上周三晚上，我在一个数据出不了内网的环境里干活。本地开源小模型，八十页材料，要它生成一份三十页、连贯通顺的分析报告。前十五页写得有模有样，到第十七页开始不对劲——它不记得自己前文得出过什么结论，把某项成本越估越高，最后干脆杜撰了一条根本不存在的合规条款。
句子丝滑得毫无破绽。但就是错的。
我盯着屏幕，第一反应不是骂模型，是问自己：到这个长度，还有谁在管它？
管它的就是它自己。
这个问题我怎么都绕不过去，最后在 arXiv 上刷到一篇叫 RH-RAG 的论文，算是撞见了答案。思路是拆三个 agent：规划的先搭全局大纲，写作的带一段"有界连贯记忆"往下写——有界的意思是它不被允许一口气吞下整份资料——再来一个检查的，对着检索证据逐句做事实核查，不一致就打回去重写。画外音：三个实习生，一个比一个会一本正经地胡说八道。
但第二遍看的时候，有个细节让我停下来。
它把"写"和"查"分给了两个完全独立的 agent。检查 agent 看不到写作 agent 内部怎么想的，只看到已生成的句子和对应的证据。
这跟我平时干活的方式正好相反。我惯于让同一个模型既生成又自查：省事，省 context window，让输出自己给自己打分。问题在于，同一个模型生成时用的那套上下文、那套概率分布、那套盲区，自查时原封不动都在。它编出来的"事实"同样出现在审查上下文里，于是审查就成了自己给自己盖章。
人世间有条老规矩：作者不校对自己的稿子。到 AI 这儿规矩直接失灵——最短路径就是让模型自己生、自己查，一条 context window 走到底。
我这边的 prompt 模板里至今刻着一行：
输出任何句子之前，先指出这句话对应的证据。
找不到证据的句子不写。
但执行检查的还是同一个模型。它依然顺滑如初。
真正要断的是那条信息流：检查者永远不该看到生成者的内心辩解。它只能看到成品和证据。错就是错，没有辩护人。
代价嘛，三个 agent 等于三份推理、三个上下文窗口、三倍延迟，绕不开。论文说整了个双层检索索引，能压在消费级硬件上跑——这类话我一般存疑，论文里跑得通和部署时跑得通是两码事——但方向我认：数据出不了内网的前提下，本地小模型想拿到接近云 API 的可靠性，就是得付这个算力成本。
对了，论文的评估覆盖了文学、金融、法律三个领域。金融法律效果好是意料之中；文学也报告了"事实依据"的提升，这个我真想看它的评测脚本——拿什么标准给文学作品算"事实依据"？这个问题比论文正文有意思多了。
回到那天晚上。如果当时有三 agent 这套架构，第十七页那个编出来的合规条款会在检查 agent 那一关卡住：这句话没有证据。整份报告的失败被提前拦在了那里。
道理就这么简单。但简单的道理，往往得上一次当才肯走。
本期没有缴税，这篇算退款。
