做 AI标书审查系统一年多，被问得最多的一句话是：大模型给的结论，凭什么信？

这个质疑完全成立。投标是要真金白银投进去的事，一份标书几百页，模型扫一遍就告诉你第 3.2 条不满足招标要求、有废标风险，你敢拿这个直接去改标吗？万一它编的呢？

大模型幻觉在这个场景里会变成实打实的生产事故。我的做法是把证据溯源做成硬约束，每一条审查结论都得能定位回投标文件和招标文件的原文页码，复核的人点开就看到原文。这篇把落地的四道防线拆开讲讲，都是踩过坑之后的形态。

妙笔审标

没错，这就是我干的系统，从审标的范围，其实从技术面来说，确实非常多的坑。
表格怎么处理、图片怎么处理、文件格式怎么处理、图片的文字、页码、盖章、签字，这些都是非常大的坑。
不过现在这些坑我总算爬出来了，现在可以和各位分享一下了。

什么是AI标书审查里的证据溯源

标准只有一条，模型说的每个判断，系统都得答得出你从哪看出来的。工程上一般管这叫 grounding，中文说引用溯源。

具体拆开是三个要素：

• 招标要求原文：这条审查项抽自招标文件哪一页、原文写的什么
• 投标应答位置：投标文件里响应这条要求的内容在哪一页
• 引文逐字可查：引用的原文必须和文档库里存的逐字一致，模型自己转述的不算

听着朴素。但只要有一环靠模型自觉，幻觉就会从那一环漏进来。标书审查软件的可信度其实就卡在这一环：结论能不能原路走回原文。

为什么裸用大模型做标书审查靠不住

模型本身已经够强了，扛不住的是这个任务的失败代价。表格对比一下：

维度	直接把标书喂给大模型	带证据溯源的AI标书审查
结论出处	无法核对，全凭转述	每条定位到原文页码
幻觉风险	编造条款号、页码常见	校验层逐字比对拦截
复核成本	等于人工重审一遍	点开原文看一眼
漏审可见性	不知道它跳过了什么	逐条清单，缺席可见
工程成本	一次调用就完事	要额外搭文档库、校验层和轨迹存储，成本高不少

第二列每条都是踩出来的。早期做实验时，我在一批几百页的文档上抽样核对模型给的页码引用，错的比对的多；最离谱的一次，它引的整段原文在文档里根本不存在，写得比真条款还像条款。

AI标书审查的4道防线怎么搭

防线一：抽取阶段，无出处不入库

审查的第一步是条款抽取，把招标文件拆成一条条结构化的审查项。规矩定得很死，每条审查项必须带原文引文和页码才允许入库，给不出出处的条目一律打回重抽。编出来的审查要求，到这一步就死了。

防线二：定位阶段，只准引用真看过的内容

AI标书审查里最耗算力的就是这一环。模型要在投标文件里找应答证据，走的是检索加阅读的循环。这里说的轨迹，就是把它每一步实际打开过哪个文档片段按顺序落盘，事后能回放。每个片段都带一个唯一 ID，最终结论只允许引用轨迹里出现过的 ID；模型报一个它没读过的位置，直接判无效。位置想编也编不出来，它得先在轨迹里出现过。

防线三：校验阶段，独立层逐字比对

这一层做的是引用校验（quote verification）。模型给出的每条引文，都由一个不含任何模型的校验层反查文档库，引文和库里存的原文逐字比对，页码以文档库为准做权威修正。比对不过，这条证据就作废，结论自动降级成未找到证据，绝不带病通过。引文只要被转述走了样，这里就过不去。

顺便说一句，这层是纯代码，也必须是纯代码。拿另一个模型去校验模型，只是把幻觉挪了个地方。AI标书审查里最该由纯代码兜底的，就是这一层。

防线四：判定阶段，关键状态由代码派生

最后一道最容易被忽略。模型输出判定意见，但要不要人工复核这类状态字段，由代码按规则算出来，模型对这个字段没有写权限。比如触及废标条款、判定又不是通过的，一律强制进人工复核队列，模型说破天也改不掉；没有证据支撑的通过，代码层会把它降下来。

三个被追问最多的问题

问：做了证据溯源，AI标书审查就不会错了吗？

会错。溯源管的是让误判露头，露头了人才有机会改。这类系统只能是辅助审查工具，不替代人工终审。写的时候有人觉得这像免责套话，其实工程边界就卡在这儿，溯源保证的是可核对，不保证判对。

问：四道防线会不会把审查拖得很慢？

校验层是纯代码比对，开销和模型推理比可以忽略。真正花时间的是逐条定位本身，但这笔时间换来的是复核的人不用重读整本标书，整体是省的。

问：为什么不把整本标书塞进长上下文一次问完？

试过，不行。几百页文档超窗口是常态。一次性问答没有轨迹，事后无从溯源。而且同一份文档把要点分别放在开头、中段、结尾各问一遍，中段明显更容易问不出来，也就是常说的长上下文中段召回衰减（lost in the middle），漏审了你都不知道。所以我选了笨办法：拆条、检索、逐条核对。

写在最后

回头看，这里面没什么算法上的新东西，靠的全是几条死规矩：不信任模型的每一句话，给每条结论留一条能回查的路。这套 AI标书审查机制在我做的投标文件合规审查系统里跑了一年多，跑到现在我仍然觉得，大模型能力涨得再快，凭什么信你这个问题也只能靠系统设计来回答。

文章摘自：https://www.cnblogs.com/xf4n/p/22703626/ai-biaoshu-shencha-zhengju-suyuan-4-fangxian