ADR-0004：证据 ID 用内容哈希

• 状态：已采纳
• 日期：2026-09

背景

报告里的每条结论都要挂证据。证据 ID 可以自增、可以用来源 ID、也可以用内容哈希。

决策

evidence_id = "ev_" + sha1(normalize(url) + "|" + normalize(snippet))[:10]

normalize 去掉空白与中英文标点并转小写。

理由

1. 跨源去重：同一条新闻从两个渠道抓到，id 相同，自动合并为一条，报告不会挂两遍；
2. 跨运行稳定：重启、换机器、换数据库后引用仍然对得上——审计才有意义；
3. 防篡改：改了证据内容，id 就变了，旧引用会失效而不是静默指向新内容。

代价

• 同一 URL 内容更新后会产生新 id（这正是想要的行为，但需要接受"证据数量增长"）；
• 哈希碰撞概率 1/2^40（取 10 位），对单次运行几百条证据来说足够。

配套的校验

审计不只看 id 是否存在，还要求 quote 归一化后能在 snippet 里找到——否则就是"看起来有引用"。 同时检查 published_at <= as_of，防止把未来才知道的消息喂给模型（前视偏差）。