如何用FactCircuit追踪一篇新闻的原始出处:trace-news从URL到原始信源的实战教程
如何用FactCircuit追踪一篇新闻的原始出处:trace-news从URL到原始信源的实战教程
FactCircuit 是一个可审计的「声明-证据」验证框架,其 trace-news 命令能从一篇新闻的 URL 出发,自动抓取原文、顺着上游引用链接逐层回溯,最终定位每条声明的原始信源(原始出处),并给出证据判定。本文将带你从安装到出报告,完整跑通一次新闻溯源。
为什么需要"追原始出处",而不是直接看报道?
新闻传播有一条典型的链:原始机构 → 通讯社/官网 → 媒体转载 → 二次转载。
问题在于:
- 同一篇通稿被十几家媒体转载,并不代表有十几条独立信源;
- 转载版本可能悄悄改掉数字、日期或限定条件;
- 一条错误的声明如果来自原始通稿,那么所有转载都"错得一致"。
FactCircuit 的 trace-news 把两个问题分开回答:这条声明是从哪里来的(provenance),以及现有证据是否支持它(fact status)。它还内置了预算边界(最多追几层、抓几篇、调几次模型),不会让检索循环失控。
第一步:安装 FactCircuit
需要 Git 和 Python 3.11+。
git clone --branch v0.3.2 --depth 1 https://gitcode.com/gh_mirrors/fa/factcircuit
cd factcircuit
python3 -m venv .venv
.venv/bin/python -m pip install .
.venv/bin/python -m factcircuit --version
先跑一个完全离线的首次示例,确认环境可用(无需任何 API Key):
.venv/bin/python -m factcircuit quickstart --output runs/first-run
看到 factcircuit 0.3.2 和 Read runs/first-run/SUMMARY.md 就说明安装成功。🎉
第二步:准备输入文件——一篇新闻 + 一条声明
trace-news 的输入是一个 JSON 文件:顶层是 news 列表(1–20 条),每条新闻需要 id 和 text(正文,≤5万字符),可选 url 和 claims。
仓库自带了一个可以直接参考的官方示例:examples/news_tracing.json
{
"news": [
{
"id": "news-1",
"text": "粘贴新闻正文在这里。",
"url": "https://publisher.example/article",
"claims": ["把这条具体的待验证声明写在这里。"]
}
],
"config": {
"depth": 1,
"max_queries": 2,
"max_claims": 3,
"max_documents": 8,
"max_searches": 3,
"max_origin_depth": 2,
"max_origin_calls": 10,
"fetch_timeout": 15
}
}
两个实用技巧:
claims可以省略——研究阶段会自动从正文里提取最多 3 条声明;省略后提取失败则回退为整段正文。claims尽量"一条声明一句话",且要具体(带上数字、日期、主体),判定才精确。
第三步:运行 trace-news,从 URL 到原始信源
.venv/bin/python -m factcircuit trace-news news.json --output reports/news-trace.json
这一步实际发生了四件事(对应 newsverify/news_tracing_runner.py 中的执行流程):
- 抓取输入文章:如果
url可访问,先获取原文,并保留其版本、链接和检索时间戳; - 跟随上游链接:模型从原文的超链接中挑选最多 2 条值得追的上游引用(通讯社、官网、原始报道、数据集),按
max_origin_depth逐层回溯; - 背景研究:用剩余预算做补充检索,产出时间线、因果树、多视角分析等"研究建议"(注意:这些只是建议,不是证据);
- 逐条声明跑双循环验证:对每条声明做分解 → 精确定位原文引文 → 谱系回溯 → 证据/现实两级裁决。
模型通道怎么选?
trace-news 属于模型驱动命令,默认走 local 通道:调用你本机已登录的 Codex CLI(默认模型 gpt-6-astra),用 --model 或环境变量 FACTCIRCUIT_MODEL 可以换模型。想走 OpenAI API 则显式指定:
.venv/bin/python -m factcircuit trace-news news.json --tunnel api --model YOUR_API_MODEL --output reports/news-api.json
三条通道(local / api / anthropic)不会在报错后互相回退,鉴权方式与隔离细节见 docs/MODEL_TUNNELS.md。
第四步:读懂报告——3 个关键字段
运行结束后打开 reports/news-trace.json,重点看每篇新闻(results[])里的:
| 字段 | 含义 |
|---|---|
claims[].fact_status |
证据判定:supported / contradicted / unresolved。unresolved 表示"现有证据定不了案",不等于判假。 |
claims[].provenance_status + origin_summary |
溯源结论:是否找到"从输入文章出发的、有精确引文支撑的直接信源路径"。origin_summary.upstream_candidates 只记录被选去抓取的候选链接,候选 URL 不等于已验证的原始信源。 |
claims[].located_sources |
被接受的原始出处清单;若模型给出的路径缺少被观察到的链接,会写入 origin_link_gap 解释为何保持 unresolved。 |
另外注意两点:
analysis.report里的时间线、多视角等是模型生成的未验证分析,不能覆盖上面两条声明级结论;- 退出码:0 = 全部条目完成(含合理的 unresolved);1 = 有 partial/failed;2 = 输入或配置不合法。
更多字段解释见 docs/NEWS_TRACING.md 的 "Read the result" 一节。
常见预算参数速查(省 token 技巧)
| 参数 | 默认 | 作用 |
|---|---|---|
max_origin_depth |
2 | 上游链接回溯轮数(每轮最多选 2 条链接) |
max_documents |
8 | 每篇的文档抓取上限,同时是每个声明的文档限额 |
max_searches |
3 | 实时搜索次数上限 |
max_origin_calls |
10 | 单条声明双循环的模型调用上限 |
research_mode |
full |
设为 claim 时只做单条声明的溯源,跳过因果分析与叙事草稿 |
还有一个常被忽略的全局开关:命令行 --max-model-calls(默认 40 次/整批),覆盖研究、链接选择、所有声明和失败的调用。想在小预算内专注验证一条声明,推荐组合:"research_mode": "claim" + "depth": 0(关闭因果展开),示例文件正是这样配置的。
真实案例:从 ScienceDaily 一路追到 Nature 论文
仓库公开了一次 2 案例的实测运行(V12,46 次模型调用全部成功):从一篇 ScienceDaily 报道出发,harness 侧最终走通了两条完整信源链:
- ScienceDaily → East Carolina University → Nature 原始论文
- ScienceDaily → University of Texas → Science Advances 原始论文
独立审计确认 2/2 源链完整、无重复全文复核。但该报告同时明确:这只证明"溯源与记账"能力,不代表它比裸模型更擅长识别假新闻。完整数据(含此前 4 轮失败记录)见 reports/live-origin-v12-20260914/README.md。📊
局限与注意事项(先读再跑)
- 内置采集器只做公开搜索 + 直接 HTTP 抓取:不渲染 JS、不翻付费墙、不解析 PDF,抓不到正文的原始记录可能永远缺失;
- 单页默认上限 1 MB 响应 / 5 万字符,超限记为失败而不是静默截断;
- 找到原始出处 ≠ 证明内容为真——谱系(lineage)与语义支持(support)是两套独立判定;
- 报告里包含提示词与来源原文,分享前请先检查。
总结
| 步骤 | 命令/文件 |
|---|---|
| 安装 | pip install .(v0.3.2) |
| 输入 | examples/news_tracing.json 为模板 |
| 运行 | python -m factcircuit trace-news news.json --output reports/news-trace.json |
| 读结果 | fact_status、provenance_status、origin_summary |
一条 URL 进去,一条"链接可观察、引文可核对、预算可审计"的信源链出来——这就是 FactCircuit 新闻溯源的核心价值。