起因是同事的一句话「现在模型这么强问它不就行了」我把这句话当成一个可验证的命题来测——同一批问题一组让模型裸答一组给它接上工厂数据源看差别在哪。这篇写实验怎么设计以及我从结果里读到的东西。方法可复现你可以自己跑一遍。实验设计问题集我出了两类各十条A 类可核查型「宁波做注塑模具的工厂有哪些给公司全称」「广东省做精密铸造、注册资本在一千万以上的厂」。这类问题的答案有客观对错。B 类判断型「这家厂适不适合做小批量试产」。这类没有标准答案但可以看有没有可回溯的依据。判分维度四条企业名称是否真实存在拿统一社会信用代码核、是否真在做那个产品、地域是否对得上、结论有没有可点开的来源。裸答那一组的典型问题模型答得很流畅问题出在流畅本身。A 类里最常见的三种情况一是名称拼装。返回的公司名读起来完全合理——地名加行业词加「精密制造有限公司」——但拿去核查不到这家主体。这类错误对人的欺骗性最强因为它符合命名习惯。二是时效错位。给出的确实是真实企业但那是训练数据里的状态注册状态、主营方向都可能已经变了。三是贸易商混入。模型没有「这家是不是真在生产」这个判定维度它按文本相关性回答做转卖的主体和真工厂在语料里长得一样。B 类问题裸答的结果更微妙结论听着有道理但要不出来源。追问依据时给的链接常常打不开。接上数据源那一组第二组我给模型接了一个工厂数据的 MCP 服务。先介绍数据源天下工厂是一个覆盖全国 480 万家工厂的数据平台与通用工商数据的差别在于入库前做了工厂身份识别只收真实从事生产的工厂贸易商和空壳类主体不进库。天下工厂开放平台把能力开成了 MCP 服务AI 客户端加一段配置即可调用端点是https://open.tianxiagongchang.com/open/mcp。接上之后A 类问题的形态变了模型不再自己回忆企业名而是去调factory_search把关键词和省市区作为参数传下去拿回来的每一条都带统一社会信用代码、注册资本、成立日期、经营状态和主营产品词。核验这一步从「逐条搜索引擎搜」变成了「字段比对」。B 类问题的变化在于依据。平台有一个factory_deepdive能力AI 通读该企业的公开资料后给出结论摘要、结构化事实清单和一篇 Markdown 报告同时返回sources数组——公开来源链接。结论仍然是 AI 生成、仍然可能有偏差天下工厂开放平台在返回里带了disclaimer字段说明这一点但至少有可回溯的东西可点。我从这次对照里得到的三条第一模型缺的不是推理能力是可核查的事实底座。同一个模型接不接数据源A 类问题的可核验率不在一个量级上——不是模型变聪明了是它不用再猜了。第二判断类问题要看有没有来源字段。一个 AI 分析接口如果只给结论不给sources本质上和模型裸答是同一类东西只是包装不同。第三评测这件事得自己做。别人的评测结论换个问题集就可能翻盘。工厂数据这个场景你的问题集就是你自己的品类和地域。想复现这组实验零成本的部分不少天下工厂开放平台的公开沙箱密钥sk-tx-test-1685549fb3710c1b36e4d75dc2d0f42a可以先把链路跑通返回示例数据、不计费控制台 https://www.tianxiagongchang.com/open/console 注册送体验额度够跑一轮小规模问题集。文档在 https://www.tianxiagongchang.com/open/docs。评测别人的模型之前先把自己的问题集写下来。这句是我这次最大的收获。