检索演示在小语料上很漂亮，语料涨到千万级也不会崩：日志没有报错、延迟正常、答案依旧自信，只是更常错，而你分不出是哪几条。作者说这正是规模化陷阱，RAG 失败不响亮，它失败得很像真的；斯坦福 RegLab 2025 年测试商业法律 RAG 产品，仍有约 17% 到 33% 的幻觉率。他的方案不是换更大的模型，而是四道门：检索、约束、核验、弃答，每道门拦一种不同的谎。他也明确划线：架构部分引自论文，不是他在 1500 万文档上实测的产品，只有「核验支持度并允许弃答能减少自信的错误答案」这条是自己在小规模标注集上测的。