减少通义千问幻觉的关键是构建有约束、有依据、有反馈的提示策略：明确任务边界、要求依据支撑、限制输出形式、主动识别不确定性。
☞☞☞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☜☜☜
要减少通义千问编造虚假信息（即“幻觉”），关键不是靠单句提示词“别胡说”，而是构建一套有约束、有依据、有反馈的提示策略。核心思路是：明确任务边界 + 要求依据支撑 + 限制输出形式 + 主动识别不确定性。
要求回答必须基于已知事实或明确标注“未知”
模型常因被默认“应该给出答案”而强行编造。可在提示中设定硬性规则：
- “如果你无法从可靠来源（如我提供的资料、你训练截止前的公开权威信息）中确认该信息，请直接回答‘暂无可靠依据’，不要推测、不要类比、不要补充常识性猜测。”
- “所有涉及数据、时间、人物、政策名称等具体事实，必须能追溯到可验证出处；若无法确认，请如实说明不确定。”
提供上下文或限定知识范围
没有锚点的开放问题最容易引发幻觉。主动给模型“参考系”：
- 附上一段简短可信的背景材料（比如政策原文节选、新闻摘要、技术文档片段），并写：“请仅依据以下内容回答……”
- 限定时间/领域范围，例如：“仅根据2023年12月前中国工信部公开文件，说明XX标准是否强制实施？”
- 对专业问题，可加一句：“你的回答应符合[某学科]主流学术共识，不采纳未经同行评议的观点。”
强制结构化输出，暴露判断过程
让模型“展示思考”，比直接要结论更可控：
- “请分三部分回答：① 我能确认的事实（注明来源类型，如‘来自2024年国家统计局公报’）；② 存在分歧或更新的信息（说明不同说法及出处）；③ 完全无法核实的内容（明确列出并标注‘无依据’）。”
- 对数值类问题，要求同时给出范围和置信依据：“请给出估算值，并说明依据是行业平均值、某机构报告，还是经验推算。”
用否定指令+正向示范组合强化预期
单纯说“不要编造”效果弱，需配合具体反例和正确范式：
- 错误示范（避免）：“XX公司成立于哪一年？——2015年。”（无依据断言）
- 正确示范（要求）：“XX公司成立于哪一年？——据天眼查2024年6月公开信息，该公司注册时间为2018年3月；未发现更早工商记录。”
- 提示中可写：“请严格模仿上述正确示例的表述方式：先说明信息来源，再陈述内容，不添加未声明的推断。”
不复杂但容易忽略：每次提问后，快速扫一眼回答里有没有“可能”“大概”“通常认为”“据传”这类模糊词——它们往往是幻觉的缓冲带。真有依据时，模型其实更愿意写清楚“根据XX白皮书第X页”。
