Las respuestas de IA sobre documentos son más fáciles de verificar cuando cada afirmación incluye citas con números de línea. Esta guía usa una nota sintética pequeña, pide respuestas con citas a un asistente de IA y comprueba automáticamente cada rango con Python.
La traducción se ha realizado con IA. Comprueba el código, las unidades y los valores junto con el original. La revisión por hablantes nativos de cada idioma aún no se ha completado. English
Para quién esPara personas que usan un asistente de chat con IA para responder preguntas sobre informes, notas, políticas u otros documentos de texto y quieren un flujo simple para comprobar las citas.
Cuando un asistente de chat con IA responde preguntas sobre un documento, el problema principal no es si la respuesta suena fluida. Lo importante es comprobar si cada afirmación está respaldada por el documento proporcionado. Exigir citas con números de línea permite volver directamente a la fuente sin tener que buscar manualmente por todo el archivo.
Un flujo útil separa dos comprobaciones. Primero, el software puede verificar que cada cita apunta a números de línea reales y volver a mostrar esas líneas. Después, una persona comprueba si el texto citado respalda realmente la afirmación. La comprobación automática detecta referencias rotas o imposibles, pero por sí sola no demuestra que exista apoyo semántico suficiente.
Considera esta nota sintética de proyecto. Guarda exactamente las siete líneas mostradas en un archivo de texto plano llamado project_note.txt. Como el ejemplo es intencionadamente pequeño, cada respuesta y cada cita se pueden comprobar también a mano.
| Línea | Texto |
|---|---|
| L1 | Project Atlas weekly note |
| L2 | Prototype test moved from 12 Sep to 16 Sep. |
| L3 | Reason: replacement sensor arrived late. |
| L4 | Analysis owner: Mina. |
| L5 | Draft results due 18 Sep. |
| L6 | Final review meeting scheduled 21 Sep. |
| L7 | Budget status unchanged. |
Supongamos que la pregunta es: ¿Qué calendario cambió, por qué cambió y qué plazos vienen después? La fuente indica claramente que la prueba del prototipo pasó del 12 Sep al 16 Sep, que el motivo fue la llegada tardía de un sensor de reemplazo, que los resultados preliminares vencen el 18 Sep y que la reunión final de revisión está programada para el 21 Sep.
No te limites a pedir a la IA que cite el documento. Define un formato exacto para que un script pueda analizar después la respuesta. En este ejemplo, cada frase factual debe terminar con una cita como [L2-L3] o [L5].
Una respuesta adecuada podría ser: La prueba del prototipo pasó del 12 Sep al 16 Sep porque el sensor de reemplazo llegó tarde. [L2-L3] Los resultados preliminares vencen el 18 Sep y después está prevista la reunión final de revisión para el 21 Sep. [L5-L6]
Esta respuesta contiene dos rangos de citas. El primero debe corresponder a las líneas 2 y 3, y el segundo a las líneas 5 y 6. Antes de confiar en la respuesta, un verificador puede confirmar que esos rangos existen y mostrar el texto fuente exacto asociado a cada cita.
Guarda la respuesta de la IA en ai_answer.txt. El siguiente script lee project_note.txt y ai_answer.txt, extrae las citas con una expresión regular, rechaza rangos no válidos y escribe un informe de revisión en outputs/citation_check.txt. Nunca modifica el documento original ni la respuesta de la IA, y se detiene si el informe de salida ya existe.
import re
from pathlib import Path
DOCUMENT_FILE = Path("project_note.txt")
ANSWER_FILE = Path("ai_answer.txt")
OUTPUT_DIR = Path("outputs")
OUTPUT_FILE = OUTPUT_DIR / "citation_check.txt"
CITATION_RE = re.compile(r"\[L(\d+)(?:-L?(\d+))?\]")
def main():
if not DOCUMENT_FILE.is_file():
raise SystemExit(f"Document not found: {DOCUMENT_FILE}")
if not ANSWER_FILE.is_file():
raise SystemExit(f"AI answer not found: {ANSWER_FILE}")
if OUTPUT_FILE.exists():
raise SystemExit(f"Output already exists: {OUTPUT_FILE}")
lines = DOCUMENT_FILE.read_text(encoding="utf-8").splitlines()
answer = ANSWER_FILE.read_text(encoding="utf-8")
matches = list(CITATION_RE.finditer(answer))
if not matches:
raise SystemExit("No citations found in AI answer.")
report = []
report.append(f"document_lines={len(lines)}")
report.append(f"citations_found={len(matches)}")
report.append("")
invalid_count = 0
for index, match in enumerate(matches, start=1):
start = int(match.group(1))
end = int(match.group(2)) if match.group(2) else start
citation = match.group(0)
valid = 1 <= start <= end <= len(lines)
report.append(f"citation_{index}={citation}")
report.append(f"valid_range={valid}")
if not valid:
invalid_count += 1
report.append("source=INVALID LINE RANGE")
report.append("")
continue
for line_number in range(start, end + 1):
source_text = lines[line_number - 1]
report.append(f"L{line_number}: {source_text}")
report.append("")
report.append(f"invalid_citations={invalid_count}")
OUTPUT_DIR.mkdir(parents=True, exist_ok=True)
OUTPUT_FILE.write_text("\n".join(report) + "\n", encoding="utf-8")
print(f"Wrote: {OUTPUT_FILE}")
if __name__ == "__main__":
main()
Para la respuesta sintética, el verificador debería encontrar dos citas y cero rangos de cita no válidos. [L2-L3] corresponde al cambio de fecha de la prueba y al retraso del sensor de reemplazo. [L5-L6] corresponde al plazo de los resultados preliminares y a la reunión final de revisión.
| Cita | Líneas esperadas | Conclusión manual |
|---|---|---|
| [L2-L3] | L2 y L3 | Respalda la fecha modificada de la prueba y el motivo indicado. |
| [L5-L6] | L5 y L6 | Respalda el plazo de los resultados preliminares y la fecha de revisión final. |
Ahora prueba deliberadamente una cita incorrecta como [L8]. Como el documento sintético solo tiene siete líneas, el script debería marcar ese rango como no válido. Esto ayuda a detectar citas que parecen convincentes dentro de la respuesta pero que no pueden apuntar realmente a la fuente.
Este método funciona bien con texto plano, pero los PDF, las hojas de cálculo, la salida de OCR y los documentos generados dinámicamente pueden no tener límites de línea estables. En esos casos, puede ser más fiable usar otra unidad de cita, como número de página, ID de párrafo, ID de sección o celda de tabla.
Por tanto, el flujo tiene dos capas: validación automática de la sintaxis y los rangos de las citas, seguida de una verificación humana de si cada fragmento citado respalda realmente la respuesta. Usadas juntas, estas dos comprobaciones hacen que las preguntas sobre documentos sean más auditables que una respuesta de IA sin citas.
2026-09-21 · hand-checked example · Python 3.12
Las explicaciones y los ejemplos son de elaboración propia. Puedes consultar los comportamientos y conceptos relacionados en las siguientes fuentes oficiales.