说不知道。拒答并不总是失败，有时是系统边界清晰的信号。
适合处理什么，不适合处理什么
在制度查询、设备说明、操作指引这类有稳定文本来源的场景里，检索增强生成能减少凭空编造，也方便人回溯。可一旦问题需要跨文档推理、判断时效，或材料本身互相矛盾，单靠“检索加生成”就不够了。它擅长把分散信息拉近，不擅长替人做最终裁决。
- 看引用是否覆盖结论，而不只是出现关键词。
- 看系统能否提示文档版本与适用范围。
- 看无可靠材料时，回答会不会停下来。
这些检查并不复杂，却比盯着回答是否像人话有用。检索增强生成的价值，不在于让机器显得无所不知，而在于把“依据在哪里”重新放回回答旁边。至于依据能不能站住，仍需人来多看一眼。