接到农残异常的通报，第一反应往往是把这一批下架。下架解决不了下一批：如果问题出在上游，明天到货的批次还会带着同样的东西。要知道该往哪里查，就得把这个数字放回它所在的关系网络，一层一层追问。纵横国际官网把追问的顺序整理成一条链：
- 异常结果
- 同期批次
- 供应商
- 产地
- 时间与作物
- 农药组合
- 现场核查
下文的批次、供应商和产地编号都是示意，只用来说明追问的方式。
追问一：这是孤例，还是一串
追问之前，先怀疑数字本身：样品编号有没有串号，留样能不能复检，取样点是否有代表性。数字站得住，再把这一批和同期、同仓位、同一辆车到货的批次并排放在一起。设想 6 个批次 B1 到 B6，其中 B2、B4、B5 检出异常。异常只出现在这一批，往往是一次性的原因，如某次喷施、某个仓位里的交叉接触；同期批次接连出现，就该把目光投向更上游。
追问二：这些批次共同经过了哪里
把三个异常批次和其余批次对照着看：
| 追问的维度 | 异常批次 B2、B4、B5 | 其余批次 B1、B3、B6 |
|---|---|---|
| 供应商 | 全部为 S1 | B1、B3 为 S2，B6 为 S1 |
| 产地 | 全部为 F2 | B1、B3 为 F1，B6 为 F3 |
| 检出的农药组合 | 同一组，记作 P-a | B1、B3 为另一组 P-b，B6 无检出 |
S1 供了 4 个批次，其中 3 个异常，这是供应商层面的集中；顺着 S1 的货源再拆开，它的产地是 F2 和 F3，3 个异常批次无一例外来自 F2。核查对象就从整家供应商，收窄成了 F2 这一处。图上把这种关系画成节点与连线，异常批次的连线汇到同一个供应商、同一个产地和同一组农药上。
表里的 B6 是个有用的对照：它同样来自 S1，产地却是 F3，结果正常。假如问题出在 S1 整体的仓库或分拣环节，B6 也该受到波及；它没有，天平就向产地一侧倾斜，当然，这仍然只是一个批次的证据。
这里要留一个心眼，看看集中是不是巧合。假设 F2 恰好供了 3 个批次，如果异常与产地无关，6 个批次里随机落下 3 个异常，恰好全落在 F2 那 3 个批次上的概率是 1/20，约 5%；落在 S1 的 4 个批次里的概率是 4/20，约 20%（均匀随机的示意计算）。供应商层面的集中，偶然也常出现；产地层面的集中有些分量，可 6 个批次实在太少，何况产地、供应商、日期、车次一个个试过去，总有一个维度会碰巧整齐，这是多重比较的问题。真正的追踪要用几十个批次的历史，并与基线异常率比较。
纵横国际 AI 在这一步做的，是把上面的人工比较批量化：对每个供应商、产地和仓位，算出异常批次占比，与全体批次的基线对照，并对小样本的估计做收缩，免得“3 个里有 3 个”被直接读成 100%。输出是一张排序清单，每一项附上支撑它的批次和依据，交给人去核对。
追问三：什么时候，什么药
时间上看三件事：异常是否集中在同一个采收期，是否同一个季节，是否同一种作物。作物这一项容易被忽略：同一个产地种着好几种蔬菜，异常只出现在其中一种上，通常说明问题出在这种作物的用药方案，与整块地无关。有用的其实是采收间隔期，以及期间的施药与降雨安排。药剂随时间降解，同一种农药在不同采收间隔下检出的浓度会不一样，数据库里通常没有这些记录，降雨等环境数据可以参考风险预测为什么不能只看过去的不合格次数里的思路补进来，施药日期则要靠现场台账。
农药组合是最后一个线索，常见三种形态。同一组农药在多个批次里反复出现，指向同一套植保方案；只有其中一种常用药反复出现、组合却在变，可能是多家都在用同一种药，不足以锁定单个来源；每一批的检出都不一样，更像零散事件，或者多个来源混在了一起。2026 年 Journal of Visualization 上有一项研究，用元路径驱动的异质图学习做可解释的食品安全风险预测。元路径就是预先规定的一类关系链，比如“批次—产地—批次”，沿着它可以把间接相关的批次聚到一起，再给出为什么排在前面的理由。
追问四：这些关联能当作原因吗
不能。同一张图，至少有两种讲法。讲法甲：F2 的施药方案有问题，采收间隔不足。讲法乙：B2、B4、B5 恰好经过同一个仓位或同一条清洗线，被同一次污染波及，图上看起来仍然集中在 S1 和 F2。图里根本没有仓储节点，所以分不出这两种讲法；建图时要把仓位、车次、清洗线、周转筐都补进去，补进去以后，如果 F2 以外、走同一仓位的批次也异常，就支持讲法乙。
另一个常见干扰是抽样偏差：S1 被抽检得比别的供应商更勤，自然更容易被发现问题，AI 怎样判断哪一批更值得检查一文专门讨论过这个陷阱。还有邻田喷施飘移、灌溉水来源，这些也都会造成相似的表象。整张图的起点，那个异常数字，是实验室确认出来的；光谱筛查在前面只负责分流，两者怎样分工，见为什么实验室检测仍然非常重要。
现场核查：把关联变成证据
- 调取用药台账，核对检出的农药组合是否在登记用药之内。
- 对比最后一次施药与采收之间的间隔，按适用规定的采收间隔期判断，以现行版本为准。
- 查地块位置：邻田是什么作物，有没有喷施飘移，灌溉水从哪里来。
- 查仓储与分拣：同一仓位、同一分拣线、同一周转筐是否混过批，混批记录要逐条翻。
- 对同一批次追加取样并复检，确认结果本身没有问题。
- 把核查结论回填到图里，成为新的连线与标签，下一次追问就更准。
核查宜早不宜迟：留样有保存期限，仓位与周转筐会被新货占用，台账里的细节也会随人员记忆一起淡掉。
现场结果如果与关联图矛盾，以现场为准，并把这个矛盾当作新的数据记下来。追问链的用处是缩小范围、排出先后，不是宣判。一个现在就能做的检验：把 F2 的全部历史批次按采收日期排开，异常是成片出现在某几周，还是零散分布在整个季节里？前者指向某一次事件，后者更像长期的做法。