官方数据与独立估算对不上号：从同一经济现象的两套读数，看 RAG 知识库该信谁、怎么标
一个熟悉又尴尬的场景
做 RAG（检索增强生成）系统的人迟早会撞上这个问题：用户问一个事实性问题，检索环节召回了两条文档，一条说 A，另一条说非 A，而且两条看起来都挺“权威”。这时候，检索器、重排器、生成模型，任何一环都可能“默默替用户选边”——通常是比较隐蔽的那一环：相似度打分恰好让某一条排在了前面，LLM 就顺着它写了下去，用户完全不知道另一套说法的存在。
这不是假设性的问题。现实世界里，“同一事实存在多个互相矛盾的权威来源”是长期存在的真实现象，经济数据就是最典型的例子。与其在系统里假装世界只有一个版本的事实，不如把这种冲突显式地建模进知识库。下面借一个真实案例展开。
案例：同一个 5.2%，两套叙事
根据彭博的报道《中国经济去年真的增长了5.2%吗？ 并非人人都赞同》，围绕 2023 年中国经济增速存在官方数据与独立估算两条并行路线：一方面，由于对中国官方经济数据的准确性存在由来已久的怀疑，“另起炉灶独立估算的做法颇为常见”；另一方面，官方与独立估算在部分问题上其实一致——比如都认同防疫限制取消后经济确实实现了增长（国内航班数量、消费类企业收入等官方数据都显示了这一点），也都认同地产建设剧烈下滑、地方融资吃紧、出口走低构成压力。
分歧点同样具体：报道指出，双方看法存在分歧的包括投资数据——官方数据显示制造业和基建支出飙升，抵消了房地产造成的拖累。
这个案例对 RAG 设计者的价值在于，它不是简单的“真 vs 假”，而是“口径不同的两套可信读数，各自覆盖事实的不同侧面”。如果你的知识库里同时收录了官方统计和第三方分析，用户问“去年中国经济怎么样”，你怎么办？
错误做法：让相似度排序替用户做决定
最常见的隐性失败模式是：两条文档都进了上下文，但排序靠前的那条主导了生成，另一条被 LLM 当作背景噪音忽略。结果用户得到一个斩钉截铁的单一答案，却不知道知识库里本来就存在分歧。更糟的是，这种选边是偶然的——换个 embedding 模型、换种分块方式，答案可能就翻转了。
建议一：来源可信度分级，但分级不等于淘汰
在入库阶段就给每个文档打上来源标签，至少区分几类：
- 官方/一手：政府统计、监管公告、企业财报原文。
- 专业二手：主流财经媒体、研究机构报告。
- 观点/估算：明确标注为分析、预测或独立估算的内容。
关键原则：低级别来源不删除，只降权并打标。经济数据的例子说明，“独立估算”与“官方数据”可能长期并存且各有支持者，删掉任何一边都会让知识库失去一个视角。分级的目的不是裁判谁对，而是让下游知道每条信息“是什么性质的说法”。
建议二：检索结果中同时呈现冲突读数，并标注口径
具体可以这样落地：
- 冲突检测：对同一实体+同一指标+同一时间的文档做聚类，如果数值或结论差异超过阈值，标记为“冲突簇”。经济类文档可以用抽取出的数值直接比对；非数值结论可以用更宽松的语义判断，宁可误报不可漏报。
- 同簇共存：命中冲突簇时，不按相似度只留一条，而是把簇内各来源的代表性片段一起送入上下文，每条前面附上来源级别和口径说明，例如“官方统计口径”还是“第三方独立估算口径”。
- 生成端约束：在 prompt 中要求 LLM 对冲突读数分点呈现、各自注明来源和口径，禁止静默择一。如果用户要的是决策建议，可以让模型说明“不同口径下结论如何变化”，而不是替用户宣布哪个数是“真的”。
回到案例：用户问“2023 年中国经济表现如何”，理想的输出是——增长这一点双方共识，投资数据存在官方（制造业与基建支出飙升）与独立估算（对官方投资数据存疑）的分歧，并注明各自口径。这比一个孤零零的“5.2%”信息量大得多，也更诚实。
建议三：口径与时间元数据要作为一等公民
经济数据的另一个坑是“目标”与“实际”的混淆。同一篇彭博报道《中国多数地方政府下调今年通胀目标 从实际出发更加务实》提到：中国从 2001 年开始发布年度消费通胀目标；发达经济体央行通常将 2% 设为通胀目标，而中国央行有多重目标（增长、汇率等），并无单一通胀目标；报道还引述彭博调查的分析师预测中值，今年中国 CPI 涨幅料为 0.8%。
注意这里面至少有三种性质不同的数字：历史实际值、政策目标值、分析师预测中值。如果知识库不给每条数字打上“实际/目标/预测”的口径标签，检索时“2% 的通胀目标”和“0.8% 的预测涨幅”就可能被混为一谈，生成出荒诞的对比结论。所以元数据至少要包含：来源名称、来源级别、数据性质（实际/目标/预测/估算）、时间范围、统计口径。
适用范围与局限
这套做法适用于事实密集、存在多来源叙事的领域：宏观经济、行业分析、政策解读、医药指南等。对于“API 参数怎么写”这类客观技术事实，冲突通常意味着某一方过时了，直接按时间戳和官方文档优先级处理即可，不需要双轨呈现。
局限也很明显：冲突检测在非数值、模糊表述的场景下误报率高；把多条冲突读数塞进上下文会占用 token，也需要更强的生成端指令跟随能力；来源分级本身是人工判断，带有主观性——你可以规定“官方优先”，但不能假装这个规定消除了分歧，它只是明确了你的系统采用的编辑立场，而这个立场最好也对用户透明。
结语
RAG 系统的诚实程度，不体现在它答得多流畅，而体现在它是否把知识库里真实存在的分歧告诉了用户。官方数据与独立估算长期对不上号，是世界的常态而非知识库的 bug。把可信度分级、冲突同簇呈现、口径标注做进检索链路，让“选边”这件事回到用户手里——这才是一个值得信任的知识库应有的样子。
参考资料
以下链接为本文使用的公开资料。事实依据与检索摘录保存在本地记录中；资料内容与适用范围以原始页面为准。
- 中国经济去年真的增长了5.2%吗？ 并非人人都赞同
- 中国多数地方政府下调今年通胀目标 从实际出发更加务实
