Source Tracing

• 类型: text
• 描述: 用户希望达成的溯源目标
• 示例:
  • "找到官方公告原文"
  • "查看完整视频/讲话稿"
  • "确认事件发生时间和地点"

处理流程 (Process)

步骤 1: 去包装 (Depackaging)

目标: 识别信息传播链条，查找最初的发布主体

操作:

1. 分析消息的传播路径（社交媒体 → 自媒体 → 新闻媒体）
2. 识别关键转发节点和最早发布时间
3. 定位可能的原始发布主体：
   • 官方账号（政府、机构、企业）
   • 原作者（记者、研究者）
   • 权威机构（监管部门、行业协会）

工具: Web Search, 社交媒体检索

步骤 2: 源头定位 (Source Location)

目标: 搜索并访问权威渠道获取一手信息

权威渠道清单:

• 🏛️ 政府官网: 官方公告、新闻发布会
• 📰 新闻通稿: 新华社、官方通讯社
• 🎥 官方视频: YouTube 官方频道、政府视频平台
• 📚 学术数据库: 论文、研究报告
• 💼 企业公告: 上市公司公告、官方声明
• ⚖️ 法律文书: 裁判文书网、监管公告

搜索策略:

关键词 + site:gov.cn
关键词 + site:官方域名
关键词 + "official statement"
关键词 + filetype:pdf

步骤 3: 原文解读 (Primary Analysis)

目标: 阅读或观看原始内容，记录关键事实

分析要素:

• ✍️ 原文内容: 完整引用关键段落
• 📅 发布时间: 精确到日期和时间
• 👤 发布主体: 机构名称、发言人身份
• 🎯 核心论点: 主要观点和关键数据
• 🔑 关键词: 专业术语、法律条文
• 📍 发布语境: 会议、访谈、公告等场景

步骤 4: 语境还原 (Context Reconstruction)

目标: 分析原文语气与时空语境，避免被剪辑或误导

检查项:

• ⚠️ 断章取义: 是否被截取部分内容
• 🎭 语气识别: 陈述/猜测/预测/讽刺
• ⏰ 时效性: 信息是否过时或失效
• 🌐 地域性: 政策是否具有地域限制
• 🔄 后续更新: 是否有澄清或修正声明

步骤 5: 多源对照 (Cross Verification)

目标: 对比两个以上独立来源，确认一致性

对照维度:

可信度权重:

• 一级源（官方公告、原始文件）: 权重 1.0
• 二级源（主流媒体原创报道）: 权重 0.8
• 三级源（转载、评论文章）: 权重 0.5
• 自媒体（未核实）: 权重 0.2

步骤 6: 结构存档 (Structured Archiving)

目标: 输出溯源记录，包含原始链接、日期、机构、主要观点、对照结果

输出格式: 见下方 Outputs 部分

输出结果 (Outputs)

1. source_trace_log (JSON)

包含源头链接、时间、机构、主要论点、上下文摘要的结构化记录

{
  "claim": "原始声明内容",
  "verification_date": "2025-11-01",
  "sources": [
    {
      "source_type": "official_announcement | news_report | video | document",
      "source_url": "https://...",
      "source_title": "标题",
      "source_date": "2025-10-30",
      "institution": "机构名称",
      "author": "作者/发言人",
      "key_points": [
        "核心论点1",
        "核心论点2"
      ],
      "context": "发布背景和语境",
      "credibility_score": 0.95
    }
  ],
  "cross_verification": {
    "total_sources": 3,
    "consistent_sources": 2,
    "contradictory_sources": 1,
    "key_discrepancies": ["差异描述"]
  },
  "conclusion": {
    "verified": true,
    "confidence_level": "high | medium | low",
    "summary": "验证结论摘要",
    "caveats": ["需要注意的限定条件"]
  }
}

2. trust_index (Number)

• 范围: 0–1
• 描述: 源头权威性 + 内容完整性综合评分
• 计算方式:

  trust_index = (source_authority × 0.6) + (content_completeness × 0.4)
  
  source_authority: 来源权威性 (0-1)
  content_completeness: 内容完整性 (0-1)
  

3. entropy_delta (Number)

• 描述: 信息熵下降幅度（表示信息被"去噪"的程度）
• 范围: 0–1（值越高，去噪效果越好）
• 计算逻辑:

  entropy_delta = 1 - (verified_facts / initial_claims)
  
  当原始信息中有大量未经证实的细节时，entropy_delta 较高
  

示例案例 (Examples)

案例 1: SEC 稳定币监管传言

输入: