第12章里只保留了这几个案例的简要结论，完整的排查过程、原始记录收在这里——想给学生讲透"怎么定位问题、怎么迭代"的完整思路，或者自己面试前想复习细节，来这里看全文。
C.1 迭代优化案例一：复述式开头问题
发现： 4道知识类问题都出现机械复述开头（"你是想问...吧"），不符合"像朋友聊天一样"的设定，显得生硬，不像真人对话。
修复方法： 在"知识"分支的生成回答Prompt里，加了一条约束——"不要用'你是想问...吧'这类复述句开头，直接回答"。
结果： 重测5-8题，全部从4/5统一提升到5/5，问题彻底消失。
C.2 迭代优化案例二：数据切片粒度问题
测试"榴莲怎么看好坏"这个通用问题时，回答语气却像在回应"哎呀，你的榴莲有酒精味说明已经过熟发酵了..."这种具体场景，答非所问。
根因定位： 知识库里的原始数据，"问题"字段混合了两种不同粒度的提问——"怎么看好坏"（通用方法）和"我的有酒精味"（具体场景），两种问法揉在一条数据里，导致检索命中后语气选择错误。
第一次尝试（未完全成功）： 只新增了一条通用挑选方法的数据，但没有修改旧数据。重新测试后，两条数据同时被检索到，AI仍然优先套用旧数据的语气，问题依然存在。
真正的修复： 意识到"只加不改"是不够的，必须把旧数据的问题字段也同步修正，让两条数据的语义边界清晰分开：
新增（分段09）：
问题：榴莲怎么看好坏
回答：看果壳是否裂开一条缝，闻着有没有浓郁果香味，按压软硬适中说明成熟度刚好
修正（分段03，原来是"榴莲怎么看好坏，我的有酒精味"）：
问题：榴莲有酒精味还能吃吗
回答：有酒精味说明过熟发酵了，不建议吃，正常应该是浓郁果香味
最终结果： 重新测试后，回答变成——先给出通用挑选方法（三点标准），再自然补充"如果闻到酒精味说明过熟"这个具体细节，最后带出商品推荐。层次分明，不再答非所问。
这次修复的核心方法论：数据治理不是"加数据就能解决问题"，必须同步"改"和"清理"旧数据，否则相似语义的新旧数据会互相干扰检索和生成结果。 第一次尝试失败、重新定位问题、第二次才真正解决——这个完整的迭代过程，比一次性做对更有说服力，也更符合真实工程场景，培训时建议重点讲给学生听。
C.3 幻觉解剖案例：亲眼看见AI是怎么"编"答案的
这是所有踩坑案例里最特殊的一个——因为一次意外的配置疏漏（生活知识库忘记"启用"，状态开关是关闭的），完整记录下了大模型"编造答案"时的内部思考过程。这类记录在真实产品里用户永远看不到，但对理解"幻觉"的本质极其珍贵，也是第2章开头那个"榴莲答成牛油果"故事背后，真正发生了什么的完整还原。
触发场景： 生活知识库因为忘记"启用"，用户问"草莓怎么保存"时，知识检索环节返回了空结果。系统没有报错、没有卡住，正常生成了一段回答。
表面现象： AI给出的回答"看起来很正常，甚至质量还不错"——
"草莓最好别洗，用厨房纸吸干水分后放保鲜盒里，再铺层纸巾盖上盖子冷藏，这样能放3-5天。我们店里也有新鲜草莓在卖哦，需要的话可以顺带一盒。"
如果不深入排查，这次异常几乎不会被发现——回答流畅、有具体做法、还自然带出了商品推荐，跟一次"正常检索成功"的回答几乎没有区别。
第一层证据：System Prompt里的空白
调取这次调用LLM时，实际传给模型的完整System内容：
你是生鲜电商的AI导购助手，语气亲切自然，像朋友聊天一样，不要太正式。
以下是检索到的相关信息：
用户问题：草莓怎么保存
请基于以上信息回答用户问题。要求：
1. 优先回答知识类问题（怎么挑选、怎么保存、怎么做）
...
