摘要前几篇文章已经完成了企业级 AI 应用的基础架构、大模型调用、流式输出、多轮上下文管理、RAG 系统、文档入库和向量检索。从本文开始，我们进入 RAG 系统中最影响“可信度”的部分：让 AI 回答带引用来源。很多企业知识库系统看起来已经接入了 RAG：用户提问，系统检索文档，把片段塞进 Prompt，大模型生成答案。但上线后经常会遇到一个问题：AI 回答得很像真的，但用户不知道它依据哪份文档、哪一页、哪一段。在企业场景中，这个问题非常严重。因为用户不只是要“一个流畅答案”，而是要“一个可以验证、可以追溯、可以审计的答案”。本文会从工程实现角度，完整讲解如何在 RAG 问答中实现引用来源：为什么 RAG 回答必须带引用；引用来源应该包含哪些字段；检索片段如何编号；Prompt 如何约束模型只基于来源回答；如何返回答案、引用和原文片段；如何处理无依据回答、低置信度回答和引用错配；如何设计CitationBuilder；如何实现带引用的 RAG API；如何评估引用质量。一、为什么企业级 RAG 必须带引用来源？RAG 的目标不是让大模型“看起来更懂企业知识”，而是让大模型的回答建立在企业自己的可信数