提示（Prompt）用于描述任务，评分标准（Rubric）用于定义规则。本文将介绍基于评分标准的提示方式，如何在搜索和内容工作流中减少“幻觉”问题。
生成式 AI 已成为搜索、内容创作和分析型工作流中的实用工具。
但随着采用率的提高，一个熟悉且代价高昂的问题也随之而来：看似自信却完全错误的输出。
这种现象通常被称为“幻觉（Hallucinations）”，这个词暗示 AI 模型出现了故障。
但事实是：这种行为往往是可预测的，其根源在于指令不清晰——更准确地说，是提示不够明确。
举个例子，只让 AI 生成一个“饼干食谱”，而不提供更多信息，比如过敏原、口味偏好或限制条件。
结果可能是：七月却给你一份圣诞饼干配方、富含花生的方案，或者一份平淡到配不上“甜点”之名的基础食谱。这种信息缺失很容易导致输出结果与预期不符。
因此，更合理的做法是预期模型可能会“失控”，并提前设置明确的约束条件（护栏）。
而实现这一点的有效方法，就是使用评分标准（Rubrics）。
接下来，我们将探讨基于评分标准的提示方式是如何运作的、为什么它能提升事实可靠性，以及你如何将其应用到 AI 中，以产出更加可信的结果。
流畅性 vs. 克制性：哪一个更好？
当要求 AI 生成完整、润色良好的答案，却没有明确说明在信息不确定或数据缺失时该如何处理，它往往会优先选择流畅性，而不是克制性。
也就是说，AI 更倾向于让回答顺畅地继续下去（流畅性），而不是在信息不足时停下来、进行限定说明，或干脆拒绝作答（克制性）。
正是在这一刻，AI 开始“编造内容”——因为不确定性并未被设定为一个需要停止的条件。其后果可能带来高昂的财务成本，同时也会损害声誉、效率和信任。
据美联社在 2025 年底报道，专业服务公司德勤（Deloitte）因一份由 AI 辅助撰写的政府报告中存在错误，被要求偿还 44 万澳元。这些错误包括伪造的引用来源以及错误归属的法院引述。
一位学术审稿人指出，该报告：
“错误引用了一起法院案件，并虚构了一名法官的引语……在一份澳大利亚政府高度依赖的报告中，对法律进行了错误陈述。”
那么，德勤是否应该完全避免使用 AI？
评估数据和生成报告正是 AI 的强项。这里的教训并不是将 AI 移出工作流，而是对它加以约束——事先明确规定：当模型不知道答案时，必须采取什么行动。
这正是**评分标准（Rubrics）登场的地方。
评分标准在 AI 中的作用
用户常常会设置一些通用型的防护措施来应对潜在的“幻觉”模式，但这些措施在实际应用中往往并不奏效。
为什么会这样？因为它们通常只描述了期望的结果，而不是决策过程。当所需信息缺失时，这就会迫使 AI 模型自行进行推断。
这正是基于评分标准的提示方式（rubric-based prompting）不可或缺的原因。
评分标准（Rubric）——一种用于评估作品的评分指南或标准集合——听起来可能是一个传统、偏学术的概念。
可以把它想象成老师用来批改作业的评分表，通常会提前发给学生，让他们清楚什么样的作业是“优秀”“合格”或“不可接受”。
AI 评分标准沿用了同样的结构性思路，但用途却截然不同。
它们并不是在生成回答之后进行评分，而是在生成回答的过程中塑造决策方式。
具体来说，评分标准通过明确规定：当所需条件无法满足时，AI 模型应该采取什么行动。
通过定义清晰、明确的标准，评分标准为 AI 设定了清楚的边界、优先级，甚至失败时的行为方式，从而有效降低“幻觉”风险。
仅仅写出更好的提示还不够
关于提示（Prompt）的建议，往往聚焦在措辞是否更好上。通常这意味着更加具体，或给出更清晰的指令；有时也包括引导模型采用特定的格式或语气。
这些做法并非毫无价值，这类技巧确实可以提升表层质量。但它们并不能消除“幻觉”产生的根本原因。
用户经常向 AI 模型描述的是期望的结果，而不是应遵循的规则。
像“保持准确”“引用来源”或“仅使用已验证的信息”这样的提示语听起来很合理，但却为模型留下了过多的解释空间。
结果是，模型仍然不得不自行决定关键细节。
过长或过于复杂的提示还可能引入相互冲突的目标。
一个提示可能同时要求清晰性、完整性、自信感和速度——这些目标彼此矛盾，容易促使模型回退到默认行为，生成看似流畅且“完整”的回答。
在缺乏清晰优先级的情况下，准确性往往会被削弱甚至丧失。
提示擅长描述“要做什么”，而评分标准（Rubric）则用于规范“如何做出决策”。
AI 评分标准正是通过将决策方式从“推断”转变为“明确指令”，来发挥这一作用。
评分标准能做到而提示做不到的事
提示（Prompt）主要关注语气、格式和细节程度。
但它们往往无法有效处理不确定性。当信息缺失或存在歧义时，AI 模型必须自行决定是停止回答、进行限定说明，还是推断出一个答案。
在缺乏人工引导的情况下，推断通常会胜出。
评分标准（Rubric）通过明确的决策边界来减少这种模糊性。
