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.