前置要求
- · 写过至少 5 次提示词
- · 能分辨「事实类问题」和「创作类问题」
做完你会得到什么
你能要求模型给出可核验的依据、主动标注不确定性，并设计一次交叉验证，从而判断哪些内容可以直接用、哪些必须自己核对。
分步骤操作
- 1
第 1 步：先给结论划定「可接受风险」
- 做什么
- 不同任务的容错完全不同：写贺词错一点没关系，报税数字错一点要出事。先分类，再决定要不要花时间验证。
- 在哪做
- 不需要工具，自己列一张表
- 输入什么
- 把手上待办分成三类：可验证（数据/法规/价格）、半验证（产品能力对比）、不验证（创意文案）
- 预期输出
- 一张三分类清单，明确哪些任务必须要求模型给依据
- 2
第 2 步：对可验证类任务，强制要求标注来源
- 做什么
- 要求每条事实性结论后面标注来源（链接、文件页码、法规条款号），并明确写「没有依据的结论请标注【无依据】」。
- 在哪做
- 任意支持联网的对话模型，或站内 /find 的「查资料做研究」场景
- 输入什么
- 每条结论后必须跟来源，格式：[标题](URL)。找不到可靠来源就写「未找到可靠来源」，不要用常识补齐。
- 预期输出
- 可点开核对的来源列表；以及被诚实标注为「未找到」的空白项
出错怎么办
链接可能过期或张冠李戴，必须点开抽查至少两条；这一点无论哪个模型都一样。
- 3
第 3 步：要求它先自查再作答
- 做什么
- 在提问末尾加一句：「回答前先检查：有没有超出我给的信息在编造？有没有把常识当成事实？」这一步能显著降低幻觉。
- 在哪做
- 同一次提问的末尾
- 预期输出
- 回答里出现明确的边界说明（哪些是你不知道的）
- 4
第 4 步：设计一次交叉验证
- 做什么
- 把同一问题分别问两个不同厂商的模型（或一个联网一个不联网），对比答案。不一致的地方就是你必须人工核对的地方。
- 在哪做
- 两个不同的对话窗口
- 预期输出
- 一份「一致项 / 分歧项」清单，分歧项即为高风险项
出错怎么办
如果两个模型给出完全一致但都错误的答案，说明这个说法在训练数据里流传很广，仍然要核对原始来源。
可复制的提示词
填好变量再复制。变量说明写在每个输入框下面。
要么给来源，要么明说不知道
调研、法规、数据、价格类问题
回答时遵守以下三条规则：
1. 每条事实性结论后面必须跟来源，格式：[来源标题](URL)，并注明发布时间
2. 如果你无法确认，输出【未找到可靠来源】，并说明你缺哪类信息，而不是用常识补齐
3. 区分并标注：【官方数据】【媒体报道】【推测】
问题：{{question}}
我的使用场景：{{usage}}
回答完成后，另起一节【我可能错在哪】，列出三条这次回答最不可靠的地方。还有 2 个变量未填写，未填写的部分会原样保留 {{变量名}}
使用提示：不联网的模型给不出真链接，会编造看似合理的 URL——这类情况下务必开启联网检索或改用 Perplexity/Kimi 联网模式。
本教程用到的工具
Perplexity默认就联网的答案机器
Kimi长文档起家，检索是加分项
Claude长文与代码的稳态选手
下一步学什么
本教程更新于 2026 年 9 月 27 日。提示词在不同模型上的表现会有差异， 遇到跑偏先检查「背景」和「约束」两段有没有写清楚。