AI 说两份资料有关，然后呢？知识关联需要证据和纠错

先分清三种完全不同的依据

第一种联系来自原文：作者明确引用另一篇文章，或者讨论同一个事件。第二种来自用户：你把一篇研究链接到自己的实践记录，并写下不同意的理由。第三种来自模型：系统认为两篇资料可能围绕同一问题。这三种联系可以并存，但不应在界面上拥有同样的确定性。

设想你收藏了一篇主张严格日程的文章，又写下一句“这种方法在照顾孩子时不太适合我”。如果系统只根据关键词把二者归为赞同关系，就把最有价值的个人判断反转了。保留来源类型，首先是防止模型替用户发言，而不是让界面多一个技术标签。

相似、补充、支持与反驳不能混用

两段文字可能使用同样的词，却持相反立场；也可能使用不同词语，描述相近经验。“都讨论远程工作”只说明主题相似，不说明结论一致。“一篇讲方法，一篇提供实践限制”更接近补充关系，而不是后者否定前者所有内容。

设计关联类型时，不必一开始创建很长的词典，但至少应把主题接近与观点关系分开。对于尚不能确定的联系，显示“可能值得一起读”比“相互印证”更恰当。措辞越强，证据要求越高。这条规则也适用于 AI 摘要，不应把保留意见改写成明确支持。

可追溯要能落到具体片段

W3C 的 PROV 系列提供了描述信息来源及其生成活动的框架。个人产品可以借鉴这种对来历的重视，但用户不需要看到抽象数据模型。对用户最直接的实现，是点开一条关系后，能看到两边的相关片段、资料版本和生成时间，以及哪些文字是模型解释。

只显示文章标题和原网址，往往还不足以验证关系。原文可能很长，也可能后来变更。理想的证据入口能把人带回当时使用的内容位置，而不是要求重新通读。若原件已不可用，应说明证据缺失，不能继续以同样确定的口气展示结论。

置信分数不能替代解释

“相关度百分之九十二”看上去很精确，但普通用户很难知道这个数字衡量的是主题相似、抽取成功率，还是事实可信度。不同系统分数也未必具有可比意义。与其用单一分数制造确定感，不如先告诉用户“因为两篇资料都讨论夜间阅读对休息的影响”。

即便解释听起来合理，还应允许用户指出它遗漏了条件。例如一篇针对儿童，一篇针对轮班成人；相同关键词背后的对象差异，可能决定它们不宜直接比较。好的系统会把这次修正保留下来，而不是下一次重新生成时又提出同一个被否定的关系。

纠错需要几个不同动作

用户说“不对”可能指多种情况：对象认错了，关系类型错了，证据不足，或者只是当前不想看到。把这些反馈全部压成一个不喜欢按钮，系统很难知道怎样调整。更温和的做法是先提供忽略与纠正两个入口，在用户愿意时再询问具体原因。

删除一条模型关系，不等于删除两份原资料；关闭自动关联，也不等于清空用户手写的链接。关系被修改后，应保留其来源变化，使未来的解释知道哪些部分经过用户确认。纠错的成本要低于重新整理整份资料，否则可纠正只是写在原则里的承诺。

不要从资料推断一个固定的人

私人知识库里同时存在研究材料、替家人保存的内容、暂时好奇的文章和已经不赞同的旧观点。收藏动作本身不足以证明兴趣强度，更不能证明价值立场。把这些材料汇总成“你是怎样的人”，可能让人感到被误读，也容易在后续回答中不断放大早期错误。

一种更谨慎的表达是“你留下的这几份资料讨论了同一问题”，而不是“你一直相信这个观点”。当确实需要个人偏好时，可以引用用户明确写下的选择，并保留适用时间。允许不确定与变化，是个人知识系统的基本礼貌，也是避免错误积累的实际方法。

一次错误连接应该怎样被修复

继续用专注与多任务的例子。系统把一条家庭照顾记录关联到严格日程文章，并称它是成功实践。用户打开后发现，笔记原话其实说固定安排经常被打断。此时应能直接将关系改为“存在限制”，或者明确标记这不是实践结果，不需要先理解模型为什么出错。

修复之后，相关摘要也应重新审视，避免文章侧的关系已经纠正，问答结果却仍引用旧结论。用户不必逐一追查所有派生内容，但系统应当知道这次修正影响了哪些解释。若某个历史输出无法自动更正，至少应标明它依赖的关系已经失效，而不是让两种说法悄悄并存。

如果用户只是点击“暂时不显示”，则不应擅自推断原关系错误。这可能只是当前阅读不需要提醒。区分事实纠正、个人偏好与界面隐藏，可以避免将使用习惯误当成知识证据。反馈闭环的目标不是从每次点击里猜出更多东西，而是在用户确实表达了意图时准确尊重它。

先以关系能否帮到人来验收

可以用一个小案例检查设计：选两篇立场不同的文章，再加一条用户说明，测试系统是否把不同意见保留下来，是否能定位引用，能否撤销错误连接，以及下一次分析是否尊重已确认的修正。这样的验收比“成功生成一张图”更接近真正的产品质量。

对 XCoze 来说，这些是未来知识关联能力应遵守的方向，而不是对现有自动图谱功能的描述。我们希望关联能让人发现值得继续读、继续想的材料，同时保留自己判断的空间。AI 不必证明每两份东西都有关；它更需要知道什么时候应该停止推断，把问题留给用户。