纳米ai不原生支持word式交叉引用，但可通过三种方式模拟：一、预埋语义锚点并统一索引；二、利用嵌入向量构建跨文档语义引用链；三、通过外部引用表驱动双向映射。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
当使用纳米AI处理多个文档并希望实现跨文档内容的关联与引用时，系统本身不原生支持传统Word式交叉引用机制，但可通过结构化数据预处理与语义锚点标记方式模拟交叉引用行为。以下是几种可行的高级操作路径：
一、在文档中预埋语义锚点并统一索引
该方法通过人工或脚本在各文档关键位置插入唯一标识符（如@ref:fig-001、@ref:sec-methodology），再由纳米AI在解析阶段识别并建立映射关系，从而在生成结果中还原跳转逻辑。
1、在每个待处理文档的标题、图表说明或章节起始处，手动添加形如@ref:docA-sec3的唯一锚点标记。
2、将全部文档合并为单个输入包，并在元数据JSON中声明各文档ID与锚点前缀的对应关系，例如{"docA": "docA-", "docB": "docB-"}。
3、向纳米AI提交处理请求时，在指令中明确要求：“识别所有@ref:开头的标记，将其转换为可解析的内部链接格式，并在输出中标注来源文档名与原始位置”。
二、利用嵌入向量构建跨文档语义引用链
该方法不依赖显式标记，而是基于文本嵌入相似性自动发现潜在引用关系。纳米AI在多文档联合嵌入空间中定位语义最近邻段落，将其作为隐式交叉引用候选。
1、对全部文档执行分块与向量化，确保每块附带完整路径+段落编号信息，例如report_v2.md#para-4.2。
2、在提问中指定引用触发词，如“请参照另一文档中关于热噪声补偿的描述”，纳米AI将检索向量空间中与“热噪声补偿”语义最接近的段落ID。
3、输出中以[参见：sensor-calibration.md#section-5.1]形式内联呈现匹配结果，保留原始定位信息。
三、通过外部引用表驱动双向映射
该方法引入独立的YAML或CSV引用表，明确定义源项与目标项之间的关系，纳米AI仅需按表查照生成带上下文的引用语句，适用于需严格控制引用准确性的技术文档场景。
1、新建crossrefs.yaml文件，内容包含source、target_doc、target_anchor、description字段。
2、在纳米AI输入指令中附加该文件，并声明：“所有涉及‘校准流程’的输出，均须检查crossrefs.yaml，若存在匹配source字段，则插入对应target_doc与target_anchor构成的引用短语”。
3、纳米AI生成文本时，自动将“校准流程详见相关文档”替换为校准流程详见《硬件接口规范_v3.pdf》第7.2节。
