模型用"擅自假设"填补缺失细节：判因 + 对症修复

你让它做一个客户账户的季度活动总结。你给了登录日期和工单数。模型回了一篇齐整总结，里面有”Q3 的续约日期”、“该公司的主联系人”、“营收影响约 4.2 万美元”。这些你都没给。听起来都对，全是编的。模型把”写一份季度总结”读成了”产出一份看上去完整的季度总结”，而按训练分布的惯例，一份”完整”的总结就该有续约日期和联系人，于是它补上了。

最快修复：在 prompt 里加一条规则——If a detail is not in the input, output "UNKNOWN". Do not infer or estimate.——并把任何结构化输出换成每个字段都能取 null 的 schema。仅此一步就能止住大部分填空。本文剩下的部分，是给那些你没法用肉眼逐条核对的输出准备的验证层。

有一点贯穿全文：结构化输出模式只保证答案的”形状”，不保证它的”真假”。 截至 2026 年 6 月，OpenAI、Anthropic、Google 三家都会把你的 JSON Schema 编译成 token 语法，让模型在物理上无法吐出不符合形状的字段——但一个 schema 合法的 "renewal_date": "2026-09-01" 照样可以是编的。形状约束堵的是”格式错乱”那类失败，堵不住”凭空编造”那类失败。两道都得上。

你属于哪一类

症状	可能原因	跳到
编出来的细节很像真的（日期、姓名、整数金额）	从先验里做常识填空	Step 1、6
Prompt 写了”完整""全面""comprehensive”	这个形容词就是要”不留空”	Step 1
某个 JSON 必填字段永远有值、从不为 null	Schema 没有缺失数据路径	Step 2
输出是表格或 bullet 列表、没有空格	格式把”完整”读成”不许有空”	Step 1、2
出现”大约""估计""通常”这类词	表示在猜的语言对冲	Step 5
某条论断你回溯不到任何一行输入	缺核对步骤	Step 6

常见原因

1. Prompt 要”完整""全面""comprehensive”

这些词的意思就是”不留空”。模型按字面执行，把空都填上。

如何判断：你的动词或形容词暗示了完整性。

2. Schema 有必填字段但无缺失数据路径

如果 schema 是 { "renewal_date": string }、没有 null 选项，模型只能往里塞字符串，真假无所谓。用严格结构化输出时这点更刺眼：截至 2026 年 6 月，OpenAI 的 strict 模式要求每个属性都出现在 required 里，所以一个没有可空路径的字段必然会被填满。

如何判断：schema 没有显式的 null / unknown 处理。

3. 没有”未知怎么办”的规则

你没告诉模型不知道时该怎么办。默认行为就是”产出一个听着合理的东西”。

如何判断：prompt 里没有 if unknown: 规则。

4. 常识填空

对非常常见的模式（员工名、日期、地址），模型会从训练时”这类记录该长什么样”的先验里填。这不是随机——是统计先验。

如何判断：编出来的细节合理且符合常见模式（续约填 “Q3”、联系人填 “张伟”、营收填一个整数）。

5. 输出格式鼓励完整

尤其是表格：空格看着不对，模型就填上。bullet 列表也一样——半截 bullet 读起来就是不完整。

如何判断：格式是表格、结构化列表或 schema 驱动的对象。

动手前先确认

• 标出输出里你从未提供过的细节。
• 把被编造的输出存一份做对比。
• 定政策：缺失数据应该是 "UNKNOWN"、null、空白，还是直接报错？
• 检查 schema 里是否有必填字段没有缺失数据路径。
• 想清楚工作流到底需不需要这些数据，还是只标一个”缺失”就够了。

需要收集的信息

• 原始输入数据（你真给了什么）。
• 模型产出的输出。
• 具体被编造的细节，标注出来。
• 你的 schema（如果有）和必填字段。
• 模型和 temperature。

最短修复路径

Step 1：显式”未知规则”

Rules for missing data:
- If a required detail was not provided in the input, output "UNKNOWN".
- Do not infer. Do not estimate.
- Do not write "approximately", "around", or "roughly" unless
  the input contains a number.
- If more than 3 fields would be UNKNOWN, stop and ask for the missing data.

