AI回答把“设备维护”写成“设备销售”时，可以先把原句整理成字段，再与已经确认的事实表比较。一个可用的检查结果应能区分内容冲突、字段缺失、空值与尚未核实的新增描述，保留原始值供人工复核。

这篇教程写一个本地Python差异检查器，处理字段级对比和回归测试。它接收人工整理的字典，不抓取网页、不自动抽取事实，也不直接修改任何模型回答。示例中的公司与数据全部虚构。

## 1. 先约定输入和判断责任

检查器接收两份数据：expected存放已确认的参考值，observed存放从待检查回答中整理的值。示例只支持一层字符串字段，适合名称、服务描述、区域等短字段。列表、嵌套对象、日期区间和数值单位需要另写规则。

参考事实必须先由实际维护者确认。文件名叫canonical或者expected，不会让内容自动变成真相。每份参考数据应关联来源、适用日期、确认记录和可公开范围；来源冲突时暂缓判定，避免用一个未经确认的值去覆盖另一个值。

从回答整理字段时应保留原句。若某字段没有出现，就不要添加该键；若出现“未知”等无法确定的描述，可以填null并在旁边留原文。把这两类情况都转成空字符串，会丢失后续排查所需的信息。

## 2. 七种状态各自表示什么

检查器逐字段输出状态：

- match：按约定的标准化规则比较后相同。
- conflict：双方都有字符串值，但比较后不同。
- missing：回答记录没有这个键。
- unknown：键存在，值为null。
- empty：值为空字符串或只有空白。
- invalid_type：值是数字、列表等本例不支持的类型。
- unverified：回答中多出的字段，参考数据没有对应依据。

缺失字段不自动算事实错误。某个问题只要求介绍服务，回答没有写区域可能完全合理。评测者应按问题目的选择expected中的字段，而不是要求每条回答覆盖整张企业资料表。

新增字段也不直接判错。例如回答额外给出成立年份，参考表没有该信息，只能先标unverified，随后查证。本例特意保留这一分支，防止程序把“没有依据”误写成“已经证伪”。

## 3. 保留原值，只做有范围的标准化

“南京”和“南京市”在本例约定下映射为同一值。别名表只作用于region字段，不能顺带改变name字段。名称中的“南京市”可能属于正式名称的一部分，跨字段替换会制造错误。

程序先去掉字符串两端空白，再应用字段别名表；输出同时保留observed原值和normalized比较值。别名表属于受维护的配置，本文假设其内容为“字段名到字符串映射”的结构，没有实现配置格式的完整校验。生产使用前应为配置添加校验和版本记录。

## 4. 完整代码与实际输出

本次验证环境为macOS、Python 3.13.5，只使用标准库。保存为fact_diff.py：

```python
import json


def compare(expected, observed, aliases=None):
    if not isinstance(expected, dict) or not isinstance(observed, dict):
        raise ValueError("expected and observed must be objects")
    if any(type(k) is not str or type(v) is not str or not v.strip()
           for k, v in expected.items()):
        raise ValueError("canonical fields must contain non-empty strings")
    if any(type(k) is not str for k in observed):
        raise ValueError("observed keys must be strings")
    aliases = aliases or {}
    result = []
    for field, correct in expected.items():
        raw = observed.get(field)
        normalized = raw
        if field not in observed:
            status = "missing"
        elif raw is None:
            status = "unknown"
        elif type(raw) is not str:
            status = "invalid_type"
        elif not raw.strip():
            status = "empty"
        else:
            values = aliases.get(field, {})
            normalized = values.get(raw.strip(), raw.strip())
            target = values.get(correct.strip(), correct.strip())
            status = "match" if normalized == target else "conflict"
        result.append({
            "field": field, "status": status,
            "expected": correct, "observed": raw,
            "normalized": normalized,
        })
    for field in sorted(set(observed) - set(expected)):
        result.append({
            "field": field, "status": "unverified",
            "expected": None, "observed": observed[field],
            "normalized": None,
        })
    return result


if __name__ == "__main__":
    canonical = {
        "name": "示例甲公司", "service": "设备维护", "region": "南京",
    }
    observed = {
        "name": "示例甲公司", "service": "设备销售", "region": "南京市",
        "since": "2012",
    }
    aliases = {"region": {"南京市": "南京"}}
    print(json.dumps(compare(canonical, observed, aliases),
                     ensure_ascii=False, indent=2))
```

在终端运行python3 fact_diff.py。示例得到四项结果：

```text
name: match
service: conflict
region: match
since: unverified
```

service的两个值不同，标为conflict；region按示例别名映射后为match，但原始“南京市”仍在observed字段里。since不在参考表中，标为unverified。程序没有替示例企业补写成立年份的真实性判断。

完整JSON还包含expected、observed和normalized，方便逐项回看。程序不会改写输入字典，也不会把差异自动写回参考事实。对于日期、数字和范围约束，应在独立字段规则中处理，不能把所有值转成字符串后直接比较。

JSON中的null由Python的None序列化得到；ensure_ascii=False只让中文保持可读，不参与事实核验。具体接口见[Python JSON文档](https://docs.python.org/3/library/json.html)。

