防幻觉与事实核查提示入门不难，难的是在复杂任务里稳定发挥。理解原理是关键：大模型会生成看起来很合理但并不正确的内容，例如不存在的引用、错误的数字；通过提示词约束和核查流程，可以降低风险并把剩余错误暴露出来。

幻觉之所以危险，是因为它和正确信息看起来一模一样。防幻觉的思路有两层：第一层是在提问时降低编造概率，比如允许说不知道、限定只用提供的资料；第二层是在使用前把错误找出来，比如标注来源、交叉验证。两层缺一不可，任何提示词都不能保证百分之百准确。

技巧 1：对数字类信息

对数字类信息，要求 AI 写出计算过程，便于你复算。做到这一点，结果的稳定性会明显提高。

技巧 2：使用联网搜索时

使用联网搜索时，优先打开官方网站、原始文件等一手来源。做到这一点，结果的稳定性会明显提高。

技巧 3：把核查清单固定下来：数字、日期、人名、引用、因果

把核查清单固定下来：数字、日期、人名、引用、因果。适合在任务较复杂或要反复使用时采用。

技巧 4：对专业领域的问题

对专业领域的问题，把 AI 的回答当作提问清单，再去咨询专业人士。适合在任务较复杂或要反复使用时采用。

技巧 5：在对外内容中保留核查记录

在对外内容中保留核查记录，出问题时可以追溯。做到这一点，结果的稳定性会明显提高。

一个进阶场景

举个虚构的例子：一位研究生让 AI 帮忙写文献综述，初稿引用了五篇论文。他逐条去学术数据库检索，发现其中两篇根本不存在，另一篇作者对得上但年份错了。之后他改为先自己检索真实文献，再让 AI 只根据他提供的摘要写综述，问题不再出现。

核查太费时间怎么办？ 按风险分级，对外发布和用于决策的内容严格核查，内部草稿可以抽查关键信息。

进阶模板

下面的模板综合了以上技巧，可以按科研人员等不同场景替换内容：

请对下面这段文字做事实核查：
1. 逐句列出其中包含的可核查声明（数字、日期、人名、机构、引用、因果关系）；
2. 对每条声明给出：可核查性（可/难）、需要查证的来源类型、你对其准确性的初步判断及理由；
3. 标记最可能出错的 3 条，按风险排序；
4. 不要假装已经核实，你的判断只是初步意见。
文字：[粘贴]

进阶使用时仍要避免

  • ✗ 把核查责任交给 AI 自己。 ✓ AI 的自查有帮助，但最终核实要依靠原始来源。
  • ✗ 只核查一次就放心。 ✓ 重要内容至少通过两个独立来源交叉验证。

可以组合的技能

  • 引用核查：引用核查是在使用 AI 辅助研究和写作时，系统地验证文中引用的文献、数据和观点是否真实存在、是否被准确引用。
  • 联网搜索问答：联网搜索问答是让 AI 助手先检索网络上的最新信息，再综合整理回答，并附上来源链接。

给团队用的建议

如果要把防幻觉核查推广给团队，先挑两三个效果最好的写法做成示范，附上前后对比。比起讲原理，同事更容易被具体效果说服。

相关阅读