减少幻觉：给资料、要引用

先分清两种错

类型	表现	根因	对策
知识错	讲原理、讲历史时编细节	训练数据里没有或记错	换更强的模型，或自己给资料
材料错	你给了文档，它答的和文档不符	没读到、读漏了、或自己补了	检索 + 引用 + 校验

多数业务场景属于第二类：模型不是不知道，是没看到，或者看到了却按「常识」补全。

动作一：限定材料

在系统提示里写清边界：

只使用 <material> 标签内的信息回答；材料里没有的，写「材料未提及」。 不要用材料之外的知识补充。

加上「不要用外部知识」这一句，比只说「根据材料回答」有效。

动作二：要求引用

每个结论后面标出来源片段（文件名 + 原文一句）。

引用有两个作用：

1. 逼模型先找到原文再下结论；
2. 让你能在 30 秒内核对，而不是通读全文。

动作三：给「不知道」留出口

如果输出结构只允许「答案」，模型就只能编。给它一个合法出口：

{ "answer": "...", "evidence": ["..."], "missing": "材料未提及的部分" }

missing 字段的作用是把「不知道」变成正常返回，而不是失败或幻觉。

再加一层：检索

材料太长时，整篇塞进去，模型对中段的利用会下降。 先检索出最相关的几段再注入（见最小 RAG）， 命中率通常比整篇更好。

验证方法

准备 10 条问题，其中 3 条故意问材料里没有的内容：

• 如果模型对那 3 条也给出了肯定回答，说明你的边界没生效；
• 正确行为是回答「材料未提及」。

这比测「答对了多少」更能暴露问题。

常见错误

• 「请准确回答」：没有可执行动作，等于没说。
• 只给资料不给引用要求：模型仍可能凭印象总结。
• 没有 missing 字段：模型被迫在「编」和「空着」之间选。
• 温度调到 0 就以为不会编：幻觉主要来自信息缺失，不是采样随机。

自测

1. 你的场景里，幻觉是知识问题还是材料问题？
2. 那 3 条「材料里没有」的问题，你的系统会怎么答？

下一步

• 概念：幻觉
• 检索方案：搭一个最小可用的 RAG
• 模板写法：提示词模板