对纯文本输出，光这一块就能解决大多数填空。把它放在 prompt 靠后的位置、紧跟在任务之后，让它是模型读到的最后一条指令。

Step 2：Schema 显式处理 null

Schema:
{
  "renewal_date": "<ISO date OR null>",
  "primary_contact": "<name OR null>",
  "revenue_impact_usd": "<number OR null>",
  "data_gaps": ["<field name that was null and why>"]
}

null 选项加上 data_gaps 数组，让”缺失”成为一类合法输出。如果你是在调带严格结构化输出的 API，就把同样的思路写进真正的 JSON Schema，让语法允许 null：

{
  "type": "object",
  "additionalProperties": false,
  "required": ["renewal_date", "primary_contact", "revenue_impact_usd", "data_gaps"],
  "properties": {
    "renewal_date":      { "type": ["string", "null"] },
    "primary_contact":   { "type": ["string", "null"] },
    "revenue_impact_usd":{ "type": ["number", "null"] },
    "data_gaps":         { "type": "array", "items": { "type": "string" } }
  }
}

截至 2026 年 6 月，["string", "null"] 这种类型数组是 OpenAI strict 模式和 Gemini response_json_schema 下让字段可空的标准写法；Anthropic 的结构化输出也吃同一份 JSON Schema。没有可空类型，strict 模式会强行往字段里塞一个非 null 值——而这恰恰就是你想干掉的编造。

Step 3：让模型先列假设再作答

Step 1: List every assumption you would need to make to produce
        a complete answer. Number them.
Step 2: For each, mark whether the input data supports it (YES) or
        whether you would be inventing it (NO).
Step 3: Produce the answer using only YES assumptions. For NO
        assumptions, write UNKNOWN in the output.

这把隐式编造翻成了一个显式、可审计的步骤。在带推理模式的模型上（GPT-5.5 Thinking、Claude Opus 4.7、Gemini 3.1 Pro），模型内部本来就会做一部分这种事，但把它写出来，你就有了一份能逐条查的底稿。

Step 4：few-shot 示例里带上 UNKNOWN

让模型看见”我不知道”长什么样才算合格：

Example 1:
Input: Login dates only
Output:
{
  "renewal_date": null,
  "primary_contact": null,
  "revenue_impact_usd": null,
  "data_gaps": ["renewal_date (not in input)", "primary_contact (not in input)", "revenue_impact_usd (not in input)"]
}

Now produce for: <real input>

一个填满 null 的示范，比一整段说明都管用，因为它告诉模型：大量留空的输出是预期内的，不是失败。

Step 5：禁用填充词

Forbidden phrases (do not use unless the input contains evidence):
- "approximately", "around", "roughly", "likely", "estimated"
- "based on industry norms"
- "typical", "average", "standard"

这些短语是填空的语言指纹。禁掉它们，模型要么给出证据，要么说 UNKNOWN。它们也是你做审计时最好 grep 的目标（见”怎么确认”）。

Step 6：让模型拿输出核对输入

末尾追加：

After producing, list each non-UNKNOWN claim with the exact input line
that supports it. If you cannot point to a supporting input line,
the claim must become UNKNOWN.

核对步骤兜住规则漏掉的东西。对高吞吐流水线，把它拆成单独一次调用：prompt 1 负责产出，一个全新的 prompt 2 只拿到输入和草稿，被要求标出任何找不到出处行的论断。一次”没记着想显得完整”的二次核对，更难被糊弄过去。

怎么确认已经修好

• 抽查 5 个输出：每条具体论断在输入里都有支持原文行。
• 输入有缺时 data_gaps 数组非空。
• 该出现 "UNKNOWN"（或 null）的地方都出现了。
• 用 grep 在输出里搜那串禁用填充词——次数应该是 0。
• 同事审输出时，找不到任何一处”等等这是哪来的”的细节。

如果还是没修好

1. 降 temperature。 严格事实性一般要 temperature 0 到 0.2；temperature 越高，模型越敢猜。
2. 切到结构化输出模式（在 OpenAI、Anthropic 或 Gemini 上用带 strict / 语法约束的 JSON Schema）。记住它修的是形状、不是真假——要和 Step 2 的可空 schema 搭配用，不是用它替代。
3. 把产出和核对拆成两次调用，让核对方不带”想显得完整”的私心。
4. 高风险工作上检索（RAG），让模型有显式来源，并要求每条论断附引文。找不到可检索来源的论断，就改成 UNKNOWN。

