App 里一个批次被标上“高”，并不意味着这批货不合格，它意味着在有限的抽检名额里，这一批更值得排在前面。把这一点读对，后面的风险列表、供应商档案和农残记录才不会被误用。
假设一周只有 3 个检测名额，待检批次却有 12 个（示意数字）。风险分要解决的就是这 3 个名额给谁。纵横国际 App 通常把这件事拆成一条阅读路径，具体界面与功能以当前发布版本为准：
- 风险优先级列表
- 原因拆解
- 供应商档案
- 农残检测记录
- 实验室结果
风险优先级列表：先决定排队顺序
列表按风险从高到低排，通常以等级标签加分值呈现，图中示意的是 B-07 高、B-02 中高、B-11 中。批次之间的相对顺序比单个分值更重要，换季或更换供应商以后分值分布会整体移动，不宜拿它与几个月前的分值直接比较。
这种排序背后的做法，是把历史抽检记录变成下一轮检查优先级，思路见抽检历史怎样变成检查优先级。排在低位的批次也应保留一定比例的随机抽检，否则模型只会反复确认自己已经相信的东西。
原因拆解：这个分从哪里来
原因拆解通常按因素分项列出，比如供应商历史、季节、产品类别、既往检测记录。读的时候可以问三件事：贡献最大的是哪一项；这一项背后的事实能不能核实，比如供应商近期是否真有异常记录、数据有没有过期；拆解解释的是模型为什么这样打分，不是污染的原因，因果要靠现场核查。风险为什么不能只看过去的不合格次数，可以看食品安全风险预测的多因素视角。
供应商档案：把单个批次放回来源里
档案通常汇总近期检测次数、异常次数、涉及品类与产地。举例（示意）：供应商 S1 近期检测 8 次、异常 2 次。读这类数字有两个坑：8 次里异常 2 次与 80 次里异常 20 次，比例同样是 25%，可信度却差得很远；另一个是被抽检越多的供应商越容易“发现问题”，异常次数高有时只是因为抽得多。
同一供应商名下多个批次同时排在前面，比单个批次分高更值得追查。供应链上的关联怎样帮助缩小范围，见供应链网络与污染传播路径。
农残检测记录：筛查与确认要分开读
农残记录先看它来自哪一类：
| 对比项 | 光谱快速筛查 | 实验室确认 |
|---|---|---|
| 作用 | 大批量样品的分流与排序 | 给出物质与浓度的确认结论 |
| 常见方法 | 高光谱、近红外或 SERS 加机器学习 | GC-MS/MS、LC-MS/MS 等 |
| 结果形式 | 概率或风险等级，可能有不确定区 | 物质名称与浓度 |
| 主要局限 | 依赖基质与标定，换水果可能失效 | 耗时长、成本较高 |
筛查记录里的高概率，只说明建议优先送检，不能当作检出结论；实验室记录才有物质与浓度，但也要核对样品是否与批次对应、用的是什么方法。判定的依据是适用的检验方法与限量标准，比如 GB 2763《食品中农药最大残留限量》，一切以适用法规现行版本为准。筛查为什么输出概率而不是“有”或“没有”，见农残检测为什么需要输出概率。
风险分能用来做什么
风险分适合做排队顺序、分配抽检资源、发现值得追查的供应商与产地。它不能给批次判合格或不合格，不能替代法定检验，也不能证明因果。2026 年 9 月发表在 Frontiers in Food Science and Technology 的一项研究在欧盟 RASFF 通报数据上做严重程度分类，作者同样明确这只是原型，需要部署验证，不是可直接用于监管的系统。
一个实用的自查办法：每隔一段时间，把 App 里排在高位的批次与最终的实验室结果对照一遍。命中比例明显下降时，先怀疑季节变化和数据过期，再决定要不要继续沿用当前的排序。