课前导读
AI 不仅会幻觉，还会偷懒。正式工作中要用提示词主动要求来源、完整性和自查。
教学正文
幻觉和偷懒是两种病，得分开治
AI 有两个让人头疼的毛病，像两种不同的病，药也不同。"幻觉"是它一本正经地编——编法条、编制度、编来源，语气跟说真话一样。"偷懒"是你感觉它敷衍了——回答变短、套话变多、忽略你的要求、分析变浅。注意"偷懒"不是它真有情绪，而是任务太大、约束打架、上下文太长或目标不清时，你感受到的那种"缩水"。
两种病根子不同。幻觉来自"它优化的是像不像、不是真不真"，缺依据时就用最常见的写法填空。偷懒来自任务超载或指令太松，它就挑最省力的路走。根子不同，所以不能用同一句"你认真点"糊弄过去——那既治不了编造，也治不了敷衍。
两种病，两套可验收的药方
治幻觉：给资料、限来源、要引用、允许它说"不知道"。核心是把它从"凭记忆答"逼回"凭材料答"。
治偷懒：拆任务、定格式、规定最低条数和质量标准、让它先列计划再执行。核心是把"详细一点"这种没法验收的话，换成"每个结论必须有依据、至少列 5 条风险、每条含原因和避免方法"这种能一条条数的硬指标。记住铁律：别用情绪化指令（"认真点""别偷懒"），要用可验收指令。AI 不理解情绪，但能执行"至少 5 条、每条带依据"。
跟我做：给高风险任务加一道'双重防线'
目标是让一个 HR 回答既不编、也不敷衍。拿"根据员工手册回答请假问题"练。用 DeepSeek 或 Kimi，约 15 分钟。
- 打开 DeepSeek 或 Kimi，上传员工手册（脱敏），新建任务。
- 第一层防幻觉：「只基于我提供的材料回答。材料没写的，回答"材料未提供"。」
- 第二层防偷懒：「回答必须含四块：直接答案、原文依据、风险提醒、需人工确认的问题；每块不少于 2 条，不许只写一句概括。」"每块不少于 2 条"就是把"详细点"变成可数指标
- 拿到输出后让它自查：「自检：有没有无依据的推断？有没有漏掉我的格式要求？用表格列出来。」让它自己揪问题，比你逐字对着挑高效
- 若有问题：「在不引入任何新事实的前提下修订。」——这句挡住它"边改边编"。
- 预期看到：一份带原文依据、结构完整、且经过自查的回答。
'认真点' vs '每条带依据、至少 5 条'
没用：嫌它答得浅，回一句"你认真分析一下"。它可能只是把废话扩写一遍，看着长了，依据还是没有。
有用：「重新回答：每个结论后面标"依据：手册第 X 条"，风险至少列 5 条，每条写清原因和避免方法，没依据的地方写"材料未提供"。」——你把"认真"翻译成了能一条条验收的硬指标，它想敷衍都没处躲。AI 不吃"态度"这一套，只吃"可验收标准"。
想学把"生成"和"验证"彻底分成两轮（一轮写、一轮专门当审稿人查），看本页底部"深入一层"。
只写"不要胡说"：不是可执行规则。改成"无依据就说材料未提供"。
只写"详细一点"：它可能只扩写废话。规定字段、条数、原因、例子。
一次塞超长复杂任务：容易跳步敷衍。拆成摘要、分类、生成、审查四步。
不让它暴露不确定：它倾向硬给完整答案。要求列"确定 / 不确定 / 需人工确认"。
长对话不重申规则：前面的安全约束会淡化。关键轮次重复边界条件。
自测
1AI 的'幻觉'和'偷懒'为什么要分开治？
因为病根不同。幻觉是它缺依据时用最常见写法编造（优化的是像不像，不是真不真），治法是给材料、限来源、要引用、允许说不知道。偷懒是任务超载或指令太松时它走省力路径，治法是拆任务、定格式、规定最低条数。用同一句"认真点"两个都治不了。
2为什么说'认真点''别偷懒'这类指令没用？