常见问题

为什么模型偏要编那么具体的东西（一个日期、一个金额），而不是干脆留空？ 因为留空在统计上是更罕见的续写结果。在训练数据里，“季度总结”几乎总带着续约日期，所以概率最高的下文就是一个像样的日期，而不是 “UNKNOWN” 这个词。你得把 UNKNOWN 做成被明确允许、且被示范过的选项（Step 1 和 Step 4），否则先验会赢。

打开 Structured Outputs / JSON mode 是不是就能止住编造？ 不能，而且这恰恰是这里最常见的误判。截至 2026 年 6 月，OpenAI、Anthropic、Gemini 都用 token 语法强制形状——模型吐不出违反形状的字段。但一个 schema 合法的值照样可以是编的。结构化输出止的是格式错乱的 JSON；止住编造的值，靠的是可空类型加上那条 UNKNOWN 规则。

我的 JSON Schema 开了 strict，但模型一直往一个我想设成可选的字段里填值。 在 OpenAI strict 模式下，每个属性都必须列进 required，没有”干脆不写它”这个选项。修法不是删字段，而是把它的类型设成可空："type": ["string", "null"]。这样 null 就是合法值，语法会允许模型选择不填。

缺失数据到底该用 null、"UNKNOWN"、空白，还是报错？ 挑一种，处处统一。JSON 流水线用 null 加一个 data_gaps 数组，下游代码好按它分支。纯文本用字面的 "UNKNOWN"，方便 grep。空白格是最差的选择——无论对模型还是对人工审核，它都读作”已完成”。

多一次核对调用就多一次请求，值吗？ 凡是要喂给某个决策、某次 join 或某条落库记录的，值。核对那一遍通常只花产出那遍的一小部分成本（它只重读、不重新生成），却是抓编造里收益最高的一道检查。一次性的草稿可以略过它，靠 Step 1、2、5 兜着。

预防建议

• 每个 prompt 的默认规则：“不知道就输出 UNKNOWN。不要推断。”
• 在 schema 里标清必填 vs 选填；选填字段做成可空、而不是删掉。
• 在事实性要紧的 prompt 里全面禁用填充词。
• 每月审一次生产输出里”被编的具体”（grep 那串填充词，抽查 5 条记录）。
• 重复工作流把核对步骤作为单独一次调用嵌进流水线。
• 把”完整性”和”正确性”当两件事看——有时不完整的输出才是对的输出。

相关阅读

• AI 编造事实
• 输出听着精致但不可执行
• Prompt 缺素材优先级
• 负向约束写得太虚
• Prompt 没说成功长什么样

外部参考：

• OpenAI Structured Outputs 文档
• Anthropic 结构化输出文档

标签: #排查 #Prompt #Prompt 质量 #幻觉

相关文章

常见问题解决库

few-shot 例子质量参差，把输出拉下来了

给了模型 5 个例子，2 个很好、3 个一般，结果它往一般的那几个靠拢。质量方差为什么伤、怎么砍到 3-5 个一致的例子。

2026/05/24 #Prompt 工程 #排查

常见问题解决库

模型返回非法 JSON——因为 schema 是描述、不是强制

你让它按 schema 返 JSON。95% 合法，3% 在 JSON 外面包了散文，1% 漏字段，1% 类型错。描述 vs 强制，在 API 层修。

2026/05/24 #Prompt 工程 #排查

常见问题解决库

模型编造假引用和假 URL

模型给的引用看起来像 Smith et al. 2019，但论文根本不存在；或者给的 URL 一点就 404。引用幻觉为什么发生、怎么彻底压住。

2026/05/24 #Prompt 工程 #排查

常见问题解决库

模型用错语言回复（怎么锁死）

你用英文 prompt，结果它用中文回，或者中途切到西班牙文。语言漂移的确切根因，以及锁死输出语言的 system prompt + 重试套路，2026 年 6 月核实。

2026/05/24 #Prompt 工程 #排查

常见问题解决库

回答被截断在半句话：max_tokens 设太低（2026 修复）

模型回复中途断掉、JSON 没闭合、代码块缺反引号。绝大多数是 token 上限。怎么估算、按 SDK 检测、怎么恢复。

2026/05/24 #Prompt 工程 #排查

常见问题解决库

Prompt 要 10 条，模型给 3 条就停

你要 10 个想法，结果只给 3 个，或者凑齐 10 条但全是水。list-N 任务为什么 under-deliver，以及真正能拿到 N 条不同结果的 prompt 与 schema 修法。

2026/05/24 #Prompt 工程 #排查