一个护肤品牌跟我们聊过一件事：他们的客服 AI 一直在告诉客户"60 天内可退货"。实际政策是 30 天。那个 60 天，来自两年前黑五大促的临时政策——旧政策的 PDF 还躺在知识库里，检索照常把它捞了出来。整整六个星期，bot 底气十足地告诉了大约四十位客户：你有两个月可以反悔。
团队没人发现。发现的是一位客户——在她"退货倒计时"的第 45 天，带着截图找上门。
真正应该让你后背发凉的是：那些回答每一条都看起来很好。礼貌、格式工整、数字具体。如果你的 AI 不展示答案出处，此时此刻你的客服频道里大概率也跑着某个版本的同款事故，而你没有任何手段知道。
错的答案，看起来不错
真人客服没把握的时候，你看得出来：会打磕巴，会说"我查一下"，会去问同事。语言模型答错的时候，语气跟答对时一模一样。流畅度和准确度是两个维度，而模型只给你看流畅度。
指望客户帮你发现也没戏。想想收到"60 天"答案的是谁——一群拿到了比真实政策更优惠条件的人，谁会投诉这个？客户只会举报"听起来就不对"的回答，对"听起来很对但其实错了"的回答毫无检测能力。于是"自信且错误"就这么隐身，直到真金白银动起来、有人翻出截图。
咬人最狠的三个场景
退换货政策。 这是客服 AI 依赖的所有文档里改动最频繁的。大促造出临时政策，临时政策变成散落文档，散落文档比大促活得久。AI 没有"现行版本"的概念——检索捞到什么，它就信什么。
运费模板。 "寄到阿尔伯塔多少钱"背后是地区表、重量档、一年调两次价的承运商。拿去年的表回答，答案精确、具体、且错——最糟的组合，因为一个具体的数字听起来远比模糊的说法权威。
保修条款。 不同产品线时长和范围都不同。问错一个 SKU，模型可能把两本说明书揉成一条读起来天衣无缝的回答，对两个产品都不适用。
注意共性：三个场景里文字都没毛病，出问题的是事实有版本。这恰恰是流畅度救不了你的地方。
一条引用，改变了什么
引用在界面上很小——答案下面一行"来源：退货政策，5 月 12 日更新"。但它彻底改写三个工作流。
抽查从几分钟降到几秒。 有来源，审核的人看一眼答案、瞄一眼被引段落，五秒结束。没来源，验证一条回答意味着去自家文档堆里猜 bot 可能读了什么——一条几分钟，实践中等于没人查，等于零审核。
纠纷有了取证链。 客户说"你们 bot 跟我说的是 X"，你调出对话，不光看到它说了什么，还看到它读了什么。修复路径立刻清晰：文档错了改文档；文档没错答案错了，那是检索问题,找你的服务商。没有引用，每场纠纷都是考古。
过期文档现形。 这条本可以救那个护肤品牌。上线第一周，客服扫一眼群里的对话，看到一条平平无奇的周二回答下面写着"来源：BFCM 2024 退货活动"，心里咯噔一下——这玩意怎么还活着——顺手删掉。引用把"无声的腐烂"变成"碍眼的杂物"，而碍眼的东西总会被收拾。
让引用发挥作用的日常
引用只是展示层，它真正解锁的是一套很轻的纪律：
- 一个事实只住一个文档。 退货期限只在一处出现。两个文档都写，它们早晚打架，AI 的回答就成了你看不见的抛硬币。
- 政策正文里写生效日期。 "2026 年 3 月起生效"写进文档正文，不是只写在文件名里——引用预览里能看到，过期版本自己会暴露。
- 每周十分钟抽查。 抽十条 AI 对话，对着来源读答案。答案和来源一致，过；矛盾，是检索 bug，上报；来源本身过期，是文档 bug，当场修。
- 改政策必须连着删旧档。 政策变更日的清单是两项：传新文档，删旧文档。多数团队只做第一项，孤儿版本就是六周事故的温床。
这些都不重。但没有"哪篇文档产出了哪条回答"这个信息，一条都做不了。
挑服务商时该问什么
如果你在选型 AI 客服工具，"回答带不带来源"应该排进前五个问题，排在"用什么模型"前面。而且别停在有没有，往下追：
- 引用的是具体段落，还是只含糊指个文档标题？
- 客服在对话视图里能不能直接看到来源，不用跳出去？
- 检索不到来源时，它是坦白说找不到并转人工，还是即兴发挥？
Lane.Chat 的每条 AI 回答下面都渲染来源，指向知识库里的具体段落，客服在会话里直接可见。设计目标就一条：任何同事都能在五秒内审计任何一条回答。
因为一条无法审计的 AI 回答，不叫自动化。叫语法很好的风险敞口。