为什么大模型会说胡话 如何解决

用模型干活时最怕它一本正经地编：编文献、编接口、编价格。这篇不重复讲幻觉定义，直接讲怎么判断这次胡说属于哪一类，然后按提示层、检索、参数、输出校验四步改，什么情况下改提示也没用、该换模型或加环节。

用模型干活最怕的不是它不会，是它一本正经地编：编文献、编接口、编价格，语气还特别笃定。这篇不解释幻觉是什么，直接讲怎么判断这次胡说属于哪一类，然后按提示层、检索、参数、输出校验四步改。哪些情况改提示有用，哪些情况改了也白改、只能换模型或加环节，后面单独说。

先把一个预期摆正：模型不会因为你说「别编」就真的不编了，它是按概率往下接话的，拦住它的是结构和材料，不是态度。所以你调的不是「让模型更诚实」，而是「让它没机会填空、有空查证、错了能被挑出来」。这三件事分别对应提示层、检索层和校验层，缺一层就会漏。

先分清三类胡说：不会、不想、被逼

同一句胡话，成因不同，解法完全不一样。上来就改提示是常见误区：模型根本没这个知识，你把提示写得再温柔它也编；模型知识够但你逼它必须给结论，它也只能凑。先花两分钟做归类，比盲目调半小时划算。

不会

知识没覆盖，或者覆盖的内容过时了，模型只好用语言直觉拼一个「看起来像」的答案，这类错误通常错得很流畅且稳定。

不想

模型没被明确要求说不知道，它把「答得顺」当成「答得对」，遇到边界问题不踩刹车直接往前开。

被逼

提示里带了预设前提、要求固定格式、必须给结论，模型为了把空填满而编，换个人来答也难受。

判断方法就一个思路：制造扰动，看答案漂不漂。换个问法、去掉「是不是」「对不对」这类引导、要求它先列证据再下结论，如果答案跟着变，大概率是被逼或不想；如果答案稳稳地错，换几种问法都一样，那基本就是不会，属于知识或能力盲区。

提示层：把边界和退路写进提示

提示层能做的是两件事：给退路、拆前提。退路是明确告诉它可以说「不确定」「需要查证」，并给出具体句式，别只说「不要编」，那句话没有可执行的动作。拆前提是让它先复述它理解的事实和假设，你确认没跑偏，再让它往下答。很多胡说其实是一开始就理解错了题。

• 给句式：比如「若材料不足，请只输出『无法确认』并说明缺什么信息」，把退路写成可执行的格式；
• 先复述后排雷：让它用一两句复述问题里的前提与假设，你扫一眼有没有被它偷偷补全；
• 依据优先：要求先说依据、再说结论，没依据的结论自己标成待验证，而不是藏在一堆漂亮话里；
• 分开放：事实性问题与创作性要求分两次问，混在一起它会用创作的自由度去答事实题；
• 加一道自检：让它答完再自评哪些部分把握低，只用来降低漏检，不能当成正确性证明。

适用边界要说清楚：事实抽查类问题，比如「这个接口参数是什么」「这个政策怎么规定」，加这些约束效果很明显；开放创作类，比如写文案、起标题、编故事，别硬塞「无依据不许说」，会把回答写得又干又僵，反而更难用。该放开的地方放开，是调提示的一部分。

检索兜底：让它读材料而不是靠记忆

知识边界外的问题，提示救不了，只能喂材料。把权威文档、规格表、政策页切成块放进上下文，明确要求「只依据给定材料回答，材料里没有就说没有」，然后要求答案带出处片段编号。这一步的价值不在让模型变聪明，而在于把「它记不记得」换成「材料里有没有」，前者你没法查，后者能回查。

