课前导读
AI 说得再流畅、再自信，也可能是在胡说。它胡说的时候语气和说真话一样，所以 HR 必须养成核实习惯。
教学正文
先搞懂：AI 为什么会编，而且编得那么像
把 AI 想象成一个接话茬的高手：你说上半句，它接下半句——接的标准不是"什么是真的"，而是"什么词接在这里最像人会写的"。它读过海量人事政策、法律文书，所以接出来的话术语标准、结构工整，像极了真的。
这就是"幻觉"的机制：它不是在撒谎（撒谎需要知道真相），它是在补全。训练数据里没有你们公司的制度、没有最新的法规修订，它就用"最常见的写法"把缺口填上——填得越顺，你越难察觉。
还有一层：很多 AI 的训练方式奖励"给出答案"，而不是奖励"承认不知道"。所以它宁可猜，也很少主动说"我不确定"。除非——你明确允许它这么说。这个"允许"就是本节课要教你的核心动作。
HR 最容易中招的四个场景
① 法律条文：它会写出"根据《劳动合同法》第X条第X款"，格式完美——但条款可能不存在，或内容被简化到失真。真编号配假内容，比全编更危险。
② 公司制度：你没上传制度原文，它就按"大多数公司怎么写"补一份。答案合理，但不是你们公司的。
③ 候选人判断：从简历关键词推断"此人抗压能力强"——那是星座分析，不是评估。它没见过这个人。
④ 来源链接：它能生成看起来完全合法的报告名和 URL，点开却是 404。凡是重要数据的来源，必须亲手点一次。
跟我做：10 分钟防幻觉实验（用 Kimi）
这个实验做完一次，你对 AI 的信任边界就校准了。准备一份不含员工个人信息的制度片段（比如考勤管理办法）。
- 打开 Kimi（kimi.com），新建对话，上传这份制度文件。其他能传文件的 AI（豆包/通义）同样适用
- 先立规矩，输入：「你只能基于我上传的文件回答。每个答案必须引用原文依据。文件没有写的内容，回答『材料未提供』，不得补充常识。」这句就是防幻觉口令，值得存进你的常用语
- 问一个文件里有答案的问题，比如「迟到多久算旷工？」——它应该引原文回答。
- 再问一个文件里没有的问题，比如「员工怀孕期间能不能调岗？」——这一问才是实验的重点。孕产话题它最爱用"常识"填空，正好测试
- 看它的反应：老实说「材料未提供」= 及格；开始背劳动法常识 = 你亲眼见证了一次幻觉。
- 最后让它把刚才的问题分成「有依据 / 无依据」两栏输出——这个输出格式以后可以直接用在正式工作里。
对照：好回答 vs 坏回答长什么样
问「员工拒绝调岗能否解除合同」，坏回答是一段法言法语齐全的引用：「根据《劳动合同法实施条例》第二十六条，员工无正当理由拒绝调岗的，视为严重违反规章制度……」——后半句是编的，但你看不出来。
好回答长这样：把「法条原文」和「我的解读」分开标注，结尾主动写「具体适用建议咨询法务」。这个格式不会自动出现——要你在提问时要求：「回答时把法条原文和你的解读分开标注，不确定的明确说不确定。」
完整的抓包过程（三步 30 秒识破一次编造）在本页底部「深入一层」里，学完这节强烈建议看。
多轮对话会"忘规矩"：聊得越长，它越可能丢掉你开头立的约束。关键任务每一轮都把「只用材料、无依据就说无依据」重复一遍。
越精确的数字越可疑：「行业平均离职率 18.7%」比「离职率偏高」更像幻觉——精确感是它模仿出来的，不是算出来的。
配套视频演示
央视新闻 · 覆盖 S1-4 · AI幻觉科普（权威来源）
为何AI总会一本正经地胡说八道？
自测
1AI 编造内容时，语气和说真话时有区别吗？为什么？
没有区别。它的机制是预测"最像人写的下一个词"，编造和真话走的是同一条生成路径，所以流畅度和笃定感完全一样——这正是不能用"听起来可信"来判断的原因。
