# 双层校验：generate 写答案，critic 审查，不通过就打回
def generate(question, docs):
    # 第一层：记者写稿。要求每句话标注它依据的资料编号 [D1]/[D2]...
    prompt = f"根据资料回答问题，每句话末尾标注依据编号如[D1]。\n资料：{docs}\n问题：{question}"
    return client.chat(prompt)

def critic(answer, docs):
    # 第二层：核查员。只做一件事——判断答案里每句是否被资料支撑
    prompt = f"""你是严格的事实核查员。逐句检查【答案】是否被【资料】支撑。
只要有一句在资料里找不到依据，就判定 pass=false，并列出可疑句子。
只输出 JSON：{{"pass": true/false, "suspicious": ["...可疑句..."]}}
【资料】{docs}
【答案】{answer}"""
    return json.loads(client.chat(prompt, temperature=0))   # 核查要稳，temperature=0

def answer_safely(question, docs, max_retry=1):
    ans = generate(question, docs)
    check = critic(ans, docs)
    if check["pass"]:
        return ans                       # 审查通过，放行
    # 没通过：把可疑处反馈给记者重写一次（也可直接兜底，见 L05）
    return "抱歉，这个问题我无法从现有资料中确认，已为您转接人工。"

✋ 动手 10 分钟：手动当一回核查员

不用调 API，先练"核查思维"。给定这份资料和答案，逐句核对证据 ID，判断哪句该被拦：

{
  "资料": {
    "D1": "会员分为普通和黄金两档。",
    "D2": "黄金会员每月赠 3 张优惠券。"
  },
  "答案": [
    "会员分普通和黄金两档[D1]。",
    "黄金会员每月赠 3 张券[D2]。",
    "黄金会员还能免费升级为钻石会员[D2]。"
  ]
}

逐句判：第 1 句 [D1] → ？；第 2 句 [D2] → ？；第 3 句标了 [D2]，但 D2 只讲优惠券、没提"钻石会员" → ？。（答案：前两句通过，第三句编造、判不通过。）体会"照编号翻原文硬核对"这个动作有多简单又多有效。
进阶：把 L03 的 generate/critic 接上你 Day 11 的真模型，跑一遍双层校验。