群里同事前两天甩来一条新闻,问我怎么看:美国一家头部防务科技公司,被《华尔街日报》"独家"报道说正跟某船厂深入谈判、要投数亿美元建无人艇生产基地;结果几小时后,这家公司的创始人直接在社交平台上回了一句,说这篇报道"纯属虚构",刊发前他们就告诉过记者了,对方还是信了自己的信源。
一边是带署名的"独家"、援引"匿名知情人士";一边是公司创始人本人、实名公开反驳。你让一个做开源情报的人来判,判谁?
这事我之所以多看了一眼,是因为这家公司我们一直是当"分布式智能指挥控制(C2)前沿"在盯的,他们的晶格(Lattice)架构在行业里讨论度很高。但抛开具体公司,这其实是个特别典型、又特别尴尬的场景——我们做开源情报的,天天跟"信源打架"打交道,可教科书和工具演示里,几乎从来不教你怎么处理"两边说得都有鼻子有眼、但互相矛盾"的情况。大家默认的逻辑是"多源印证",好像源多了就离真相近了。真到现场你会发现,源越多,打架的概率越高,而且越打越难收场。

同一事件多方说法不一:公开报道与当事人回应并存的"罗生门"场景
先说个反直觉的:多源不是保险,是多了一堆要打架的对象
我刚入行那会儿,也朴素地觉得"三个源说一样的话,那大概率是真的"。后来被现实磨了几回,才慢慢明白这个朴素想法有个大前提——这三个源,得是三个独立的源。
你看 World Monitor 那类开源态势仪表盘的设计思路就挺实在。它后台挂着几十路信号,从冲突事件库、死亡统计、火箭警报到 GPS 干扰、市场押注、区域断网,散得一批。它的核心规则不是"看到一条就报警",而是"冲突要升到 critical,必须同时命中新闻、军事、市场、抗议四个流里至少三个"。为什么这么定?因为它的设计者很清楚:单条新闻会撒谎,单个数据源也会撒谎,但当六七个互相独立的信号同时指向同一片区域,那才叫"有事发生"。
换句话说,工程上早就默认"单源不可信"了。问题出在另一头:当多个源不一致的时候,系统也好、人也好,反而容易懵。我们不少客户的情报岗一开始都问我同一个问题——"你们系统能不能自动告诉我哪个源是对的?"我一般先泼盆冷水:不能,至少现在不能拍胸脯。能做的,是把"谁说了什么、凭什么说的、可信度大概几分"先摆清楚,剩下的判断交回给人。

多信号汇聚看板:单源会撒谎,多源独立命中才升 critical
我们内部那套"信源分级",不是什么新发明
老读者可能听我念叨过"信源分级"。这东西真不是我们原创,北约那边早年就有 Admiralty 信源可靠性矩阵——源分 A 到 F(A 是完全可靠,F 是根本不可信),信息本身再分 1 到 6(1 是确证无误,6 是纯属无法证实的传闻)。我们系统里没那么学院派,落地成更朴素的 A/B/C/D 四级,外加每条情报必须挂"来源清单 + 采集时间 + 原文链接"三件套,确保能回溯。
这里有个诚实的坎得说清楚:把"同一机构的不同写法"并成同一个实体节点,标准业务场景下我们的自动对齐现在大概是八成出头(呼应我之前写机构身份那篇)。也就是说,剩下那不到两成,靠的是人工复核队列兜着。所以"信源分级"在我们这儿不是个配置开关,是一套要持续养的活机制——新源进来先打分排优先级,跑一段时间看它的历史命中率,再动态调整权重。别指望一次配好就完事。
分级真正管用的地方,是它让"打架"这件事有了处理的抓手。两个源矛盾,先看它们各自的级别:一个是一手当事人实名回应,一个是二手媒体引匿名人士——哪怕后者写得更详细,在没其他证据前,我们也不会默认它压过前者。这不是"信大不信小",是第一手程度和信息链路清晰度的问题。