因为 AI 不理解情绪，这类话没有可执行的落点，它可能只是把废话扩写一遍。有用的是可验收指令——"每个结论标依据、风险至少 5 条、每条含原因和避免方法"。把模糊的"认真"翻译成能一条条数的硬指标，它才无处敷衍。
3'双重防线'里的两层分别防什么？
第一层防幻觉——"只基于材料回答、没写的说材料未提供"，把它从凭记忆答逼回凭材料答。第二层防偷懒——规定输出必须含直接答案、原文依据、风险提醒、待确认问题四块且每块不少于 2 条，用可数结构堵住敷衍。再加一步自查，让它自己揪出无依据推断和格式遗漏。
小结
- 幻觉（编造）和偷懒（敷衍）是两种病，病根不同、药方不同，别混着治
- 治幻觉：给材料、限来源、要引用、允许说不知道
- 治偷懒：拆任务、定格式、规定最低条数——用可验收指令，不用"认真点"
- 高风险输出加"双重防线 + 自查"：一层防编、一层防糊、最后让它自己揪问题
实操落点
- 让 AI 列举 3 条关于试用期的劳动法条款，再加上“请标注具体法律出处，如果不确定请说明”对比结果。
- 让 AI 写一份至少 20 章的员工手册目录，如果它省略，就要求完整补充。
深入一层 · 实战演练与研究依据
样品：给一个 HR 任务架两道防线
幻觉和偷懒是两个毛病，得分开治。拿「根据员工手册回答员工请假问题」举例。
第一层防幻觉：「只基于我提供的材料回答，材料没写的内容回答『材料未提供』。」第二层防偷懒：「回答必须包含直接答案、依据原文、风险提醒、需人工确认的问题，每部分不少于 2 条，不能只写概括句。」
输出后再补一刀：「请自查——有没有无依据推断？有没有遗漏我的格式要求？用表格列出。」发现问题就说「在不引入新事实的前提下修订」。把这张自查表当成每个高风险 HR 输出的最后一步。
两个毛病，两套机制
幻觉的机制前面讲过：OpenAI 指出部分评测在奖励「猜」而非承认不确定，Google Cloud 归因于数据质量、信息缺失、偏差和缺乏 grounding，模型会生成错误事实、误导信息或不存在的来源。
「偷懒」不是模型真有态度，是你感受到输出变短、套话变多、忽略约束、分析不足——常来自任务过大、约束冲突、上下文过长、目标不清，或工具端策略变化。2026 年有中文报道记录了用户对部分 AI 工具「变懒」的反馈（套话增多、分析变少、忘记前文要求），但那属于用户体验报道，不等于严格的技术评测。
别用情绪词，用可验收指令
治幻觉：给资料、限来源、要引用、允许说不知道。治偷懒：拆任务、定格式、要求逐步展开、规定最低条数和质量标准、让它先列计划再执行。
五个高频错法：只写「不要胡说」（改成「无依据就说材料未提供」）；只写「详细一点」（改成规定字段、条数、原因、例子）；让 AI 一次处理超长复杂任务（拆成摘要、分类、生成、审查四步）；不让它暴露不确定性（要求列「确定/不确定/需人工确认」）；长对话不重申规则（关键轮次重复边界）。别写「认真点」，写「每个结论必须有依据，至少列 5 条风险，每条含原因和避免方法」。
再深一层：把生成和验证拆成两条提示词
先让 AI 生成初稿，再用另一轮提示词当审稿人，专门查事实依据、合规风险、遗漏项和格式。生成型和验证型分开，比让同一轮又写又审靠谱。
学有余力可学 LLM eval 的基本思路：把「好答案」定义成可评分指标，而不是只看语感顺不顺。
- OpenAI《Why language models hallucinate》，2025
- Google Cloud《What are AI hallucinations?》，2025
- 中新经纬《AI 怎么突然变懒了？》，2026