RAG 一接协作文档就开始引用未发布草稿：从 Publish State Snapshot 到 Share Link Resolution 的工程实战
很多团队把 Notion、Confluence、飞书文档和内部 Wiki 接进 RAG 后，常见事故不是搜不到，而是把未发布草稿和失效分享链接当成正式依据。⚠️ 问题在于系统把“能读到”误当成“可引用”。
协作文档天然带状态：同一页可能同时存在草稿版、已发布版和权限裁剪版。🔍 如果 RAG 只按标题与段落召回，不先固定发布状态、权限上下文和分享链接解析结果，模型就会把未生效内容包装成确定结论。
[外链图片转存中…(img-mVZx7Ryo-1778390401347)]
🧩 为什么协作文档一进 RAG 就容易把草稿讲成结论
第一层根因，是文档系统的“页面身份”并不等于“引用身份”。🧩 页面page_id一样，不代表版本一样；同一篇文档可能在草稿流里已更新，在公开页面里却还没发布。RAG 若只抓正文块内容，不携带published_revision、workspace_id和access_scope，就容易答错时态。🛑
第二层根因，是分享链接往往不是稳定主键。🧠 模型看到share_link就以为能代表唯一页面，但真实落地时，链接可能已失效、已跳转到副本，或者被权限中间页截断。📎 没有Publish State Snapshot和Share Link Resolution，知识库里最像证据的内容，反而最容易在生产里失真。🔒
🧪 一条更稳的 Publish State Snapshot 校验链路
把这类问题压下来的关键，不是继续堆更多 chunk，而是让每次回答先证明“当前引用的是哪一个已发布事实”。🧪 更稳的流程通常分三步：先解析分享链接得到 canonical page，再锁定最近一次已发布 revision，最后把权限作用域与引用时间写入检索条件。✅
| 校验层 | 缺失时最常见的翻车点 | 补上后能回答什么 |
|---|---|---|
| Publish State Snapshot | 草稿内容被当成正式规范 | 当前被引用的是哪次已发布版本 |
| Share Link Resolution | 失效链接或副本链接被误认成主文档 | 这个链接最终解析到哪个 canonical page |
| Access Scope Check | 他人可见页面被误答给无权限用户 | 当前回答是否超出请求者权限边界 |
candidate=resolve_collab_doc(workspace="prod-knowledge",share_url="https://docs.example.com/s/ab12cd",requester="agent-runtime",intent="查询发布后的 SSO 登录规范",)assertcandidate.canonical_page_id=="doc_48291"assertcandidate.publish_state.revision=="r184"assertcandidate.publish_state.status=="published"assertcandidate.access_scope=="team-authenticated"这套链路真正解决的，不是“模型看不懂协作文档”，而是“模型没有先确认它看的是否属于正式事实”。🛠️ 当系统在召回前就校验publish_state、解析分享链接跳转，并确认请求者是否有权看到目标页面，很多问题都会暴露成状态漂移、链接失效或权限越界。📍
[外链图片转存中…(img-53CBqaf4-1778390401352)]
🔎 真正该治理的是“文档状态主键”而不是更多向量召回
很多团队看到协作文档答非所问，就继续补页面切片和讨论串。🔎 这些内容会增加“像答案的片段”，却不一定增加“当前可执行的证据”。如果一个 chunk 回答不了它来自哪次已发布 revision、对应哪个权限范围、通过哪个分享链接被访问，那它更像素材。📉
更稳的做法，是把知识摄取主键从“页面正文块”升级成“页面状态事实”。⭐ 每个 chunk 至少带上canonical_page_id、published_revision、publish_time、access_scope、share_url_digest与link_resolved_at；检索阶段先按 workspace、权限和发布时间过滤，再让模型生成解释。这样系统更容易指出“你看到的是草稿版”。
🚀 未来 3 到 6 个月协作文档 RAG 会从“能读页面”走向“只引正式事实”
未来3到6个月，能进生产的协作文档 RAG，不会再比谁 ingest 的页面更多，而会比谁先把发布状态、链接解析和权限边界做成检索前置能力。🚀 知识越来越集中到多人协作文档里后，没有Publish State Snapshot的系统，迟早会把讨论稿和过期链接混成“标准答案”。
一句话总结：协作文档知识库真正要防的，不是“文档搜不到”，而是“把未发布、无权限或已失效的内容答成现网规范”。💡 你们现在的 RAG，在引用协作文档时，验证的是段落相似度，还是页面状态与权限范围？