企业官网建设流程全解析

别让AI胡说八道：5个一看就懂的防幻觉技巧

《提示词修炼手册：从会问到会用》第8篇 | 系列共14篇

摘要

AI会用非常自信的语气编造看起来合理却不存在的内容，这就是"AI幻觉"。本文梳理幻觉高发的场景（数据、人名、法律条款等），给出5个防御性提示词技巧（要求标注来源、允许说不知道、分步验证、交叉提问、自我检查），并提醒：AI的回答是参考，不是事实本身的保证。

一个真实会踩的坑

你：帮我介绍一下《XX公司2023年年报》里提到的营收数据

AI：根据年报，该公司2023年营收达到28.6亿元，同比增长15.3%……

听起来言之凿凿，数字精确到小数点。问题是——如果你没有把年报原文给AI，它手里根本没有这份年报，这些数字是编出来的。

这种现象有个专业名字叫"AI幻觉"（Hallucination），通俗点说就是：AI会用非常自信、非常流畅的语气，编造出看起来合理但实际上不存在或不准确的内容。

它不是故意骗你——还记得第1篇讲的本质：AI是"概率续写机"，当它没有真实依据却被要求给出具体答案时，它会生成"统计上最可能出现的内容"，这种内容往往"长得很像真的"，但未必是真的。

幻觉最容易出现在哪些场景

• 具体数据/统计数字（营收、人数、百分比）
• 人名、职位、时间（谁说的、什么时候发生的）
• 法律条款、政策细节（容易编造出"听起来合理但不存在"的条款）
• 引用来源（AI可能编造一个根本不存在的"参考文献"或"报道链接"）
• 专业领域的冷门细节（越冷门，AI越容易"自信地编"）

一个简单的判断标准：越具体、越需要"查证"才能确定对错的信息，幻觉风险越高。

5个防御性提示词技巧

技巧一：要求提供信息来源

请回答以下问题，如果涉及具体数据或引用，请说明信息来源；如果你不确定来源或无法验证，请明确说明"这是基于常识的推测，未经验证"。

这句话的作用，是逼AI把"确定的信息"和"推测的信息"分开标注，而不是混在一起、都用同样自信的语气说出来。

技巧二：允许它说"不知道"

如果你对这个问题没有足够确定的信息，请直接说"我不确定"，不要为了给出完整答案而编造内容。

很多幻觉的根源，其实是AI被训练得"倾向于给出一个完整答案"，而不是"承认不知道"。明确授权它可以说"不知道"，能显著降低编造行为。

技巧三：分步骤验证

对于重要的事实性问题，不要只问一次，而是追加验证：

[AI给出答案后] 请重新检查你刚才的回答，如果其中有任何数据或事实是你无法100%确认来源的，请标注出来。

这招相当于让AI自己"回头检查作业"，很多时候能揪出第一次回答中的可疑内容。

技巧四：交叉提问

针对关键信息，换一个角度重新问一次，看两次回答是否一致：

原问题：XX公司的创始人是谁？
交叉验证问法：请列出XX公司的核心团队成员和他们各自的背景。

如果两次回答中关于"创始人"的信息互相矛盾，说明这条信息本身不可靠，需要你自己去查证真实来源。

技巧五：让AI自我检查（苏格拉底式反问）

在给出最终答案前，请先问自己：这个回答中有没有任何部分是我在"猜测"而不是"确定知道"的？如果有，请标注出来再给我完整答案。

这是一种"元认知"提示——让AI在生成答案的同时，也生成一份"对自己答案的可信度自评"。

哪些场景风险最高，必须格外小心

一条简单的判断法则：如果这条信息错了会造成实际后果（决策失误、法律风险、对外发布的错误数据），一定要用上面的技巧做二次验证，绝不能直接采信AI的一次性回答。

避坑提醒：不要用"AI说的"当作最终依据

无论用了多少防御技巧，都要记住一条底线：AI的回答是辅助判断的参考，不是事实本身的保证。涉及对外发布的重要数据、法律文件、专业结论，最终都需要人工核实原始来源。

下一篇预告

前8篇都是面向日常场景的内容，从下一篇开始，我们进入"进阶专区"——如果你需要处理长文档、使用AI Agent、写代码或者构建对外服务，接下来5篇会更偏技术向。如果你只是日常使用AI聊天办公，也可以直接跳到第14篇看系列总结。

下一篇《长文档不丢记忆：长上下文管理与分段提示策略》🔧，讲讲为什么AI处理长文档时会"读到后面忘了前面"，以及怎么应对。

本文是《提示词修炼手册：从会问到会用》系列第8篇，共14篇。
11.3