"以下是检索到的相关信息："这句话后面，直接是空白，什么内容都没有，紧接着就跳到了"用户问题"。这确凿地证明了：这次LLM拿到的Prompt里，"应该放检索资料的位置"，是完全空的。
第二层证据：模型的"内心独白"（这是本案例最有价值的部分）
这次使用的模型版本会输出<think>思考标签，完整记录下了模型在生成回答之前的推理过程：
<think>
我们作为生鲜电商的AI导购助手，要回答草莓保存的问题。
检索到的信息应该包含草莓保存方法。
但用户没有提供检索到的具体信息，
我们需要基于常见知识回答。
不过题目要求"基于以上信息"，但这里没有给出信息，
所以我们需要假设检索到了相关信息。
通常草莓保存：不要洗，用保鲜膜或盒子装好放冰箱冷藏。
可以提及店里也有草莓卖。控制3句话内。
</think>
逐句解剖这段"内心独白"：
"检索到的信息应该包含草莓保存方法"
→ 模型知道自己"应该"有资料可以参考
"但用户没有提供检索到的具体信息"
→ 模型清楚地"意识到"了——这次没有资料，是空的
"不过题目要求'基于以上信息'，但这里没有给出信息，
所以我们需要假设检索到了相关信息"
→ 这是整个案例里最关键的一句话。
模型在明知"没有资料"的情况下，
为了完成指令要求的"基于资料回答"这个任务，
主动选择了"假装自己有资料"这条路
"通常草莓保存：不要洗，用保鲜膜或盒子装好放冰箱冷藏"
→ 这就是"编"的具体发生时刻——
调用自己训练时学到的通用知识，
把它包装成"检索到的资料"，呈现给用户
这次案例揭示的核心问题：幻觉不是"随机出错"，是一种"策略性选择"
很多人对"幻觉"的理解是——模型能力不够、瞎猜出错。但这次的思考过程显示，事情比这更精确、也更值得警惕：
模型清楚地知道"我现在没有真实资料"
↓
模型也清楚地知道"任务要求我基于资料回答"
↓
面对这个矛盾，模型选择的不是"如实说明没有资料"，
而是"假装有资料，自己编一个"
↓
这是一种"为了完成任务，选择性地忽略事实"的行为模式
这解释了为什么"幻觉"如此难以完全杜绝——它不是模型"能力不足"，而是模型在特定情况下的"行为倾向"：宁可编一个答案，也不愿意说"我不知道"。
为什么之前设置的"不要编造"约束，这次没有生效
回顾第11章Prompt里的防护规则：
第3条约束：
"如果检索到的信息完全不相关，诚实说
'这个我暂时不太清楚，建议问一下客服哦'，不要编造"
这条规则的触发条件是"信息不相关"，但这次的真实情况是"信息完全空白（根本没有信息）"——这是两种不同的情况，模型的思考过程里也能看出，它把这两种情况区别对待了，"没有信息"没有被这条规则覆盖到，模型就钻了这个空子。
修复方案： 把约束改得更精确，同时覆盖"空白"和"不相关"两种情况：
"如果'以下是检索到的相关信息'这部分是空白、
没有任何内容，或者内容与用户问题完全不相关，
必须诚实说'这个我暂时不太清楚，建议问一下客服哦'，
绝对不能假设自己有相关知识去回答，
不能编造任何信息"
第三层证据：这次回复彻底没有"引用"标注
对比之前测试成功的案例（比如问"榴莲怎么看好坏"），正常情况下回复下方会显示：
引用
📄 生活知识库.xlsx
这次的回复，从头到尾都没有出现这个"引用"标注——这是判断"这次回答到底有没有真的用到知识库"最直接、最简单的方法，不需要深入调试日志也能一眼看出问题。
这个案例给你的三条核心方法论
方法论一：不能只看"回答听起来对不对"，要看"过程"
"结果看起来合理" ≠ "系统真的在正确工作"
必须养成习惯：每次测试，都检查回复下方有没有"引用"标注，
这是最快判断"这次是真检索还是模型在编"的方法
方法论二：越是"大众化、常识性"的问题，幻觉越难被发现
"草莓怎么保存"这种问题，模型训练时见过大量类似内容，
编出来的答案大概率"看起来没错"，这比"编造出明显离谱内容"
（比如榴莲答成牛油果）更危险，因为它不会引起任何人的警觉
方法论三：Prompt约束要覆盖"所有可能的空状态"，不能只想到"内容不相关"
"检索结果为空"和"检索结果不相关"，在Prompt设计时必须被同等重视、
同时覆盖，否则模型会利用这个逻辑漏洞
教学价值： 这是目前为止唯一一次能让学生"亲眼看到"AI思考过程的案例。建议专门留出时间，把这段<think>标签的原文完整展示给学生看，让他们自己读一遍模型的心理活动——这比任何理论讲解"什么是幻觉"都更有冲击力，是一次很好的"顿悟时刻"设计。
面试表达价值： 可以这样讲给面试官——
"我在测试中发现，即使知识库检索为空，模型也不会诚实说'不知道'，而是会编造一个答案。更进一步，我通过分析模型的思考链路发现，它其实清楚地'知道'自己没有真实依据，但为了完成'基于检索资料回答'这个指令要求，选择了假装有依据、自主编造内容这条路。这让我意识到，Prompt里的防护规则必须精确覆盖'检索结果为空'和'检索结果不相关'这两种不同情况，不能只覆盖其中一种。我针对性修改了约束条件后，重新测试验证了这个漏洞被堵上了。"
这段表达的价值在于——它展示的不是"我发现了一个bug"，是"我理解了幻觉背后的行为机制，并且针对性地设计了解决方案"，这是更深层次的技术理解力，比单纯的"踩坑修复"故事更有说服力。