高质量示例能显著降低AI幻觉，关键在代表性、准确性与结构一致性：需选真实典型案例、覆盖主要模式（3–5个为宜）、输入输出严格分离、添加明确约束提示，并人工验证示例可靠性。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
增加高质量示例确实能显著降低 AI 幻觉，但不是“越多越好”，关键在示例的代表性、准确性和结构一致性。
选对示例：真实、典型、无歧义
幻觉常源于模型对任务边界理解模糊。比如让模型提取合同中的违约金条款，若只给“甲方应支付违约金”这种模糊句，模型可能把“乙方有权解除合同”也当成违约金条款。正确做法是选真实合同片段，明确标注输入（整段条款原文）和输出（仅“违约金金额为合同总额10%”），且覆盖常见变体：有百分比的、有固定金额的、有分段计算的。
- 每个示例必须来自真实场景，禁用编造内容
- 覆盖任务的主要模式（如正例、边界情况、易错点），3–5 个足够，超过 8 个反而增加噪声
- 避免使用含主观判断或模糊表述的示例，例如“这个说法比较合理”“大概在中间位置”
写好标注：输入输出严格分离，不混指令
很多幻觉来自模型混淆了“你要它做什么”和“它该怎么做”。示例中不能出现“请提取”“请总结”这类指令词——这些应统一放在 Few-shot 的开头指令区。示例只保留干净的 input → output 映射：
输入：【租赁合同第5.2条】租期届满后，乙方逾期返还房屋的，每逾期一日，应按日租金三倍向甲方支付占用费……输出：日租金三倍
这样模型学到的是映射规律，而不是模仿指令语气，减少它擅自添加解释、补充背景等幻觉行为。
AI 舌诊面诊问诊医疗系统 + 诊疗商城系统源码是一套结合 AI 辅助诊断与商品转化的健康类程序，基于浩创云、ThinkPHP（PHP）开发，支持微信服务号与 H5 端，适合做中医舌诊面诊问答、健康建议推送以及配套诊疗商品的运营。
加约束提示：用自然语言封住常见幻觉出口
即使示例很准，模型仍可能“发挥过度”。在 Few-shot 指令末尾，用一句简短、明确的约束语补位：
- “只输出结果，不解释、不补充、不推测”
- “如果原文未明确提及XX，则输出‘未提及’”
- “禁止生成原文中不存在的数字、人名、日期”
这类提示不替代示例，而是给模型划出不可越界的红线，对抑制编造类幻觉特别有效。
验证示例本身：先人工跑一遍再喂给模型
一个常见误区是直接拿训练数据当 Few-shot 示例。但训练数据可能含标注错误、格式混乱或隐含假设。建议对每个示例做“人工反推”：遮住输出，只看输入，你能否唯一、无歧义地写出那个输出？如果犹豫，这个示例就不合格。也可用另一个小模型（如本地运行的 Phi-3 或 Llama-3-8B）快速测试该示例是否稳定产出一致结果，不一致就替换。