2看到「根据《劳动合同法》第X条」这类回答，你的第一个动作是什么？
把法条编号丢进官方渠道查原文对照——注意不只查"编号存不存在"，还要核对"内容对不对"，因为真编号配假内容是最危险的编造形式。
3什么情况下「材料未提供」是你最想看到的答案？
当你用制度/合同等材料问它问题时。它承认材料里没有，说明约束生效了；它顺畅地给出答案反而要警惕——那可能是用"常见写法"补的，不是你们公司的规定。
小结
- 幻觉不是撒谎，是"预测下一个词"机制的天然产物——流畅度与真实度无关
- 法条、制度、候选人判断、来源链接是 HR 的四大高危场景
- 防幻觉三件套：给材料、立口令（只用材料+允许说不知道）、要出处
- 重要输出永远人工复核——AI 帮你准备判断，不替你做判断
实操落点
- 输入：请引用德鲁克在《管理的实践》中关于目标管理的原话，并注明页码。
- 再加一句：如果你不确定具体原文或页码，请明确说明。对比两次回答。
深入一层 · 实战演练与研究依据
样品：一次编造法条的实测（含抓包全过程）
你现在就能复现。问：「员工拒绝调岗，公司可以直接解除劳动合同吗？请引用具体法条。」
一个真实典型的坏回答会说：「根据《劳动合同法》第四十条第三款，劳动合同订立时所依据的客观情况发生重大变化……用人单位可以解除。另据《劳动合同法实施条例》第二十六条，员工无正当理由拒绝调岗的，视为严重违反规章制度……」看起来无懈可击，法条编号、条款结构、法言法语全齐。
问题：第一段确有其条，但适用条件被简化到失真（「客观情况重大变化」有严格前提，普通调岗够不上）；第二段「视为严重违反规章制度」这半句是编的，实施条例里没这个表述。HR 拿这段去操作解除，大概率吃违法解除的仲裁。
幻觉不是坏心眼，是机制
Google Cloud 把幻觉定义为模型生成不正确或误导性信息，原因包括训练数据不足、偏差、错误假设和缺少 grounding，模型可能生成不存在的链接、错误事实或貌似合理的虚构内容。OpenAI 进一步指出，部分评测机制其实在奖励「猜答案」，而不是奖励模型承认不确定——不确定时猜一个反而更容易得分。
所以「开启深度思考就不会幻觉」是错的：深度推理可能让答案更完整，也可能把一个错误前提推得更像真的。中国信通院 2025 年启动的「可信 AI」大模型幻觉评测把幻觉分成事实性幻觉和忠实性幻觉，还建了中文样本集——说明这已经是国内应用的正式议题，不是个别现象。
抓包动作三步，30 秒现形
一，追问：「请逐条说明这些法条的原文是什么？哪些是你的推断？」编造的部分往往这一步就开始「修正」自己。二，把它给的法条编号丢进官方渠道搜原文对照。三，换个问法再问一遍，两次答案对不上的地方就是重灾区。
两个更隐蔽的坑：只核对法条编号存不存在、不核对内容对不对——AI 常引真编号配假内容，这比全编更危险；以及直接拿 AI 的回答去答复员工——法律相关输出永远只当研究起点，不当答复依据。
再深一层：把「材料未提供」训练成最爱看的答案
可直接抄的防幻觉 prompt：「你只能基于我上传的文件回答，每个结论后标注『依据：原文第几条』。文件没写的内容一律回答『材料未提供，建议咨询 HR/法务』，不得引用外部法律、常识或你的推测。」
更深一层是 RAG 加引用校验：先检索相关片段再让模型基于片段回答，引用校验则检查答案是否真被片段支持。别忘了 AI 在多轮长对话里会忘约束，每轮关键任务重复一遍「只用材料、无依据就说无依据」。
- Google Cloud《What are AI hallucinations?》，2025
- OpenAI《Why language models hallucinate》，2025
- 中国信通院《可信 AI 大模型幻觉评测》相关报道，2025