信源分级管理:每条情报挂来源清单、采集时间、原文链接可回溯
"各方宣称"先别混为一谈,这是最容易翻车的一步
我见过太多分析稿,一上来就把"美方说、俄方说、第三方说"揉成一句"综合多方消息",然后得出个四平八稳的结论。揉的过程,其实就是把矛盾悄悄消化掉了。等有人追问"你这结论主要依据谁的说法",作者自己都答不上来。
后来我们借鉴了一套叫"事实单元"的做法,挺对胃口。大意是把一个复杂事件,拆成一堆可以独立验证的小单元,每个单元只回答一个具体问题——比如"工厂谈判到底有没有签 MOU""租赁合同现在到哪一步了""州政府是不是真参与了"。每个单元下,把"各方宣称"分条列清楚,不混为一谈;再给个置信等级,比如 A 级是多源交叉确认、B 级是单一权威来源、C 级是推断或待验证;最后每条都带来源清单能回溯。
这套方法好就好在,它把"综合判断"往后推了一步。先陈列,后裁定。安杜里尔那事如果按事实单元拆,大概是这样:WSJ 方说"已签 MOU、州长办公室参与、租赁未签";创始人方说"整篇假的、刊前已告知"。两边对"有没有签 MOU"这一条直接冲突——这时候你该做的不是急着站队,而是去找第三类源:船厂运营商自己出来说过话没有?州政府公开日程里有没有对应会议?有没有别的媒体独立核实过?三个互相独立的源里有两个指向同一说法,那条的可信度才往上抬。

事实单元把各方宣称挂到同一事件节点,先陈列后裁定
冲突消解最难的,不是"多数胜",是"口径不同"
多源打架,分两种,得先认清楚是哪一种,处理方式完全不一样。
第一种是真矛盾:两拨源对同一个事实说了相反的话,比如"签了"对"没签"。这种要靠来源独立性、一手程度、利益关联去判,上面那套分级和事实单元就是干这个的。
第二种其实不算矛盾,是口径不同造成的"看着像打架"。举个我们自己的例子,之前写低空经济招投标那篇,我拉过几个公开口径:有智库说上半年中标 71 个项目、总盘 26.48 亿;有城市说自己上半年新签 120 个项目、224.7 亿;又有说 6 月单月政府类招投标 241 个项目、3.86 亿。三个数字摆一起,外行一看:这不胡说吗,差出十倍。其实不是——统计范围不一样(全国 vs 单城)、口径不一样(中标额 vs 签约额 vs 项目数)、时间窗不一样。这种"打架"你急着判真假没意义,得先把每个数字的"分母"标清楚,让它回到各自的语境里。我们在系统里给每个指标都带口径版本号,就是这个道理。
所以遇到信源不一致,我们内部有个习惯先问三句:是不是同一件事?是不是同一口径?源之间是不是真独立?三句问完,一半的"矛盾"要么是口径问题、要么是同源转抄,根本不用上升到"谁在说谎"。

采集与解析技术侧:把不同口径的数据先标清分母再谈融合
落到系统里,我们到底做了什么
说回产品。易海聚的科研开源情报系统、垂直行业情报系统,在"信息分析"这块不是搞个酷炫大屏就完了,真正日常在用的是几件很朴素的事:
一是实体对齐。把"同一机构的不同写法"归并成同一个节点(这点我在机构身份那篇讲得比较透,比如一个单位改名、合并、挂牌,节点怎么带时间轴)。信源打架往往就卡在"这俩其实说的是一家"没认出来,对齐做好了,很多表面矛盾自己就消了。
二是热点迁移。同一个议题,不同源在不同时间点的说法会有漂移。我们把这些说法按时间挂到事件节点下,人一眼就能看出"这个说法是哪天开始变的、之前是怎么说的",而不是只看到最新一条。
三是知识图谱+灰度标注。前面说的"事实单元",在系统里其实就是把"各方宣称"挂到同一事件节点下,每个挂点带一个置信度三级标签:多源确认(A)、单一权威(B)、推断待验证(C)。标成 C 的不进自动结论,进人工复核队列。标准业务场景下,这部分重复劳动我们大概能交给机器接掉八成上下,剩下那两成——尤其是"信哪边"这一下判断,必须人签字。
附一个我们自己的实践数字,不修饰:某省级科研院所接这套分析流程半年,矛盾线索从"靠人翻"到系统自动并排陈列,人工复核耗时从大半天压到半小时左右;但因为前两个月阈值没调好,误报比有用信息还多,我们花了差不多一个半月按源类型分三组调参数才压下来。这个数我懒得粉饰,磨合期躲不掉。

人机协同:灰度标注留人终审,机器接体力活、人守研判
绕回安杜里尔那句"纯属虚构"
回到开头那条新闻。安杜里尔创始人那句反驳发出去几小时,澄清帖的互动量远远低于原始"独家"——这恰好是开源情报最该警惕的现象:假的先跑,真的追不上。我们做分析的人,能做的不是当场当裁判,而是把"WSJ 说、创始人说、船厂说、州政府说"分条陈列、各自标源、各自标级,然后等第三类独立源进来。等得起,比判得快手重要。
说到底,多源融合解决的从来不是"谁对谁错",而是"把战场清理干净,让对的那边自己浮上来"。机器擅长并排陈列、交叉比对、留痕溯源;人守的是"信哪边"那一下——这一下,系统替不了,也不该替。