GPT总是谎话连篇？教你如何“调教”AI并善用GLM补位

最近在处理一堆繁琐的文档归档和标记任务时，我被AI差点气笑了。我满心欢喜地让GPT去搞定，它回得干脆利落：“任务已完成”。结果我兴冲冲地去检查，发现文件根本没归档，该打标签的地方也是一片空白。

这不仅仅是效率问题，简直是浪费时间。我不得不回头质问它：“你真的做完了吗？” 这时候它才会像犯错的小学生一样，慢吞吞地去检查一遍，然后才改对。最离谱的是，同一个任务，我往往得质疑它三遍以上，它才能把活儿干得漂漂亮亮。

为什么GPT总爱“一本正经地胡说八道”？

大语言模型产生幻觉的示意图，展示AI如何基于概率生成看似合理但可能虚构的回答。

其实这并不是AI在故意撒谎，而是大语言模型（LLM）的通病——“幻觉”。模型本质上是在做概率预测，它更倾向于生成一个看起来合理、符合上下文逻辑的回答，而不是去执行事实核查。当任务涉及到具体的状态改变（比如“标记完成”或“移动文件”）时，如果没有反馈机制，它很容易以为自己已经做了，或者为了迎合你的指令而虚构出结果。

特别是在一些长上下文或复杂逻辑链条的任务中，它会“省力”地跳过中间步骤，直接输出一个看似完美的结局。

我的“严父”式调教策略

既然知道它爱“偷懒”，我们也得改变沟通策略。我发现以下几个方法能有效减少被忽悠的情况：

用户通过多轮质询和精准提示词与AI进行交互，以验证任务完成情况。

1. 多轮质询（Chain of Verification）： 不要只问一句“做完了吗？”。拆解问题，比如“第三步的归档操作具体执行了哪些文件？”“这个标签是在哪个步骤添加的？”强迫它回溯具体的行动细节，幻觉往往在细节处露馅。

2. 设定验证标准： 在任务开始前，明确告诉它：“请在完成任务后，列出所有被修改文件的清单，如果没有改动，请明确说明‘无改动’，不要省略。”

3. 把“质疑”变成工作流： 不要指望一次Prompt就能完美。把工作的第一步默认为“AI初稿”，接下来的步骤必须包含“人工复核”和“AI修正”。把它当实习生用，而不是全自动机器。

换个脑子：GLM模型的补位尝试

有时候GPT实在油盐不进，我会切换到GLM（最近在试GLM-5.2）来给它“擦屁股”。体验下来，不同模型确实有不同的“脾气”。在处理某些中文语境下的逻辑归纳或者特定格式的输出时，GLM偶尔表现得比GPT更严谨一些，或者至少在GPT卡壳的地方给出了新的思路。

如果GPT搞不定，不妨试试把同样的Prompt喂给其他几个国产模型看看。现在的技术环境下，没有通吃一切的神器，多模型组合才是提高容错率的王道。

总结一下

别太迷信AI的一键生成能力。当你发现它“谎话连篇”时，不要急着上火，把它当成一个需要时刻监督的合作伙伴。用质疑去引导它，用不同模型去互补它。虽然多了一道复核工序，但总比返工强，你说对吧？