秦始皇未用过手机，因手机是现代电子设备；ChatGPT会虚构伪考证文章，因其仅按概率预测文本而非验证事实，需通过三步法识别幻觉并用三种技巧对抗。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
当你问ChatGPT“秦始皇用过哪款手机”，它不回答“我不知道”，而是生成一篇带参考文献编号、语气笃定、逻辑闭环的伪考证文章——这种虚假确定性正是你需要立刻识别并打断的操作风险。
理解它的“胡说”不是失误，而是设计
ChatGPT生成文本时，每输出一个字都基于前文所有字的概率预测，它没有“知道”或“不知道”的判断机制，只有“哪个字接下去最像人类写出来的”这一条路径。模型训练目标是拟合语言统计规律，不是校验事实真伪。
它不会主动说“这个我查不到”，因为训练数据中几乎不存在这类谦辞样本；相反，“根据权威资料”“多项研究表明”“有文献指出”这类高置信度开场白在学术语料中高频出现，模型会本能复刻。
【它不撒谎，它只是从不验证】——这是所有后续操作的前提，必须刻进操作直觉里。
三步定位幻觉高发区
第一步：检查回答中是否出现具体年份+机构名+人名+文献编号（如“《自然》2023年第4期第112页”）
第二步：对其中任意一项，在Google Scholar或知网用引号精确搜索全句，不加任何修饰词
第三步：若零结果，立即停用该信息；若结果存在但上下文完全不符，说明模型做了跨文档拼接，同样不可采信
用于在用户想通过浏览器自动化与 Google Gemini 或 ChatGPT 交互时。触发短语包括“ask Gemini”“ask ChatGPT”“ask GPT”“让...”。
对抗虚假确定性的实操技巧
方法一：强制它暴露不确定性
在提问末尾加上固定后缀：“如果不确定，请直接说‘暂无可靠依据’，不要编造。”测试表明，该指令可使幻觉率下降约35%，但仅对GPT-4及更新版本有效，旧版响应不稳定。
方法二：拆解式追问
不问“登月第一人是谁”，而分三轮问：① 阿波罗计划首次载人登月任务代号是什么？② 该任务指令长姓名？③ 该人是否为首次踏上月球表面者？每轮只接受单一名词或短语回答，跳过解释性内容。
方法三：反向锚定法
先提供一条公认事实作为锚点，再要求推理：“已知尼尔·阿姆斯特朗于1969年7月20日登月，请推导出他当时佩戴的宇航服型号及其制造商。”模型若开始编造“苏联仿制版”或“NASA未公开型号”，即触发幻觉警报。
