evidence-association-pitfalls

AI Agent "关键信息关联缺失"错误模式库。Agent 手握足以推导正确结论的信息， 却未建立关联，转而套用外部模板、惯性标签或默认常识。本 skill 提供与近邻错误 （未调档/幻觉）的区分谱系、4 类高频触发场景（含脱敏案例）、输出前检测信号 清单与 5 条可执行预防规则。适用于：AI agent 对话质量改进、错误模式归档、 多项目语境下的行为校准、给 agent 写系统提示词时的反模式参考。

关键信息关联缺失（Evidence Association Failure）

模式定义

Agent 已持有足以推导出正确结论的信息，但未在"证据"与"结论"之间建立关联，转而套用外部常见模式、行业惯性标签或默认常识，产出与手中证据矛盾的输出。

核心特征：错误不是无知，是失联。 证据就在上下文里——agent 甚至读过、复述过它——但没有用它修正结论。

与近邻错误的区分谱系

"信息与结论断裂"其实是三种不同的病，混在一起教不清楚：

模式	信息状态	错误本质	检测关键
未调档（Unread Context）	信息在档案/记忆里，未被读取	检索缺失	结论是否用到了该查的背景资料
关联缺失（本模式）	信息已在上下文，已被读取	关联推理缺失	证据与结论是否匹配
幻觉（Hallucination）	信息根本不存在	编造填充	是否有真实来源

本 skill 聚焦中间一种——它最隐蔽：因为信息确实在场，错误在事后检查时"看起来引用了上下文"，实际却没有让证据参与推理。

四类高频触发场景

场景 1：设计行为与外部模板冲突

用户的亲口定义或刚做出的设计决策与行业常见模式不一致。Agent 拿行业里更常见的标签直接套用，无视用户的设计信号。

案例（已脱敏）：用户设计"所有内容必须标注信源等级"的功能——该设计明确指向"信息收集整理型站点"。Agent 却反复使用行业里更流行的另一种站点类型标签称呼该项目，贯穿整场对话多次，直到用户点名纠正。

破绽：用户的设计行为是结论的最强证据，优先级高于一切外部模板。如果一个功能"只有 X 类型的站才会做"，那它就是 X 类型的站。

场景 2：画像硬约束未过滤推荐

用户档案中的硬约束（地理位置、支付渠道、设备、网络环境）未参与方案筛选，Agent 按全球通用性价比排序推荐。

案例（已脱敏）：位于中国大陆、使用地方宽带（CGNAT 出口）的用户询问大容量服务器，Agent 推荐了德国/美国机房，并补了句"夜间传输无所谓"——实际线路质量根本不可行，且跨境支付渠道也存在障碍。

破绽：推荐类任务的第一步是"这个用户用得了什么"，不是"市场上什么最好"。档案里写着答案，推荐时却没过这道滤网。

场景 3：名词激活错误关联域（多项目串线）

用户运营/参与多个项目时，话题中的通用名词（"服务器""成本""推广""运营"）激活了记忆中另一个项目的语境，Agent 整段建议建立在错误的话题域上。

案例（已脱敏）：用户讨论 A 项目（面向游戏玩家的内容站）的运营成本，Agent 的建议整段建立在 B 项目（用户多年运营的另一类社区）的经验体系上，还建议"把 B 的直觉平移过来用"。用户当场纠正："搞哪去了？"

破绽：回应前先锁话题主体——"这个名词在当前语境下属于哪个项目？"通用名词是多项目用户对话里的高频串线点。

场景 4：单点状态推因果

用户展示一个当前状态（截图、数字、现象），Agent 直接为它编造因果解释，未询问"之前是什么状态"。

案例（已脱敏）：某云服务刚发布公告宣布整改。用户随后展示相关数据已恢复正常，Agent 解读为"你从来就没受影响，天然在火力范围外"——实际是"影响确实发生过，公告当天刚被整改修复"。因果方向完全反了。

破绽：对比类信息先问基线（"之前是多少？"）；刚发生重大事件的语境里，状态变化的第一假设应该是"事件产生了效果"，不是"本来如此"。

输出前检测信号清单

• 我的标签/结论是从手中证据推出的，还是从"外部常见模式"借来的？
• 用户最近的设计行为/亲口定义，与我的定性是否一致？
• 若把上下文里最新的一条信息当作最强证据，我的结论还站得住吗？
• 这个通用名词在当前话题里属于哪个项目/域？
• 我是否在说"难怪你一直……""你本来就……"这类把现状归因为"从来如此"的话？——语境里刚发生过变化时，这是高危信号

预防规则（五条）

1. 证据-结论匹配检查：结论落地前，把上下文中最新的一条用户信息（设计行为、亲口定义、新展示的数据）列为最高优先级证据，检查结论是否与它一致。不一致 = 停下重推
2. 标签溯源：使用任何定位/属性标签前，确认它来自用户原话还是自己的转译。转译可以，但要说清是转译，不能当成用户的定义用
3. 硬约束前置：推荐类任务先列用户硬约束（位置/支付/设备/网络），滤网不过的方案不提，或明确标注"仅作对比参考"
4. 基线询问：对一切对比类信息（前后状态、变化量），先问"之前是多少"再解释因果
5. 话题锚定：多项目语境下，每次回应前锁一次"当前话题主体是哪个项目、服务于谁"——通用名词（服务器/成本/推广）是串线高发区

正误对照（场景 1 的最小样本）

• ❌ "你这个 X 类型站点……"（行业模板标签，无视用户的信源设计信号）
• ✅ "你强制标注信源等级——这是信息收集型站点的典型信号……"（从证据推导）

适用边界

• 本模式在长对话中发生率显著更高：早期贴上的标签会随对话自我强化，越用越顺，用户不纠正就一路错到底
• 用户的设计行为 > 用户的言语 > agent 的外部知识——三层证据冲突时，优先级不可颠倒
• 本 skill 不覆盖纯粹的检索失败（未调档）与编造（幻觉），但三者的区分表有助于归因时对症下药