AI 每 3 次就编 1 次?我用 3 招让 WorkBuddy 当场认错

AI 不是不能信，是得逼它自证。我实测了 3 招，把最强旗舰模型的幻觉率从 30% 压到可逐条核对。

上周三下午，我让 WorkBuddy 核一个 API 的默认连接超时。它秒回，语气笃定得像念教科书："根据公开资料显示，默认超时 30 秒，行业通用配置。"我随手一搜——15 秒，而且那篇"公开资料"它压根没真读过。

最离谱的不是它答错，是它答错时那股自信，比答对还足。

我干了 20 年 AI 落地，比这离谱的编法见多了。今天不聊"AI 又翻车"的乐子，聊怎么让它当场给自己找证据——把嘴硬变成认怂。

一、AI 为什么"一本正经胡说"？

先翻个案。大模型本质是"概率补全机器"：它预测下一个最可能的词，不是翻数据库核对事实。你问它不确定的事，它不会说"不知道"，而是编个"听起来最对"的答案。

两个坑叠加：一是"危险中间地带"——那些真实存在但资料稀少的小众知识，AI 知道个大概，就发明缺失细节去补全（日期、人名、条款全是现编的，读着却无比合理）；二是很多评测把"承认不知道"和"答错"罚得一样重，变相鼓励它"宁可自信地错，也别诚实说不知道"。

所以你看到的"一本正经"，不是演，是出厂设定：能编，就别认怂。

这段转给你家管 AI 的同事，省得他哪天替 AI 背锅。

二、现场实录：WorkBuddy 怎么胡说的

我把那次对话复盘（脱敏，不点协议名）。我问超时多少，它答"30 秒，行业通用配置"。三个破绽全中：

第一，甩"根据公开资料显示"——真读过会甩链接、给段落；甩空话多半是脑补。第二，说"行业通用配置"——把训练记忆里的泛化结论当事实，典型的危险中间地带补全。第三，真实值是 15 秒，差一倍。

我回了句："证据呢？把那篇公开资料链接发我。"它支吾半天给个含糊引用，我一查，那篇根本没提超时。

更坑的是多轮"自我强化"：首轮 3%–20% 的错误引用，会在后续轮次重现。所以第一次就要它认错，别聊到第 5 轮。

三、三招让它当场自证（附可直接抄的提示词）

发现它嘴硬，别吵，用这三招让它自己查自己。我把它做成一张「AI 幻觉排错清单」，建议截图存着：

我用 ①+② 怼 WorkBuddy，它重新检索后认了："你说得对，默认 15 秒，我之前那条没有可靠来源。"

真实案例佐证：某零售客服机器人误报 holiday 退货期（1/15，实际 12/24），团队加了文档版本号 + "禁止臆测" + 强制引用，48 小时内幻觉率从 23% 掉到 2.6%——没换模型，只换了"喂什么、怎么答"。

这段转给老板：AI 翻车的锅，终究是公司的。

四、数据说话

回到开头那次，不是个例。EPFL 和 ELLIS 2026 年的 HalluHard 基准，专测"已开联网搜索"的旗舰模型：Claude Opus 4.5（联网）幻觉率仍有 30.2%，GPT-5.2-thinking 38.2%；不开搜索直接飙到 60%——连最强的 AI，每三到两次就编一次。

检索（RAG）能把幻觉压一大截：不同口径降幅 40%–71%，成熟系统压到 2%–5%。强制引用单独用，最多降约一半。宏观点：2026 年估算全球每天约 2750 万条 AI 假答案（每秒 320 条），Forrester 估企业年成本约 674 亿美元。

关键提醒：别把"它给了链接"当"它对了"。HalluHard 发现，联网把"引用不存在来源"从 38.6% 降到 7.0%，但"引用内容其实没支撑说法"只从 83.9% 降到 29.5%——链接可能是真的，但 AI 用错了。要看链接里的原话，别只看它说"我引用了"。

这段转给所有怕 AI 胡说的人，三招收好。

五、边界与坑：什么时候别信它的"笃定"

专业高危领域（医疗、法律、金融），复杂查询幻觉率 10%–40%，斯坦福 2026 AI Index 说专业级复杂询问约 92% 会出现某种幻觉——这种必须人工复核，别拿"自证"当免死金牌。开放式常识问答也有 10%–20%。最危险的是"它答得飞快还特别顺"：答案越长越详细，出错概率反而越高，推理并不天然等于更准。

金句卡｜记住三个字：证据呢。一句"证据呢"，让 AI 从嘴硬变成认怂，把幻觉变成可核对的事实。

结语：最危险的 AI，是犯错还特别自信的那个

给你三句速记：① 要来源 ② 问证据 ③ 只信文档。

我 20 年最想告诉你的话：最危险的 AI 不是会犯错的，是犯错还特别自信的。而那份自信，恰恰是你该警觉的信号。

你被 AI 胡说坑过最离谱的一次是什么？评论区聊聊。有用的话，点在看 / 转给同事，让他也少背几次锅。