设想图书馆助手回答：“根据《蓝桥图书馆借阅管理办法》第十八条，每本书可续借三次。”标题像真的，条款像真的，语气比前台还笃定。你去找文件，却发现连这份办法都不存在。
蓝桥图书馆与上述规定均为自拟场景。我们关心的不是某家真实机构，而是一个技术问题：模型为什么能把没有出处的内容，写得如此像有出处？
熟悉文体，不等于查过事实
语言模型生成回答时，根据输入和已生成文本计算后续概率。它可以从训练材料学到法律条款、论文引文和规章通知怎样措辞，也可能学到许多真实知识。但普通生成步骤不会自动逐条访问真实文件，检查标题、条号与规定是否对应。
设想模型刚写完“根据《”，接下来选择一个看似合理的文件名，再接“第十八条”。每一小段都很像这种文体，组合起来却可能没有对应实体。类似建筑外墙做出了窗户图案，并不保证里面真的有一间房。
这类与事实或给定材料不相符的生成，常被称为幻觉。这个词描述输出问题，不是在断言模型像人一样出现感官体验，也不等于证明它蓄意撒谎。
2021年提出的TruthfulQA，专门研究模型在涉及常见误解的问题上是否给出真实回答。它提醒我们，学习人类文本，也可能学会人类反复传播的错误；不能只拿文字自然程度当正确性指标。1
上一章改善了回答方式，这里暴露的是证据入口。服务台培训得再有礼貌，如果从不看规章，依然可能把“仅供参考”说得像圣旨。
先取材料，再让模型组织答案
现在为蓝桥图书馆加入一份真实存在于这个设想中的教学规章：每本书最多续借一次；被其他读者预约的书不能续借。日期与规则均为演示设定。
用户问“我这本书还能续借吗”。系统先检索相关材料，再把找到的片段连同问题交给生成模型，要求依据它们回答。这类组合通常称为检索增强生成，英文简称RAG。
2020年Lewis等人的RAG论文，是把预训练检索器、外部文档索引与生成模型结合的一项代表研究。检索结合语言处理有更早历史，不能把所有“先查再答”都算作那一年突然出现。2
为了让教学资料容易查找，我们可以先把长文切成带标题与出处的片段。检索时，用关键词，或者把问题与片段转换为便于比较相关性的向量，选出候选。向量方法所比较的是为检索学到的关联，不是给文档真伪打分。
生成模型读到规章后，可以回答：“规则允许最多续借一次，但还需要知道你是否已经续借过，以及这本书是否被预约。”与刚才编出三次的版本相比，关键改变是本轮计算获得了明确、可检查的外部条件。
更新外部规章后，系统可以检索新版材料，而不必为每处制度变化重新训练整个语言模型。模型负责读材料和表达，索引负责让资料有机会进入当前输入。终于有人把柜台后面的文件柜打开了。
找到相关段落，为什么还会答错？
设想切片时把“最多续借一次”留在第一页，把“预约图书除外”扔到下一片。检索只找到前一片，模型据此说“可以续借”，答案流畅，也有来源，却漏了改变结论的条件。
或者库里同时留着旧版与新版规章，旧版写三次，新版写一次。若检索没有有效区分时间与适用范围，系统可能认真引用过期规定。
再或者两个片段都进来了，模型把不同读者类别的规定混在一起。这是生成阶段的信息使用错误，不能只责怪搜索。教学流程至少有几处独立关口：材料是否可靠，切分是否保留条件，检索是否找到所需版本，回答是否忠实采用。
原始RAG研究展示了外部知识结合生成的收益，但没有给所有后来的拼接式系统颁发“无幻觉证明”。论文的具体训练方案，也不能与任何一个“搜索结果复制进提示”的实现完全等同。2
检索把没有文件柜的问题，变成了怎样管好文件柜的问题。文件管理员不是失业了，而是突然发现自己还得负责版本控制。
引用是检查入口，不是装饰性徽章
设想回答写“最多一次”，链接却指向图书馆首页。用户还要在整个网站里寻找证据。另一个回答链接到具体规章，却把“普通借阅最多一次”说成“所有借阅最多一次”，同样不成立。
一个有用的引用，应让读者定位到支持当前论断的内容，并看见范围、时间和例外。链接能打开只证明网页存在；段落支持当前说法，才是证据关系。
在教学案例中，规章能回答“允许的上限”，却不能回答“这本书此刻有没有被预约”。后者需要借阅系统中的当前记录。即使检索完所有规章，缺少这条记录时，也应保留条件，不能把缺失信息补成一个看起来顺口的“可以”。
这正好把我们带向工具调用：有些问题不是多找一篇文章就能解决，需要查询具体状态，甚至执行操作。RAG提供的是外部材料进入生成的路径，后面的Agent还要把执行结果重新带回决策。
标题的答案是：模型能够学到出处的写法，却未必拥有或核对了对应出处。检索增强生成让它有机会依据当前材料作答，但每一条结论仍要与实际证据对齐。
蓝桥图书馆终于可以撤下那条不存在的“第十八条”。撤下它靠的不是让口气更谦虚，而是查到规章、保留条件，并在不知道读者状态时明确停在不知道的位置。