先分类，否则一定修错方向
「幻觉」是个笼统说法。实际排查时，按下面三类分开看，处理方式完全不同：
一、知识缺失：问题超出训练数据覆盖范围，或事实在训练截止之后才发生。
特征：答案结构完整、语气笃定，但具体数字、人名、版本号是拼出来的。
二、上下文冲突：检索或用户输入里给了矛盾信息，模型被迫在多个版本里选一个。
特征：答案能引用到来源，但把两处互相矛盾的说法混在一句里。
三、任务越界：被要求做它结构上做不到的事，例如「复述原文」却改写了、「只输出 JSON」却带了解释。
特征：格式或边界不满足，内容本身未必错。
针对「知识缺失」的手段
- 让检索兜住：把问题先落到检索上，答案必须来自召回的段落；召回为空时允许回答「查不到」——这一步最关键，很多系统失败在「不允许说不知道」。
- 要求给出处：让模型逐句标注来自哪一段；标不出来的句子就是可疑句。
- 提高召回质量：混合检索（关键词 + 向量）通常比单纯调提示词更有效。
针对「上下文冲突」的手段
- 去重与合并：同一事实多版本时，先在检索侧合并（保留时间最新的），不要丢给模型去猜；
- 显式声明优先级：在提示里写清「若资料冲突，以标注日期较新的为准，并说明存在冲突」；
- 让冲突可见：要求模型输出冲突点，而不是悄悄选一个。
针对「任务越界」的手段
- 缩小任务：把「写一段分析」换成「从以下三个选项中选一个并给出理由」，可验证性立刻提高；
- 结构化输出 + 校验：要求 JSON 并对字段做程序校验，不合格就重试，而不是让格式错误流到下游；
- 分清「生成」与「抄录」：需要逐字准确的场景（条款、代码、公式）应走检索/复制，不要让模型改写。
哪些手段只是「把错误变成不确定」
降低采样温度、加「不要编造」的提示、让模型自我检查——这些会减少自信的错误，但不会补上缺失的知识。它们的正确用法是配合检索与出处校验；单独使用，往往只是把「错得很确定」变成「含糊其辞」，对准确性没有实质帮助。
一个可执行的检查顺序
- 拿 20 条真实问题，逐条看错在哪一类；
- 若集中在一类，先修那一类的机制（检索 / 冲突合并 / 任务收敛）；
- 每次只改一处，用同一批问题回归，避免「感觉变好了」。