评分标准会正式定义哪些是必需的、可选的，以及不可接受的。这些标准为模型提供了一个具体的评估框架，用于判断其生成的所有输出。
通过显式地标明优先级，AI 模型就不太可能为了保持流畅性而“填补空白”。
能够明确哪些约束最重要的评分标准，可以让事实准确性优先于“完整性”或叙事流畅度。
最重要的是，评分标准定义了失败时的行为——即当成功无法实现时，模型应该怎么做。
强有力的评分标准会明确：模型可以承认信息缺失、返回部分结果，甚至拒绝回答，而不是凭空编造任何内容。
高效 AI 评分标准的构成
有一句老话说：“厨师太多，汤就会被搞坏”，这正是创建评分标准（Rubric）的绝佳比喻。
有效的 AI 评分标准不需要占据大量篇幅，也不必以极其详细的提示形式出现。就像一道菜可能会因为过度讲究或口味过多而被毁掉一样，提示也可能因为过度设计而适得其反。
过多的细节或要求容易引入混乱。可靠的评分标准应聚焦于少量、可执行的关键标准，并直接针对“幻觉”风险进行约束。
至少，一个写得好的评分标准应包括以下内容：
-
准确性要求：明确规定哪些内容必须有依据、什么可以作为证据，以及是否完全不允许近似或猜测。
-
来源期望：说明是否必须提供来源、来源是否必须来自指定材料，以及在信息冲突时应如何处理。
-
不确定性处理：明确指示当信息不可获得、存在歧义或不完整时，模型必须采取的行动。
-
置信度 / 语气约束：对表达语气进行限制，防止推测性答案被以确定口吻呈现。
-
失败行为：明确允许并优先选择停止回答、进行限定说明或延迟处理，而不是盲目猜测。
如何为 AI 模型制定评分标准
评分标准（Rubric）并不会让 AI 模型变得更“聪明”，但它能让模型的决策过程更加可靠。
下面通过一个竞争分析的示例，来说明评分标准的价值：
某个团队让 AI 模型解释：为什么竞争对手在搜索结果中表现优于他们，以及他们可以采取哪些改进措施。提示内容如下：
“分析为什么 [竞争对手] 在 [特定主题] 上的排名高于我们。识别他们排名的关键词、赢得的 SERP 特性，并推荐我们内容策略的调整方向。”
从表面上看，这个提示是合理的；但在实际应用中，它几乎是在邀请“幻觉”发生。
这个提示缺乏具体输入，也没有任何约束条件。结果就是，AI 极有可能编造看似合理的排名、SERP 特性以及战略性结论。
撰写评分标准
在实际应用中，评分标准（Rubric）会直接包含在提示（Prompt）之中。它必须与任务本身清晰区分开来——任务负责说明要分析或生成什么内容。
评分标准则用于定义模型在执行任务时必须遵循的规则。
这是一个至关重要的区别：提示请求的是输出结果，而评分标准规范的是模型生成这些结果的方式。
基于上一节中的标准，将提示与评分标准结合后，完整内容如下：
“分析为什么 [竞争对手] 可能在 [主题] 上的搜索表现优于我们，并提供洞察和建议。除非在提示中明确提供，否则不得声称任何排名、流量或 SERP 特性。如果所需数据缺失，请明确说明哪些内容无法判断，并列出所需的补充输入。在证据不完整的情况下，请以条件性方式表述建议，避免在缺乏支持数据时使用确定性语言。如果无法可靠地完成分析，请返回部分结果，而不是进行猜测。”
当评分标准被纳入提示后，模型就无法再进行自由推断，而是会将不确定性视为一种约束条件。
评分标准与提示如何协同工作
如上例所示，评分标准（Rubric）并不会取代提示（Prompt），而是对其进行补充，且通常位于提示之后。它应被视为一个稳定层（stabilizing layer）。
提示始终负责定义任务本身：需要总结、分析或生成什么内容；而评分标准则定义了执行这些任务时必须遵循的规则。
在实际应用中，提示可以灵活变化，而评分标准在相似类型的工作中通常保持相对稳定，与具体主题无关。对来源要求、不确定性处理和失败行为进行统一定义，有助于随着时间推移持续降低错误率。
在许多工作流中，评分标准可以直接嵌入在提示之后；在其他情况下，也可以通过可复用模板、自动化检查或系统级指令以编程方式引用或应用。形式并不重要，关键在于标准是否清晰明确。
避免过度设计
尽管评分标准（Rubric）非常有效，但也很容易被误用。用户最常见的错误之一，就是过度设计。
试图预判所有可能情境的评分标准，往往会变得臃肿、难以执行，甚至前后不一致。
另一个常见错误是加入相互冲突的标准，却未明确说明优先级。
为了减少“幻觉”，评分标准必须简洁、具备清晰的优先顺序，并明确规定失败时的行为方式。
像专业人士一样使用 AI 评分标准
像专业人士一样进行提示设计，关键在于预判 AI 何时会被迫进行猜测，并提前定义和约束其行为方式。
评分标准（Rubric）会指示 AI 模型在信息缺失时放慢节奏、进行限定说明，或直接停止回答。正因如此，评分标准能够帮助你在工作中更好地发挥 AI 的能力，并生成准确、可信的输出结果。
