看一段带 citation 的内容，最终有多少落到事实，有多少停在观点。
Source Grounding Auditor 是一个 citation terminal audit 工具。它不判断一篇文章或一段 AI 回答到底“对不对”，也不输出单一可信度分数。它只做一件更具体的事：
把文本里的 citation 一层层往下追，看看它最终落到良好定义的事实来源，还是停在观点、评论、帖子、博主判断，或者根本无法审计。
现在大量 AI 生成回答、网络文章、研究笔记、YouTube 视频脚本和网页内容都会标注 citation。citation 会给人一种很强的安全感：一个论断只要旁边有来源，就好像已经被事实支持了。
但现实不是这样。
有些 citation 的确指向良好定义的事实，比如官方公告、原始数据、论文、财报、法律文本、公司页面、报告中的具体数据或访谈原文。
也有很多 citation 只是指向别人的观点，比如一篇博客、一条推文、一个论坛帖子、一篇评论文章、一个专家判断或一个投资分析。它们可能有价值，但它们不是事实本身。
更麻烦的是，观点也可以继续引用别的来源。一个博主的观点可能引用了官方数据，也可能引用了另一个博主的观点。Source Grounding Auditor 想回答的就是这个问题：
这条 citation 继续往下追，最后到底落到了事实，还是仍然只是观点？
本项目不判断观点是否正确。
本项目不判断整篇文章是真还是假。
本项目不把“无法审计”当成“错误”。
本项目不输出“可信度 82 分”这类单一分数。
本项目不把搜索到的相似网页自动当成真实上游来源。
它的目标是给用户一个直观的证据结构视图：
这段内容里，多少 citation 最终落到事实，多少 citation 最终停在观点，多少 citation 目前无法审计。
一条 citation 只能说明“作者给了一个来源”。它还不能说明这个来源真的支持原文，也不能说明这个来源本身是事实来源。
Source Grounding Auditor 把 citation 看成入口，然后继续追踪：
原文中的 cited statement
→ citation
→ 直接来源
→ 来源中的证据片段
→ 来源自己引用的上游来源
→ 最终落点
最终落点只分成少数几类，方便用户一眼看懂。
citation 最终落到良好定义的事实来源。
例子包括官方页面、原始数据、法律法规、公司公告、财报、学术论文、报告中的具体数据、访谈原文、演讲 transcript、产品文档、基金官网和学校官网等。
这里的 FACT 不等于“宇宙真理”。它的意思是：
这条 citation 最终落到了一个可以公开核验的事实性来源。
citation 最终停在观点、评论、博客、媒体分析、专家判断、投资建议、社交媒体帖子或价值判断，而且继续追溯后没有落到事实来源。
这不代表观点一定错。它只代表：
这条 citation 最终没有落到良好定义的事实来源，用户需要自己判断这个观点是否成立。
citation 没有 URL、source body 缺失、网页抓取失败、citation UI 在复制文本时丢失，或者本轮没有足够信息判断最终落点。
这不代表 citation 错，也不代表内容错。它只表示：
当前系统无法完成这条 citation 的证据链追溯。
source 可访问，也有相关片段，但 source 明显不支持原文中的 cited statement，或者与原文相矛盾。
这个类别会作为 warning badge 显示，不放进主饼图里混淆用户。
第一版界面只展示三个核心结果。
事实终点：xx%
观点终点：xx%
无法审计：xx%
如果存在明显引用问题，再显示一个额外提醒：
引用不对应：n 条
主界面不默认展示所有内部标签，不展示每条 claim 的 debug 信息，也不要求用户读一长串 support relation、risk flag 或 source opacity。
用户首先看到的是一个饼图和一个聚合证据树。
文档
→ citation group
→ source
→ upstream source
→ FACT / OPINION / UNRESOLVED
点击某个 source 或终点节点时，才展开具体 cited text。
下面是一段完整财经分析文本的展示结果：既有落到财报数据的事实终点，也有停在投资评论的观点终点，并保留少量无法审计和引用错配 warning。
原文写：
BOTZ 的费用率是 0.68%。[1]
如果 [1] 指向 Global X 的 BOTZ 官方页面，且页面确实列出 0.68% 费用率，那么这条 citation 落到 FACT。
原文写：
某博主认为 BOTZ 是最适合长期持有的机器人 ETF。[2]
如果 [2] 只是一个博客观点，并且博客没有继续引用事实来源，那么这条 citation 落到 OPINION。
如果博客继续引用了官方基金页面、持仓数据和费用率页面，系统会继续追溯。若最终能落到这些事实来源，它可以被标记为由事实支撑的观点链路。
如果 [2] 没有 URL，或者 source card 在复制文本时丢失，那么它落到 UNRESOLVED。
它只分析已经标注 citation 的内容。未标注 citation 的段落不进入主比例统计。
我们想解决一个明确的问题：
已经标注了来源的内容，来源到底最终落到事实还是观点？
当前后端支持两类输入。
用户粘贴带 citation 的文章、AI 回答或研究笔记。
系统会尝试解析文本中可见的 citation marker，例如 [1]、Markdown link、URL 和 reference list。
纯文本模式只是 fallback。它无法保证捕获原网页里的 hidden source card、hover citation、侧边栏来源或 DOM only citation。
浏览器插件、API 客户端或上游系统可以直接传入结构化 citation。
例如：
{
"input_mode": "browser_dom",
"dom_citations": [
{
"citation_id": "c1",
