- 开放
- 周二至周日 09:30–17:00
- 场次
- 穹幕电影每天 14:00 开场
- 年龄
- 穹幕电影限 10 岁以上观众
服务说明整份手册没有“儿童耳机租赁”。
AI 与提示 · 知识与检索
幻觉Hallucination
幻觉是模型生成看似合理却无可靠依据的内容。识别它要回到原始资料检查具体断言；有冲突就纠正，缺证据就拒答、追问或检索补证，而不是继续补得更像真的。
一张旅行问答，究竟编了哪两件事？
AI 给 8 岁孩子规划天文馆行程：开放日和场次是真的，入场年龄却与手册冲突，耳机租赁则完全查无。对照原始资料，再把同一张回答按证据恢复。
这是一张准备发给家长的旅行问答。它语气笃定、时间具体，但“具体”不代表真实；用户要回到原始资料，找出回答究竟编了什么。
可以，天文馆周二开放，14:00 有一场穹幕电影。
8 岁孩子可以正常入场。
现场还可以租儿童耳机。
下一步：查原资料先看这张像模像样的旅行建议，再对照原始参观指南。重点查名字、数字、条件和额外服务。
从这张回答记住四件事
面板先让错事实在原回答上现形，这里只给刚才看到的现象命名。
- 流畅不是证据回答有完整行程、具体时间和自然语气，仍可能把概率上“像真的”内容补成事实。
- 幻觉既可能冲突，也可能凭空出现“8 岁可入场”撞上 10 岁以上限制；“儿童耳机租赁”则在手册里完全不存在。
- 越具体，越要回查专有名词、日期、数字、版本、资格条件、引用和额外服务，都是用户能从原对象快速检查的高风险点。
- 恢复不是换一种自信说法有证据的保留，冲突的纠正，缺证据的明确说不知道、追问或继续检索。
什么时候要警惕
当回答会影响下一步行动，又出现难以凭常识确认的具体事实时，优先怀疑并核验。
例如 API 名、版本号、开放时间、年龄限制、费用、论文标题和链接。格式越像真的，越不能跳过原资料。
库存、账户、内部政策、医疗、法律、金融等信息需要可靠数据源与人工边界；一句“模型很确定”不是证据。
怎么用：从识别到恢复的最短路径
沿用面板里的旅行回答，把一次核验压缩成四步。
- 1圈出可验证断言先找专有名词、数字、条件、引用和额外服务，不用先判断整段好坏。
- 2回到原始资料逐条找支持、冲突或缺失；引用必须真的能打开并指到对应内容。
- 3选择恢复动作有据就保留，冲突就纠正，缺资料就拒答、追问或检索补证，不能伪造一个“差不多”的来源。
- 4在同一对象上复查确认改写后的回答不再保留原错事实，用户也看得出哪些已证实、哪些仍未知。
正反例：同一份手册，只改缺证据后的动作
两份回答看到的原始资料完全一样，差别只在发现冲突与缺失后怎么处理。
明确 10 岁以上限制；手册没写儿童耳机，就建议向场馆确认。家长不会带不符合年龄的孩子白跑一趟。
仍写“8 岁可入场、现场可租耳机”，甚至再编一个客服电话。回答更完整了，但每多一个无据细节就多一个误导。
快速自测
AI 给出一个听起来很正规的场馆客服电话，但官网和参观手册都找不到。下一步最稳妥的是？
继续查证
术语的技术定义和行为以这些一手或权威资料为准。
下一步学
和本知识点经常一起出现的概念。