> ## Documentation Index
> Fetch the complete documentation index at: https://docs.brightdata.com/llms.txt
> Use this file to discover all available pages before exploring further.
# 在 AI 爬虫中使用源
> 在 Bright Data AI 爬虫的各 AI 答案引擎中使用引用来源：来源的生成方式、来源错误的处理以及获取可验证输出的提示词写法。
## AI 爬虫中的"源"是什么？
某些 AI 爬虫可以在生成的答案旁边返回引用/超链接（"源"）。当您需要以下内容时，源很有用：
* 可验证的声明引用
* 原始页面的链接，用于审计/合规
* 研究风格的输出（例如，带引用的摘要）
源的可用性取决于底层 AI 产品是否决定对该特定请求使用网络搜索/浏览。
我们所有的 LLM 都会尝试在其响应中包含源。某些模型提供了一个选项，以便在无法检索源时返回错误。对于某些爬虫，只有当您明确启用"源"选项时，才会返回源。
## 源如何生成
当您使用提示运行 AI 爬虫时：
1. 我们将您的提示发送到选定的 AI 引擎（例如 ChatGPT）。
2. AI 引擎根据其内部策略和运行时条件决定是否：
* 从其现有知识中回答，或
* 执行网络搜索并附加引用/源。
3. 如果使用网络搜索，源/引用将在响应中返回（如果可用）。
4. 如果不使用网络搜索，答案可能在没有源的情况下返回。
## 什么是"源错误"？
源错误通常意味着运行完成，但引擎未按预期提供源（例如，引擎选择不浏览、浏览不可用，或该请求/国家/版本没有返回引用）。
## 提示最佳实践以增加获取源的机会
由于网络搜索和引用受到引擎内部决策的影响，提示措辞可能会实质性地影响是否出现源。
推荐的策略：
* 明确请求源/引用
> **示例**："为每个关键声明包含带链接的源。"
* 询问网络验证/最新信息
> **示例**："使用网络搜索并引用过去 12 个月的源。"
* 请求引用部分
> **示例**："最后，添加带有 URL 的"源"部分。"
* 如果您获得缺失的源，请尝试修订后的提示，而不是重新运行完全相同的提示。
* 在我们的测试中，改变提示可以增加网络搜索和返回源的可能性。
## 相关内容
已有文档的 AI 答案引擎，其页面列出了其他引擎。
通过 `web_search` 控制网络搜索，并通过 `web_search_triggered` 确认。
发送提示词，获取结构化搜索结果和引用。