Claude Platform Docs
最佳实践加强防护

减少幻觉

通过允许表达不确定性、以直接引用为依据生成回答,以及使用引文验证论断,最大限度地减少 Claude 输出中的幻觉。

即使是像 Claude 这样最先进的语言模型,有时也会生成与事实不符或与给定上下文不一致的文本。这种现象被称为"hallucination"(幻觉),可能会削弱您的 AI 驱动解决方案的可靠性。 本指南将探讨最大限度减少幻觉并确保 Claude 的输出准确可信的技巧。

基本的幻觉最小化策略

  • 允许 Claude 说"我不知道": 明确允许 Claude 承认不确定性。这一简单的技巧可以大幅减少虚假信息。

  • 使用直接引用作为事实依据: 对于涉及长文档(>20k 令牌)的任务,请让 Claude 在执行任务之前先逐字提取引文。这会使其回答以实际文本为依据,从而减少幻觉。

  • 使用引文进行验证:让 Claude 为其每一项论断引用原文和来源,使其回答可被审核。您还可以让 Claude 在生成回答后,通过查找支持性引文来验证每一项论断。如果找不到引文,它必须撤回该论断。


高级技巧

  • "Chain-of-thought"(思维链)验证:要求 Claude 在给出最终答案之前逐步解释其推理过程。这可以揭示错误的逻辑或假设。

  • "Best-of-N"(N 选最优)验证:使用同一提示多次运行 Claude 并比较输出结果。各输出之间的不一致可能表明存在幻觉。

  • 迭代优化:将 Claude 的输出用作后续提示的输入,要求它验证或扩展先前的陈述。这可以发现并纠正不一致之处。

  • 外部知识限制:明确指示 Claude 仅使用所提供文档中的信息,而不使用其通用知识。

Was this page helpful?