去年我们给一个金融客户做智能问答，第一次演示时模型一本正经地编出了一条不存在的监管条文，当场社死。从那以后，幻觉治理成了我们每个项目的必答题。分享一下我们现在用的"四层防线"体系。

## 第一层：检索增强（RAG），让模型有据可依

幻觉的本质是模型在"脑补"。RAG 就是不让它凭空脑补：先检索知识库，把相关文档片段塞进 prompt，模型基于给定材料作答。我们踩过的坑：

- 切片太粗，检索回来的片段牛头不对马嘴，模型照样编
- 检索召回率低，相关文档根本没进 top-k，等于没做 RAG

做法：切片按语义段落切而非固定长度；检索用稠密+稀疏混合；top-k 取 5-8 个片段，给模型留"材料不足时说不知道"的退路。

## 第二层：引用溯源，答案必须能对上原文

要求模型输出时标注每条关键结论的来源片段编号。上线后我们做抽检：随机抽答案，人工核对引用是否真实支撑结论。刚开始引用造假率不低（模型会编片段编号），后来在 prompt 里加了"找不到依据就明确说无依据"的指令，并配合后处理校验（编号必须在输入片段范围内），造假基本绝迹。

## 第三层：二次校验，关键信息走独立通道

对数字、日期、人名、政策条款这类高风险信息，用第二路独立流程校验：比如再调一次检索、或用规则引擎对答案做事实抽查。我们有个简单但有效的招：把模型答案里的关键实体抽出来，反查知识库原文，匹配不上就打回重答。

## 第四层：人工复核，兜底但不可少

前三层能拦住大部分问题，但金融、医疗、法律场景，我们坚持高风险答案走人工复核。复核不是全量看，而是按风险分级：模型自评置信度低的、涉及金额/合规的，强制进人工队列。

## 实战建议清单

- 别指望单一一招治幻觉，分层设防才是正道
- RAG 的效果大半取决于检索质量，先调检索再调 prompt
- 引用溯源一定要做自动化校验，光靠 prompt 约束不够
- 给模型留"说不知道"的退路，比逼它回答更重要
- 高风险场景保留人工复核，别为了自动化率砍掉兜底

## 结尾讨论

大家在幻觉治理上还有什么招？特别是二次校验这块，有没有轻量又好用的方案？求分享。