一句顺滑的答案
夜里改方案时，有人让模型整理访谈记录。它给出条理清楚的摘要，还补上一句“用户对交付周期有顾虑”。翻回原文，没人提过交付周期。这句话不突兀，甚至符合会议气氛，却并非材料里的内容。类似时刻，很多人会在此刻意识到，模型幻觉不只是“答错题”，它更像一种顺滑的补全。
它不是撒谎，而是在补全
语言模型按上下文预测接下来更可能出现的词句。它擅长把碎片组织成通顺文本，却不会天然知道哪句话有出处。于是，当材料不足、问题含糊或格式要求很强时，模型可能用看似合理的细节填缝：一个时间、一处因果、一段并不存在的引用。语气越稳，越容易被当成事实。
风险往往不在答案本身
单次错误可以改。麻烦的是，顺滑文本会改变人的检查习惯。摘要被直接转发，表格被复制进汇报，代码注释被当作依据，之后才有人追问“这句话从哪来”。这时，模型幻觉已经从一个输出问题，变成流程问题：谁生成、谁核对、哪类内容必须回到原始材料，缺少明确分工，错误就容易穿过环节。
另一个容易被忽略的边界是任务类型。写头脑风暴、改写语气、生成提纲，本就需要模型“补全”；查事实、引原文、算约束条件，则应尽量收窄自由度。把两类任务混在一个提示里，等于让模型一边创作一边作证，出错并不意外。
把“不知道”留出来
实践里，减少模型幻觉不靠一句“请准确回答”就能解决。可行的做法，是把核验前置，也把不确定性留出来。
- 对事实型问题，要求回答只基于给定材料，并标出对应片段；材料没有，就明确说无法判断。
- 把关键字段拆出来单独核对，比如人名、时间、条件、数量，不让它们淹没在长段落里。
- 在流程中保留人工确认点，尤其是对外发布、对外承诺或影响决策的内容。
- 评估时除了看文字是否通顺，也看无出处断言的比例，以及模型是否愿意承认信息不足。
这些动作不新鲜，难点在坚持。模型越像一位能干的同事，人越容易省略核对；而流程的价值，恰在于不把信任交给语气。允许模型说“不知道”，并不会削弱它的用处，反而让可用与不可用的边界更清楚。
把信任放在可验证处
模型幻觉不会因为一次提示词升级就消失。它更像使用生成式工具时必须承担的背景噪声。企业真正要设计的，不是让模型永不犯错，而是让错误在到达客户、决策和公开页面之前，有机会被看见。顺滑答案可以节省起草时间，但事实落地的那一段，仍要由可追溯的材料和明确的责任来完成。