可信的生成与验证架构

8.1

四层架构与稳定中间表示

建议采用资料层、语义层、呈现层和验证层的四层架构。资料层保存来源、日期、访问范围与版本；语义层保存经过确认的概念、关系、规则和变量；呈现层负责布局、图形语法、语言与输出格式；验证层检查来源对应、结构约束、计算和可读性。四层可以由一个系统实现，也可以由多个工具配合；关键是逻辑上可以区分，出现错误时知道回到哪里修复。

例如，酒店政策变化是资料层更新，流程中增加人工确认是语义层修改，把中文标签翻成英文是呈现层修改，发现审批分支无法回到主流程是验证层问题。若这些修改都直接发生在最终图片上，后续版本很难保持一致。保留中间表示后，一次概念修正可以传播到PPT、手册、作业和英文图中，同时留下修改记录。

中间表示还应包含不确定性。一个关系可以是来源明确、教师确认、模型推测或等待验证；一个数值可以是观察值、估计值或教学情境值。不同状态不是装饰标签，而会决定系统是否允许发布、是否需要图注和是否触发人工复核。这样，可信度管理进入生成流程，不再依赖最后一位审核者凭记忆补救。

8.2

四种验证各自解决不同问题

第一种验证检查语法：代码是否能解析，节点编号是否重复，输出文件是否完整。第二种检查结构：是否存在悬空节点、无法到达的状态、缺失的分支条件或无限循环。第三种检查语义：一条关系是否符合原文，某个动作是否属于该岗位，一项术语是否在中英文中保持相同含义。第四种检查经验与后果：模型假设是否符合实际，方案是否在小规模试验中达到目标。通过前一种，并不意味着自动通过后一种。

图表也可以按这四种验证设计检查。代码运行成功只说明它被执行；图没有重叠只说明布局可读；数据映射正确才支持数值解释；真实业务试验才可能支持行动效果。AI可以协助前三种检查，但自检容易受到同一错误解释影响。关键事实、计算和权限应尽可能采用独立规则、原始资料或人员复核。让同一模型重复说“检查通过”不构成独立证据。

本报告建议每张关键图附一个简短验证记录：来源已核对，关系已确认，计算已执行，限制已说明。记录还应允许“未检验”状态。例如合成收益曲线可以通过计算核验，但经验有效性应标为未验证。把未验证明确写出来，通常比给整张图一个笼统的绿色通过图标更诚实，也更能指导下一步工作。

8.3

证据如何连接到图中的一个元素

可追溯性应细到重要节点和关键连线，而不只是文末列出一串参考文献。一个政策决策节点可以连接到原始条款，数据柱可以连接到过滤后的记录，研究证据图可以连接到原文中的效应量说明。为了降低维护负担，不要求每一个装饰元素都有来源，但任何影响判断的事实、数字和规范都应可定位。AI生成的补充解释应与来源陈述分别记录，避免把合理推测伪装成引用。

具体操作可采用来源编号加元素编号。例如源文件S03中的第三条政策支持节点N12；分析脚本T02产生图表F06中的序列B。中英文标签共享N12，而不是各自维护两个事实副本。引用定位不必暴露敏感数据，读者可以看到受控说明与访问条件。对学生课程，教师可以使用去标识化资料或模拟数据，让可追溯练习不依赖真实顾客信息。

证据还需要时间维度。一次回答引用正确的旧政策，仍可能在当前场景出错。资料层应存生效时间与版本，而不只是上传日期。对于搜索资料，记录检索日期与访问位置；对于计算，记录参数与运行版本；对于人工判断，记录确认人和理由。这样的记录能够解释为什么上周正确的图在本周需要更新。

8.4

权限与失败路径进入设计

课程和企业系统都应画出失败情况。资料缺失、工具报错、数据越权、模型不确定和用户改变目标，不是罕见例外，而是正常运行条件。一个工作流至少应说明停止、追问、重试和转人工的条件。重试应有次数或时间上限，否则自动化可能在没有新信息的情况下持续消耗资源。对外发送、退款、价格修改和数据删除等动作，应具有与后果相称的授权控制。

NIST的生成式AI风险框架为识别、测量和管理风险提供通用参照。[30]在本报告的课程设计中，这被转化为具体图形要求：权限边界可见，关键动作可回溯，异常状态有出口，责任人可识别。它们是教学与工程建议，而不是宣称满足某一图形格式就已经满足全部法规或组织政策。真实部署仍应使用所在机构的要求进行核对。