## 5. 六个测试方法检查容易误判的地方

将以下内容保存为test_fact_diff.py，与fact_diff.py放在同一目录：

```python
import unittest
from fact_diff import compare


class FactDiffTests(unittest.TestCase):
    def test_match_and_conflict(self):
        result = compare({"name": "甲", "service": "维护"},
                         {"name": "甲", "service": "销售"})
        self.assertEqual([r["status"] for r in result],
                         ["match", "conflict"])

    def test_missing_unknown_empty_and_type(self):
        for observed, expected_status in [
            ({}, "missing"), ({"region": None}, "unknown"),
            ({"region": " "}, "empty"), ({"region": 0}, "invalid_type"),
        ]:
            with self.subTest(observed=observed):
                self.assertEqual(compare({"region": "南京"}, observed)
                                 [0]["status"], expected_status)

    def test_alias_is_field_scoped(self):
        aliases = {"region": {"南京市": "南京"}}
        result = compare({"region": "南京", "name": "南京"},
                         {"region": "南京市", "name": "南京市"}, aliases)
        self.assertEqual([r["status"] for r in result],
                         ["match", "conflict"])
        self.assertEqual(result[0]["observed"], "南京市")
        self.assertEqual(result[0]["normalized"], "南京")

    def test_extra_is_unverified(self):
        result = compare({"name": "甲"}, {"name": "甲", "since": "2012"})
        self.assertEqual(result[1]["status"], "unverified")

    def test_bad_canonical(self):
        for bad in ([], {"name": None}, {"name": " "}):
            with self.subTest(bad=bad), self.assertRaises(ValueError):
                compare(bad, {})

    def test_inputs_unchanged(self):
        expected, observed = {"region": "南京"}, {"region": " 南京市 "}
        compare(expected, observed, {"region": {"南京市": "南京"}})
        self.assertEqual(observed, {"region": " 南京市 "})
        self.assertEqual(expected, {"region": "南京"})


if __name__ == "__main__":
    unittest.main()
```

运行python3 -m unittest test_fact_diff -v。本次6个测试方法全部通过，覆盖正常匹配、内容冲突、缺键、null、空白、错误类型、字段级别名、新增字段、无效参考数据和输入不被修改。

别名测试里，同样的“南京市”在region字段允许映射，在name字段仍保留冲突。这个反例能防止后续维护者把字段规则改成全局字符串替换。

输入不变测试保留了值两端的空格，确认比较过程没有就地清洗原始材料。排查差异时，原句和标准化值都需要存在。

## 6. 把差异接到纠错记录中

![事实核对、页面修改、处理状态与复测分别记录](https://developer.qcloudimg.com/http-save/yehe-12139210/5285e62c573abef8620991e693301331.png)

检查器负责产生字段差异。图中的页面修改、第三方更正申请与再次采样是后续人工动作，程序没有执行这些操作。

一次处理可以保留三个独立对象：参考事实版本、回答快照、差异结果。回答快照应包含原问题、原答、采样时间、可见模型及模式、联网状态和会话条件。条件未知时如实记录；不要根据措辞相似就认定回答来自某个网页。

如果待核对的公开页面由自己维护，在事实确认后修改并记录版本。第三方页面通过正常纠错渠道提交依据，保留处理回执。页面已经更新与新回答已经变化要分别观察，不能只根据保存成功就关闭回答问题。

## 7. 回归检查怎样收尾

![纠错记录保留原句、事实依据、页面版本和复测条件](https://developer.qcloudimg.com/http-save/yehe-12139210/8485781484e2463dddce46e316d41fb5.png)

这张图是记录字段示意。正文代码中的字段分类结果可以附在记录后面，不能替代原回答和事实依据。

再次测试时使用固定问题，保留新回答快照，再用同一版规则生成差异。某个字段变成match，可以记录该样本该字段一致；其他conflict、unknown和unverified仍分别保留。只有前后采用相同问题范围与规则，结果才有直接比较价值。

两次采样之间参考事实发生了变化，应分别关联各自的事实版本。否则“旧回答与新事实不同”可能被误判为模型退化。本文示例没有实现时间有效性、语义同义判断和跨文档冲突消解，这些需要额外设计。

先用一份已确认的小事实表验证程序，再逐项扩展字段规则。每增加一个别名或比较条件，都补一个允许匹配的样本和一个必须保持不同的反例。

参考：[Python unittest文档](https://docs.python.org/3/library/unittest.html)。

创作说明：文字、代码及示意图使用AI辅助制作；示例和测试已在本机运行，未使用真实客户资料。



AI回答把“设备维护”写成“设备销售”时，可以先把原句整理成字段，再与已经确认的事实表比较。一个可用的检查结果应能区分内容冲突、字段缺失、空值与尚未核实的新增描述，保留原始值供人工复核。

用Python核对AI回答中的事实字段：差异分类与回归测试

用Python区分字段冲突、缺失、空值和未核实信息，保留原值并用测试检查别名边界。文字、代码和配图使用AI辅助制作，示例已在本机运行。

编程语言

测试

职业发展

本文介绍一个Python字段级差异检查器，用于对比人工整理的设备维护回答与参考事实表，区分match、conflict、missing等七种状态，支持字段别名映射、回归测试及原值保留，适合本地验证文本内容一致性。

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

用Python核对AI回答中的事实字段：差异分类与回归测试-腾讯云开发者社区-腾讯云

用Python核对AI回答中的事实字段：差异分类与回归测试

用Python核对AI回答中的事实字段：差异分类与回归测试

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