首页/AI/RAG 与向量库速查/忠实度约束与少幻觉写法

忠实度约束与少幻觉写法

降低幻觉的工程组合:提示词要求“先摘录后归纳”、明确允许回答不知道、回答后做引用校验;对高风险领域再加一道「答案与片段一致性的自动检查」。

RAG 与向量库速查AI更新于 2026-10-13

忠实度约束是什么

降低幻觉靠的不是一句「不要编造」,而是一组工程手段:提示词要求先摘录原文再归纳、明确允许回答不知道、回答后做引用校验,高风险领域再加一道自动一致性检查。核心思路是把答案的每一句都锚定到检索片段上,让没有依据的句子无处藏身。

基本信息

目标答案的事实性陈述都能被检索片段支撑
手段摘录式提示词、拒答出口、引用编号、一致性校验
度量忠实度类指标(如 RAGAS faithfulness)
注意忠实度衡量有据可依,不等于事实正确

先摘录后归纳的指令示例

先摘录后归纳的指令示例
步骤:
1. 从【上下文】中摘录与问题相关的原句(保留编号);
2. 基于摘录组织答案;
3. 摘录无法支撑的问题部分,不写入答案。

一致性检查(复核)

一致性检查(复核)
给定【答案】与【片段集合】,逐句判断答案中的事实性陈述是否有片段支撑,输出不支撑的句子清单。

组合手段

  • 先摘录后归纳:强迫模型引用原句,减少凭印象组织语言的空间
  • 给出拒答出口:明确写出信息不足时的固定话术,模型才有台阶可下
  • 逐句标注引用:答案里每个事实点对应片段编号,方便人工抽查
  • 回答后自动复核:用另一次调用检查每句是否有片段支撑
  • 数字与条款二次核对:金额、期限、版本号单独提取比对,不做笼统处理

幻觉类型与对策

类型典型表现对策
无中生有上下文没提到却给出具体数字摘录式提示词 + 拒答出口
张冠李戴把两份文档的内容混在一起逐句标注引用编号便于回溯
过度概括把特例说成通用规则要求引用原句,限制改写幅度
时效错乱引用已废止的版本检索时按生效日期过滤并保留版本字段
忠实度类指标(如 RAGAS 的 faithfulness)就是这条检查的自动化版本,可先离线跑评测分级,再决定是否需要在线上实时执行。

易错点

  • 只靠提示词不加校验,模型在诱导性问题下仍会编造
  • 校验模型与生成模型同源,系统性偏差难以被发现
  • 上下文本身有错,忠实度表现良好但答案与事实不符
  • 没有拒答出口,模型在检索为空时仍然给出一个像模像样的答案

数据来源与参考

  • RAGAS 官方文档(faithfulness 指标)
  • Ji et al., Survey of Hallucination in Natural Language Generation (ACM CSUR 2023)
​‌‌​​‌​​​‌‌​‌‌‌‌​‌‌​​​‌‌​‌‌‌​​‌‌​​‌​‌‌‌​​‌‌‌​​​‌​‌‌​‌​​‌​‌‌‌​​​‌​‌‌​‌​​‌​‌‌​​​‌‌​‌‌‌​‌​​​‌‌​‌‌‌‌​​‌​‌‌‌​​‌‌​​​‌‌​‌‌​‌‌‌‌​‌‌​‌‌​‌