"marker_text": "[1]",
"source_url": "https://example.com/source",
"source_title": "Example Source",
"cited_text_span": "The company reported revenue of $10 billion.",
"char_start": 120,
"char_end": 168,
"capture_method": "dom_anchor",
"confidence": "high"
}
]
}结构化 citation 输入优先于纯文本 parser。未来浏览器插件会主要使用这种方式。
输入文本或结构化 citation
→ 定位 cited statements
→ 绑定 citation 和 source
→ 抓取 source body
→ 提取证据片段
→ 判断 source 是否支撑 cited statement
→ 如果 source 是观点，继续追踪它显式引用的上游来源
→ 得到最终落点：FACT / OPINION / UNRESOLVED / MISMATCH
→ 输出饼图和聚合证据树
系统只承认显式来源边。也就是说，只有当 source 文本中明确出现 URL、reference、citation 或上游来源声明时，才会继续追踪。系统不会因为语义相似就猜测上游来源。
-
输入 AI 回答、文章正文或带 citation 的文本。
-
默认使用 citation only mode，只分析带 citation 的内容。
-
支持 URL、Markdown citation、脚注和 reference list。
-
支持结构化
dom_citations和citation_annotations输入。 -
支持
provided_sources，可以把 citation URL 映射到用户提供的 source text。 -
把 citation 最终落点分为 FACT、OPINION、UNRESOLVED、MISMATCH。
-
主界面用饼图展示事实终点、观点终点和无法审计。
-
引用错配作为 warning badge 单独显示。
-
输出文档级聚合证据树：document → citation group → source → terminal class。
-
内部仍保留 claim、support relation、risk flags 等 debug 字段，但默认不作为用户主界面展示。
-
本项目不是严格意义上的 fact checker。
-
source support check 依赖结构化 LLM 判断，不能替代人工核查。
-
纯文本输入无法捕获隐藏在网页 UI 里的 citation。
-
默认抓取显式 URL，但某些网站可能因 TLS、反爬、动态渲染或登录墙抓取失败。
-
没有 URL 的 citation 可能会落到 UNRESOLVED。
-
上游来源追踪只承认显式 citation edge，不根据语义相似度猜测来源链。
-
MISMATCH 只表示 citation 与 cited statement 不对应，不代表整篇文章错误。
当前 Web UI 适合作为开发和测试入口。
更理想的真实使用方式是浏览器插件：
用户打开 AI 回答、网页文章或研究笔记
→ 点击插件按钮
→ 插件从 DOM 捕获 citation、source URL 和 cited text span
→ 后端生成 FACT / OPINION / UNRESOLVED 比例和证据树
插件的价值在于减少纯文本复制带来的 citation 丢失。它不会替代后端审计引擎，只负责更可靠地捕获 citation 结构。
cd source_grounding_auditor
python -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt
PYTHONPATH=backend uvicorn app.main:app --reload --app-dir backend打开：
http://127.0.0.1:8000
健康检查：
curl http://127.0.0.1:8000/healthcurl -X POST http://127.0.0.1:8000/analyze \
-H 'Content-Type: application/json' \
-d '{
"input_text": "The company reported revenue of $10 billion in its 2024 annual report [source](https://example.com/ar).",
"provided_sources": [
{
"url": "https://example.com/ar",
"title": "2024 annual report",
"source_type": "primary_fact_source",
"access_status": "accessible",
"extracted_text": "The company reported revenue of $10 billion in its 2024 annual report."
}
]
}'cd source_grounding_auditor
PYTHONPATH=backend pytest -q backend/tests-
浏览器插件捕获 DOM citation。
-
更强的 source body 抓取和 fallback。
-
更强的 evidence snippet retrieval。
-
观点 source 的显式上游引用追踪。
-
更清晰的聚合证据树交互。
-
针对 AI 回答页面、网页文章和 YouTube 描述区的 capture adapter。
Source Grounding Auditor 不告诉你观点对不对。它告诉你：这篇内容的 citation 最终落到事实，还是停在观点。