Trace｜溯源

一、项目背景 生成式 AI 可以快速输出报告和观点，但其结论往往缺少清晰、可验证的依据。当用户面对新闻、研究报告、行业数据或长篇文献时，仍然需要自行判断： - 哪些句子属于可核验的事实或核心结论？ - AI 的判断引用了哪些新闻、论文或实验报告？ - 引用来源是否真的支持原文，而不只是主题相似？ - 不同来源发生冲突时，差异来自数据错误还是统计口径不同？ - 原始信源更新后，哪些结论需要重新核验？ Trace｜溯源由此诞生。它不是普通的 AI 问答或报告生成工具，而是一套以证据网络为核心的自动事实核验与研究辅助系统。 二、项目目标 用户可以输入任意新闻、文献、研究材料或问题，Trace 会自动完成： 1. 从长文本中提取最重要、可核验的观点。 2. 逐条搜索知识库与公开网络。 3. 查找新闻报道、官方资料、论文和实验报告。 4. 对原文观点进行支持、存疑或错误判定。 5. 用颜色精准标注原文中的关键句。 6. 展示证据支持度、原文匹配率、检索耗时和来源数量。 7. 提供可点击的原始报道或研究报告链接及重点原文。 8. 将结论、判断、证据和信源组织为可追溯的证据地图。 系统的核心价值不是告诉用户“AI 认为它是对的”，而是展示“AI 为什么这样判断”。 三、目标用户 Trace 主要面向以下用户： - 研究人员：核验论文、报告和引用材料中的关键判断。 - 媒体与编辑：快速检查新闻稿、投稿和网络信息的真实性。 - 咨询与行业分析人员：核验市场数据、政策信息和行业结论。 - 学生与教师：检查论文论据、资料来源和事实错误。 - 企业研究与风控团队：追踪结论依据及信源变化。 - 普通内容消费者：识别虚假新闻、夸大表述和未经证实的信息。 四、核心功能 1. 长文本智能核验 系统自动分段并提取值得核验的事实、数字和核心观点，无需用户逐句提交。 核验结果直接回写到原文： 绿色：找到较强的一致证据，判定为“支持”。 橙色：全网未找到足够的支持或反对依据，判定为“存疑”。 红色：发现可信来源给出了明确相悖的信息，判定为“错误”。 点击高亮句子即可查看完整判断依据。 2. 可解释的百分比评分 系统分别展示： - 综合证据支持度 - 最高来源原文匹配率 - 检索耗时 - 搜索命中数量 - 成功读取原文数量 - 核验时间 百分比不是简单的文本相似度，而是综合来源权威性、原文一致性、时效性、独立来源数量、反对证据以及抽取置信度计算得到。 若可信来源明确反驳原观点，系统会优先展示相悖证据，并将原观点支持度压低至 10% 以下，避免出现“判定错误但支持率很高”的逻辑矛盾。 3. 具体信源与原文依据 每条核验结果都会尽可能提供： - 新闻、研究报告、论文或官方资料标题 - 发布机构与网站域名 - 原始页面跳转链接 - 与待核观点相关的重点原文 - 单一来源匹配率 - 来源类型与读取状态 - 页面读取耗时 系统区分“成功读取原文”和“仅命中搜索摘要”，避免把无法验证的搜索结果伪装成完整证据。 4. 研究提问 用户可以直接提出研究问题。系统不会只生成一段笼统回答，而是输出多个明确观点，并为每个观点分别绑定新闻、论文、研究报告或官方资料。 回答结构为： 研究结论 → 关键判断 → 证据数据或事实 → 原始信源 用户可以继续点击每个观点，逐层追问它为什么成立。 5. 分级证据地图 每一次文献核验或研究提问都会建立独立事件文件夹，分别保存： - 原始文献 - AI 核验批注 - 结论报告 - 证据地图 每个事件拥有独立证据网络，不会与其他事件混用数据。证据地图按照以下层级组织： 结论 ↓ 判断 ↓ 证据 / 数据 / 假设 ↓ 新闻 / 论文 / 官方资料等信源 系统还支持展示支持关系、冲突关系、依赖关系和推导关系。 6. 冲突与影响传导 当多个来源的数据差异超过阈值时，系统不会擅自选择其中一个，而是显式标注冲突、来源及统计口径。 当信源内容发生变化时，系统会沿反向依赖关系追踪受影响的证据、判断和结论，并提醒重新核验。 五、技术栈 前端： - Next.js 14 - TypeScript - Tailwind CSS - React Flow 后端： - Next.js API Routes - Prisma ORM - SQLite 智能能力： - 兼容 OpenAI / Claude 接口 - 使用 JSON Schema 约束结构化输出 - 网络检索与网页正文抽取 - 文本分段、观点提取与证据匹配 - 多因子可信度评分 - 冲突检测与反向影响传导 工程能力： - 本地 npm run dev 一键启动 - 支持离线降级 - 支持事件级数据隔离 - 支持证据网络 JSON 导出 六、创新点 1. 从“生成答案”转向“解释答案” 普通 AI 主要输出最终文字，Trace 将回答拆解成可追问、可核验、可回溯的证据链。 2. 在原文中精准定位关键结论 系统不是在旁边生成一份泛泛的总结，而是在用户提交的长文本中直接标出最重要的待核句子。 3. 区分“没有证据”和“存在反证” “未找到支持”不等于“错误”。Trace 将两者分别标记为橙色存疑和红色错误，避免错误裁决。 4. 来源匹配率与结论支持度分 主题相关的网页不一定支持具体观点。系统分别计算单一来源的原文匹配程度和所有证据共同形成的综合支持度。 5. 事件级证据网络 每份材料和每个问题都有独立文件夹与证据地图，使系统可以长期积累研究成果，而不是一次性问答。 6. 可反向追踪的数据血缘 当底层信源变化时，系统能够反向定位所有受影响结论，为动态研究和持续核验提供基础。 七、团队分工 可根据参赛团队实际成员替换姓名： 李维珊：全栈开发：Next.js 前后端、数据库、接口及工程部署。 数据与测试：测试语料构建、错误案例验证、来源质量检查及演示保障。 AI 算法与检索：观点抽取、网络检索、证据匹配、评分与冲突检测。 李佳霓：产品与项目负责人：需求定义、产品流程、比赛材料及现场演示。 UI/UX 设计：信息架构、原文批注、证据详情及证据地图交互。 八、开发过程 项目按照“核心演示能力优先”的原则推进： 1. 明确证据链数据结构以及支持、冲突、依赖关系。 2. 完成长文本分段和关键观点提取。 3. 接入知识库与公开网络检索。 4. 实现网页正文读取、重点原文定位和来源匹配。 5. 建立支持、存疑、错误三类判定逻辑。 6. 实现事件文件夹和独立证据地图。 7. 完成核验详情、百分比指标和信源跳转。 8. 加入研究提问、冲突检测和影响传导功能。 9. 针对虚假新闻、低匹配来源和矛盾数据持续调试。 10. 优化界面布局并准备离线演示方案。 九、后续计划 - 接入更多学术数据库和权威知识库。 - 支持 PDF、Word、网页、图片和扫描文献的统一核验。 - 增加网页证据截图和永久存档，降低链接失效风险。 - 使用语义检索与实体对齐提高复杂观点的证据匹配精度。 - 建立不同领域的来源权威度体系。 - 支持多人协作、批注、版本管理和审核流程。 - 提供浏览器插件，在浏览新闻时直接显示核验结果。 - 支持证据网络共享、API 调用和标准化 JSON 导出。 - 形成可持续更新的个人或团队研究知识库。