本章进度 3 / 19
16%
正文已完成
L079为一次回答装配一份最小证据包
交付任务规则、相关资料、来源元数据和未知处理组成的上下文包。
现在把“上下文的角色”用于一次具体操作,检查你能否独立做出并修正结果。
建议先完成同主题的理解与判断;本页不会锁课,可以边做边回补。
- 按本课练习说明准备真实材料
- 保留练习与复盘记录
本课不建系统,而是手工完成一次高质量装配。你需要证明每段资料为何进入、它支持什么,以及缺证据时模型该怎样返回。
能为真实问题组织一份不混入过期或无关内容的上下文证据包。
核心概念
先把关键判断说清楚
资料与主张一一对应
每个片段服务具体问题,无法说明用途的材料不进入首轮上下文。
元数据随片段同行
source_id、标题、版本、日期和权限不能在切片后丢失。
未知规则写在包内
资料未覆盖时返回 missing_evidence,而不是用参数知识填空。
案例拆解
回答供应商是否符合准入
材料包括最新准入政策、供应商证件和三年前旧评审。
- 01
只装配当前政策和有效证件,旧评审保留为历史但不作当前结论。
- 02
每项条件关联政策条款与证件页。
- 03
缺信息安全问卷时返回未满足证据,不判不合格。
案例结果
证据包支持限定判断,也能区分缺证与不通过。
提交前练习
现在轮到你
为一个真实问题装配最小证据包。
完成本课需要:完成以下内容用于本课收口。
内容会自动保存在当前设备
查看参考答案与评分标准
参考答案
问题=是否满足准入;资料=policy-v5 条款2、license-2026 页1;元数据完整;缺安全问卷返回 needs_document,不推断通过或失败。
评分标准
- 每份资料有明确用途
- 版本与权限可查
- 未知不会被补全
本课收口 · 学习证据
留下完整学习证据
读完内容、完成练习、通过理解检查并留下 12 字以上总结,才记为已验证。
你现在更接近哪一种状态?
尚有必填项未完成,请补齐后再继续。
资料来源
继续核对与延伸阅读
本课内容最近更新于 。
- Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks↗paper · 核对日期 2026-08-23
- Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile↗standard · 核对日期 2026-08-23