（783期）Reasoning Answer – 溯源式智能问答专家

溯源式智能问答专家 智能推理问答助手，基于结构化提示模板生成带引用标注的详细回答，适合需要严谨溯源的研究与咨询场景 使用说明 核心用法 reasoning-answer 是一项面向复杂问答场景的结构化推理技能，旨在将大语言模型的生成能力与来源追溯机制相结合。其核心工作流包含以下环节： 语言自适应：默认跟随用户输入语言，除非用户显式指定，降低多语言场景的切换成本 实时信源引用：当回答基于搜索结果时，必须在相关句后插入可点击的数字脚注（格式 [[Number]](URL)），如 [[1]](https://example.com) 规范参考文献列表：文末提供完整引用列表，编号从 [1] 起连续递增 模板变量支持：内置 $DATE$、 $SESSIONGROUPID$ 等运行时变量，便于会话追踪与时效标注 该技能封装了 Reasoning_Answer Agent 的完整配置，用户无需手动编排提示工程即可直接调用。 显著优点 溯源严谨性：强制引用格式确保每条信息可回溯，满足学术、法律、商业尽调等场景的合规需求 多语言原生支持：自动语言检测减少配置负担，全球化部署友好 标准化输出：统一的脚注与参考文献格式降低后期编辑成本，提升专业可信度 变量动态注入：日期、会话组 ID 等运行时数据自动填充，支持审计追踪 潜在局限 来源依赖风险：技能本身不验证 URL 有效性或内容真实性，若底层搜索源有误，引用链条将放大错误传播 格式刚性：强制编号与脚注格式对创意写作、开放式探讨类场景可能显得冗余 长文档处理：未明确支持分页或层级引用，超长回答的参考文献管理可读性可能下降 实时性瓶颈：依赖外部搜索接口的延迟可能拖慢首 token 响应时间 适合人群 研究人员、政策分析师、咨询顾问：需要可验证信源的深度报告撰写 企业知识库问答系统：构建合规、可审计的内部 AI 助手 教育场景：训练学生信息溯源与批判性思维 新闻媒体：事实核查与快速简报生成 常规风险 幻觉传导：若模型生成内容未触发搜索，可能产生无引用的主观陈述，需人工复核边界 引用滥用：自动编号机制可能被利用生成虚假链接（需配合 URL 白名单校验） 隐私泄露：$SESSIONGROUPID$ 等变量若映射到敏感业务 ID，需在日志脱敏后使用 注：当前安全认证报告为占位状态，未执行完整安全扫描，生产部署前建议补充 SSDL/渗透测试。 原始说明 Provides detailed reasoning-based answers using user language by default, including properly formatted clickable citation footnotes when referencing sources.