答案必须能点到出处
每句事实陈述后面挂证据脚注，点开能看到文档名、分块编号与融合分值。没有证据的句子不进答案区。
代价：答案变短，但可核查
◆
Main screen
检索工作台：三栏各自负责一件事
左栏管「从哪儿来」，中栏管「找到了什么」，右栏管「怎么答」。三栏互不越界， 答案区不允许出现没有证据支撑的句子。
设计稿说明：以下界面依据项目文档与功能描述重建，用于表达交互结构与信息层级； 面板中的指标取自项目可验证结果，可回到七段式页面逐项核对口径。
检索源
- 语义检索 top 6
- 词法检索 top 6
- 网页检索 top 4
- 知识图谱 top 3
- FAQ 库 top 2
证据（3）
合同条款中关于违约金的约定比例
contract-2024chunk-070.82
↳ 已引用 [1]
违约金上限的司法解释与调整规则
law-refchunk-120.77
↳ 已引用 [2]
内部 FAQ：违约金减免的审批流程
faqitem-030.61
↳ 未引用（低于引用阈值）
答案
合同约定违约金为合同总额的 10%，司法实践中超过实际损失 30% 的部分可请求调整[1][2]。
证据：contract-2024#chunk-07 · law-ref#chunk-12
置信度低于阈值时返回「未找到可靠依据」，不生成看起来像样的猜测。
17 / 17端到端验收 · 518.16 ms
历史记录 65 / 65站内回归记录 · 非本轮实跑
93%代码覆盖率
34.53 ms路由 50 次 P95
25.45 ms8 并发 ×40 就绪 P95
◆
Highlights
四个界面上的硬约束
这些不是偏好，是写进验收的条件——界面做不到就算没做完。
拒答是一等界面状态
低置信度时不返回猜测，界面直接显示「未找到可靠依据」并列出最接近的证据，让用户自己判断。
代价：体验不如「有问必答」顺滑
检索过程可见
五路各自的命中数与融合后的重排结果都在界面上，不是为了好看，是为了出问题时能定位是哪一路失效。
代价：界面信息密度更高
质量做成门禁而非提示
指标不达标直接阻断发布流程，界面只展示门禁结果；不把「建议优化」当交付标准。
代价：迭代节奏被质量卡住
◆
Detail
两个决定界面形态的判断
为什么是五路并行，不是单一路
口语化提问在纯语义检索上召回明显偏低，条款型提问又反过来。单一路总有一类问题答不好。
- 语义 / 词法 / 网页 / 知识图谱 / FAQ 各自覆盖不同提问形态
- 融合权重需要调试，重建索引 5 次才敢定下来
- 界面因此必须暴露「哪一路命中」，否则无法诊断
各路命中（同一提问）
条形为示意；融合后进入证据区的为 6 文档 / 6 分块 / 1 FAQ。为什么默认模型做成确定性替身
确定性替身验证路由、状态与编排。真实模型需要固定评测集和统计判定；不能把 mock 延迟或通过率当作生产效果。
- 验收与压测跑在确定性替身上，结果可复现
- 延迟数据因此对生产不具代表性——自述里显式标为已知边界
- 换真模型时不改链路，只换模型适配器
独立智能座舱实验 · 不同配置分别报告
0.3619token_f1 · 离线
0.7275token_f1 · 全 LLM
1.0000faithfulness · 离线
0.9722faithfulness · 全 LLM
离线用确定性词法代理，全 LLM 用 LLM 判官——两个数不可直接比较，界面上并列但不计算差值。
◆
Boundary
界面上明确不做的事
不隐藏检索失败
某一路检索超时或为空，界面照常显示，不用别的路的结果凑数。
空就是空
不把置信度做成装饰
分值显示在证据卡上，用户能自己判断这条证据值不值得信，而不是只给一个「高 / 中 / 低」。
数字优先于形容词
不承诺生产性能
压测跑在确定性替身上，界面上的延迟数字标注为链路指标，不作为生产 SLA 展示。
边界写在界面里