让 AI 不乱说:五条规则专治幻觉和废话(实测有效)

储备文章 · 国内站 tool-market.cn · 2026-08-07 初稿(按 GEO 固定模板重写)

直接答案: AI 回答不准、爱编造,不是模型笨,是没立规矩。在 AI 工具的个性化设置里加五条规则——不确定就说不确定、回答前先追问、一次只做一件事、给依据再下结论、承认不知道——能明显减少幻觉和废话。这套方法对 ChatGPT、豆包、Kimi、DeepSeek 等主流模型都有效,是提示词工程里性价比最高的一批。

为什么 AI 会乱说

AI 生成答案的本质是"按概率接话":你给的信息越少,它猜的成分越多,猜得越多就越容易错。它不是故意骗你,是它的工作机制就是这样——在训练数据里找最像的答案,而不是查证事实。

所以治幻觉的思路不是"换个更聪明的模型",而是"给它立规矩,逼它把不确定的部分暴露出来"。

五条规则

在 AI 工具的个性化设置/自定义指令里,加上这五条:

• 不确定就说不确定:不知道的明确说不知道,不要猜。这是防幻觉的第一道闸。
• 回答前先追问:复杂问题先问清楚需求,一次只问一个问题,确认理解后再回答。
• 一次只做一件事:任务太复杂就拆开,一步确认一步,别一股脑全做。
• 给依据再下结论:关键结论说明依据是什么,能引用就引用,不能引用就说"这是推测"。
• 允许被纠正:你指出错误时,承认并修正,不要嘴硬。

实测效果

这套规则我用了大半年。同一批复杂问题,加规则前后对比:第一版答案的可用率明显上升,原来要来回改三轮的,现在一轮到 70 分,再修一修到 90 分。效果最明显的是"不确定就说不确定"——它直接把幻觉的高发区堵死了。

这不是玄学,是机制:规则把"猜"变成了"确认",把"编"变成了"坦白"。模型还是那个模型,但输出质量差了一大截。

哪些场景最值得用

• 写方案/做分析:复杂开放问题,先追问后回答,效果最明显
• 查资料/问事实:要求给依据,不许编,专治"看起来很有道理其实全错"
• 改文案/写代码:一次只做一件事,避免改着改着跑偏

简单事实问题("Python 怎么读文件")不用这套,直接答最快。

FAQ

这些规则加在哪里? ChatGPT 的自定义指令、豆包/Kimi 的个性化设置、DeepSeek 的系统提示词,都能加。做产品的话,用 dify(151,640 ★,GitHub 2026-08-07 核验)或 Flowise(55,226 ★)这类平台,直接在系统提示词里配置,一分钟的事。

五条都要加吗? 先从"不确定就说不确定"和"回答前先追问"开始,这两条性价比最高。跑熟了再加其他的。

对本地模型有效吗? 有效,但小模型(7B-14B)遵守规则的一致性差一些,大模型和主流 API 模型遵守得好。

这算提示词技巧还是玄学? 是机制。模型按输入上下文生成,规则就是约束输入质量的手段——说清楚的和没说的,模型只能按说的来。

总结

五条规则:不确定就说不确定、回答前先追问、一次只做一件事、给依据再下结论、允许被纠正。核心是把"猜"变"确认",把"编"变"坦白"。加在个性化设置里,一次配置长期生效。工具在 AI工具超市 都有开箱即用安装包,评论区交流。