OpenAI API Docs
Retrieval
提供官方 retrieval 流程基础，说明 metadata 和 source selection 应该放在什么位置。
打开原始资料返回学习路线查看内容标准
Systems
Premium文档一旧，Grounding 就会失效：知识新鲜度与文档治理
做了 retrieval 还不够。如果系统检索到的是过时政策、混乱版本或没有 owner、没有时间戳、没有过期规则的内容，它依然会带着“有来源”的外观稳定答错。
29 分钟
Advanced
Trust Layer
这节课为什么值得学
内容不是从碎片信息拼出来的，而是按“官方资料定义 + 产品实践抽象 + 可执行练习”三层整理。
Learning Objectives
区分 retrieval 质量与 source freshness / document governance 质量
为真实知识源定义 freshness class、owner、过期阈值和 review cadence
判断一次错答到底来自没检索到、检索到了旧证据，还是根本没有治理规则
Practice Task
选一个你现在依赖来回答问题的真实知识源。给它划 3 个 freshness class，分别指定 owner、过期规则和复查节奏，再决定当系统无法证明时效性时应该怎么处理。
Editorial Review
已审核 · DepthPilot Editorial · 2026-03-09
本课把 freshness 讲成运营控制，而不是模糊的“文档保持更新”。
内容结合官方 retrieval 指南和可信向量数据库实践文档，兼顾架构与运营。
教学目标是阻止“有来源但已过时”的答案被误当成 grounded truth。
知识链路
这节课不是孤立文章，而是知识网络里的一个节点。先知道它连接了哪些底层能力，再决定下一步该补哪一层。
打开完整知识网络学会的证据
你能给一个真实知识源写出 freshness class、更新时间、过期阈值和负责人，而不是只说“以后记得更新”。
你能指出一次错答到底是没检索到、检索到了旧文档，还是压根没有治理规则。
最容易掉进去的误区
把 retrieval 做出来就以为知识已经可靠，完全不追踪文档时效性和归属。
把旧版本、草稿和正式版本混在同一索引里，最后让模型替你猜哪份应该生效。
01
做了 retrieval，不代表拿到的是对的证据
一个系统看起来很 grounded，但它取回来的可能是旧政策、草稿内容，或者迁移到一半的文档。Retrieval 只负责从已有内容里找东西，治理才决定哪些内容该存在、哪些该失效、哪些绝不能被当作证据。