1. 筛源只放一手材料：官方文档、原始规格、盖章文件。二手转述、论坛问答、几年前的博客先剔掉，旧材料会制造更隐蔽的错误。
2. 切块并编号按语义段落切，给每块一个可引用的编号，块别太大，一块塞三四个主题进去，模型引用时会对不准。
3. 限定作答范围提示里写明只依据材料作答、结论后标注引用的块编号，材料没有覆盖的问题直接说无法确认。
4. 回查抽几条答案顺着编号回原文看一眼，编号对不上或原文意思被扭曲，说明切块或提示有问题，先修材料再修提示。

不适用的情况也得说：材料本身是吐槽帖、竞品软文、互相矛盾的问答时，模型会把噪声当事实，而且引得很像那么回事。这时候问题不在模型，在源没筛干净。检索是放大器，源不对，放大的是错误。

参数与模型：调什么、什么时候该换

参数里对胡说影响最直接的是随机性那一项，调低它对事实类问答有帮助，答案更收敛、更少即兴发挥；但对创意写作会明显变呆，句式重复、想法平庸。所以别全局调低，按任务分开用。另一个常被忽略的是上下文长度：往窗口里塞一大堆无关材料，注意力会跑偏，先精简再追问，比堆料有效。

做法很土但有效：同一份提示，换一到两个模型对照跑。如果稳定错的题在每个模型上都错，那是能力盲区，不是调法问题，认了换方案；如果只有某一个模型错得离谱，先怀疑渠道。参数术语各家叫法和默认值不一样，别凭记忆写，去 /ai-dict/category/tips 对一遍再改。

输出校验：把不确定的挑出来

前面几层都是降低出错率，这一层是兜底。思路是把「整段对不对」拆成「哪几处必查」：数字、日期、链接、人名、接口名和参数名、引用来源。这几类错代价最高、也最好查，逐项过一遍比通读全文有效得多。自我核查那一步可以让模型做，但只当降低漏检率的手段，不能当正确性证明——它检查自己的答案，等于让考生自己阅卷。

• 数字与单位：价格、比例、限额一律回原始页面核对，别信模型复述的数字，站内价格类数据到 /price-watch 看当时的数字；
• 链接与引用：逐条点开，编出来的文献往往有像模像样的作者和标题，就是查不到；
• 接口与参数：以官方文档为准，函数名、参数名、默认值最容易张冠李戴；
• 关键业务加规则校验或人工抽检，抽检比例按出错的后果定，后果越重抽得越密；
• 工具辅助：/tools/quality-check 做基础质量抽查，/tools/quality-monitor 做持续观察，两者看的是趋势，不是给你一个「合格」结论。

校验环节的常见错误是把它做成形式：抽一条过了就说整体没问题。更稳的做法是按风险分档，高风险内容全查，中风险抽样，低风险只看趋势。校验的目的是让你知道哪里不确定，而不是拿到一个放心的理由。

按场景套用：客服、代码、报告、长文

不同场景的胡说长得不一样，套用同一套办法效果打折。下面这张对照表可以直接拿去用，左边是你干的活，右边是先加哪道闸。

代码场景值得多说一句：编接口名是重灾区，因为语法通顺、命名习惯也对，看代码时不跑根本发现不了。要求它引用仓库里已有的函数签名，配合跑一遍测试，能把这类问题拦在合并之前。客服场景相反，重点是别让它「灵活」，宁可答得死板也别答错政策。同一套模型，闸门位置不同。

什么情况调提示也救不回来

有三种情况别再折腾提示了。一是知识边界外又没有材料可查，任何提示都只是让它更会编，编得还更自信。二是任务本身超出了它的能力，比如精确计算、实时价格、内部业务数据，该换工具、换检索、换人来做。三是渠道本身有问题，模型被换过或降级，你怎么调都不稳。

判断渠道有个简单标准：同一份提示，在官方接口和当前渠道上表现差得离谱，先查渠道再查提示。别一边怀疑自己提示写得烂，一边在一个不可靠的通道上反复试。先用 /tools/verify 做一次在线实测，确认接口背后是不是你以为的那个模型，再回来调提示。