快速测试显示：AI 搜索引擎在引用失效或低质量来源时，语气可能显得非常笃定

对三种流行的 AI 驱动搜索工具进行简单的溯源检查发现，其中两个工具要么指向失效链接，要么以低可信度的网站作为答案依据，尽管这三者都展示了同样自信的措辞和一排来源“标签”。

引发意外的测试

我提出了一个关于近期事实的问题：“2026 年欧盟《人工智能法案》有哪些变化？” 答案存在于官方修正案文本中，所以它要么在那里，要么不在。我将该查询输入到三个会显示引用的 AI 搜索引擎中：Perplexity、Google 的 AI 模式和 Brave Search。

这三者返回的事实完全一致——日期相同，描述也相同——因此在纯粹的准确性上它们打平了。差异仅在我检查所引用的来源时才显现出来。

我如何评估来源质量

我创建了一个三级评分方案，根据主机类型对每个引用进行加权：

  • 原始来源（权重 3） —— 实际发布法律的网站（例如，欧盟官方公报）。
  • 官方来源（权重 2） —— 发布或监管法律的机构（政府域名、机构网站）。
  • 用户生成内容（UGC，权重 0） —— YouTube 或 Reddit 等平台。

每个引擎的总分是其显示的 URL 的平均权重。

引擎 报告的来源 分数
Perplexity 官方政府域名 2.00
Google AI mode 咨询公司和一段 YouTube 视频 1.00
Brave Search 原始来源 3.00

从数据上看，Brave 表现完美，Perplexity 表现尚可，而 Google 则落后了。

隐藏的失败：失效链接

分级映射仅查看域名；它并不验证链接页面是否能实际加载。我点击了每一个 URL。Brave 的“原始”引用返回了一个空页面——链接失效了。该引擎声称指向了法律文本，但实际上什么也没提供。

Perplexity 使用了官方政府域名。

Google 使用了咨询公司和一段 YouTube 视频。

出现了两个明显的问题：

  1. 高质量的域名并不保证页面可访问。
  2. 精心编写的摘要也可能由低可信度的来源支撑。

用户界面掩盖了这两个问题。这三种工具都呈现出同样自信的段落和整齐划一的来源“标签”行，没有任何视觉提示能告诉你某个标签链接到了失效页面，或者另一个标签指向的是 YouTube 教程而非法律条文。

为什么溯源对开发者至关重要

开发者可以将溯源转化为可测试的指标：

  • 为每个答案评分，使用类似于上述的分级加权法。
  • 自动验证链接健康状况；标记空响应或 HTTP 错误。
  • 触发警报，当答案的溯源分数低于可配置的阈值时。

这种方法比单纯追逐“幻觉”更具体——模型可能会生成一句听起来很有道理的话，但溯源检查能准确告诉你究竟是哪个引用（或缺失引用）导致了问题，从而实现针对性的修复。

总结

简短的溯源测试表明，AI 搜索引擎在引用失效或低质量来源时，依然可以表现得权威可靠。依赖这些引擎的开发者应当将引用质量视为一种可衡量的属性，而非理所当然的保证，并在其流水线中构建自动化检查。验证“原始”来源是否能实际加载，可能正是可靠答案与无声误导陷阱之间的分水岭。