你正照抄的 AI 答案，大约每 8 句就有 1 句可能是编的：行业成绩单显示，头部模型摘要幻觉率约 12%。可同样一个模型，有人把错率从 20% 压到 3%。差的不是运气，是 3 个动作。读完直接抄。先别怪 AI"不诚实"，它只是太想让你满意大模型的本质不是"查数据库"，而是"概率续写"：每生成一个字，都在挑"接下去最顺的那一句"。训练时，答不上来就直说"不知道"会被扣分，硬着头皮补全反而得分——于是它养成了"自信地胡说"的惯性。把幻觉理解为"讨好型复读机"而不是"骗子"，接下来的三招才用得上：不是教育它诚实，而是给它一套必须执行的查证动作。第一招：开"免责通道"，让它敢说不知道最高效的一句话，是明确授权它拒绝：如果某个数据你无法 100% 确认来源，直接说"不确定"，并告诉我缺什么信息。不要编造。就这一句，很多模型立刻从"言之凿凿"切换到"谨慎核实"。再加一层，要求置信度分层：每条结论后标注置信度：高（有明确出处）/ 中（推断）/ 低（不确定）。主流模型厂商的反幻觉指南里，第一条几乎都是这个思路：教 AI 说"我不知道"，而不是猜。实测中，加了这句之后，模型更愿意把话说软，而不是硬编。第二招：要"证据锚点"，每句话带出处幻觉率 12% 说明一件事：通顺 ≠ 正确。所以别让 AI"讲道理"，让它"交证据"：每条关键结论后附上来源（链接、文档章节、页码）。给不出就标"待核实"。这一招的妙处在于：有真出处时，它引给你核；没出处时，它被迫投降，标"待核实"而不是硬编。谎话当场现形，比事后追责省一百倍力气。总被 AI 坑的同事，值得把这份清单转发给他。
你正照抄的 AI 答案，大约每 8 句就有 1 句可能是编的：行业成绩单显示，头部模型摘要幻觉率约 12%。可同样一个模型，有人把错率从 20% 压到 3%。差的不是运气，是 3 个动作。读完直接抄。先别怪 AI"不诚实"，它只是太想让你满意大模型的本质不是"查数据库"，而是"概率续写"：每生成一个字，都在挑"接下去最顺的那一句"。训练时，答不上来就直说"不知道"会被扣分，硬着头皮补全反而得分——于是它养成了"自信地胡说"的惯性。把幻觉理解为"讨好型复读机"而不是"骗子"，接下来的三招才用得上：不是教育它诚实，而是给它一套必须执行的查证动作。第一招：开"免责通道"，让它敢说不知道最高效的一句话，是明确授权它拒绝：如果某个数据你无法 100% 确认来源，直接说"不确定"，并告诉我缺什么信息。不要编造。就这一句，很多模型立刻从"言之凿凿"切换到"谨慎核实"。再加一层，要求置信度分层：每条结论后标注置信度：高（有明确出处）/ 中（推断）/ 低（不确定）。主流模型厂商的反幻觉指南里，第一条几乎都是这个思路：教 AI 说"我不知道"，而不是猜。实测中，加了这句之后，模型更愿意把话说软，而不是硬编。第二招：要"证据锚点"，每句话带出处幻觉率 12% 说明一件事：通顺 ≠ 正确。所以别让 AI"讲道理"，让它"交证据"：每条关键结论后附上来源（链接、文档章节、页码）。给不出就标"待核实"。这一招的妙处在于：有真出处时，它引给你核；没出处时，它被迫投降，标"待核实"而不是硬编。谎话当场现形，比事后追责省一百倍力气。总被 AI 坑的同事，值得把这份清单转发给他。
