多智能体 RAG 讨论面板实验复盘：系统引用真实内容却不相关

一项多智能体 RAG 讨论实验让编程、数学和 RAG agent 加上主持人辩论销售报告中的数字防编造问题，最终仅覆盖 4 项成功标准中的 1.5 项。实验暴露了引用真实但无关、系统检索自身输出和固定 top-K 填充内容三类失败，作者因此改用最终答案是否覆盖成功标准且每个论断都有相关来源作为主指标。