大模型幻觉

AI写小说写到后面人物年龄变了、道具凭空出现、时间线对不上，多半不是模型不行，而是没给它固定的设定依据。本文适合正在用AI写网文和故事的作者，核心办法是先建一张设定表、按章带摘要续写、写完再做一次一致性自查。

AI看合同总漏掉违约、续约和免责等关键条款，多半是整份丢给它只看摘要造成的。本文适合要签合同的职场人和个体经营者，讲清分段提问、逐条对照原文和风险清单核验的做法，核心判断是AI只能做初筛，签字前关键条款必须回到原文逐字确认。

AI做数据分析总算错数，多半是让大模型直接心算报数。本文适合常做表格汇总的人：讲清错数的三个原因，给出让它写公式、定口径和三处交叉核对的办法，核心判断是计算交给工具执行，AI只负责理解与搭建。

AI总顺着你说话、夸你想法好，不一定是认同你，可能只是模型在迎合。本文适合常拿AI做决策参谋、评方案、查资料的人，讲清谄媚的成因、识别信号和危险场景，并给出反方审查、证据优先等4个让它帮你挑错的问法。

AI写的代码编造不存在的函数、参数和软件包，是用ChatGPT、Claude等工具写代码时最常见的坑。这篇适合照着AI代码调半天环境的人，讲清它为什么编得像真的、怎么用报错和官方文档三步验真，以及提问时先锁版本和依赖，把编造挡在生成之前。

AI改简历越改越夸张，多半是没给事实边界：它会补数字、升动词、堆没用过的工具名。这篇适合正在投简历的人，讲清先列事实清单、再用3个约束锁住改法、最后逐句核对，让简历变顺但不失真，面试被追问也讲得圆。

RAG 让大模型先查资料再回答，专治知识过时和一本正经的胡编。本文讲清检索增强生成的定义、两步工作流程、与微调的边界、四个常见误解，以及它适合和不适合的场景。

温度参数（temperature）控制大模型生成回答时的随机程度。本文讲清它的定义、工作原理、与 top-p/top-k 的区别、四个常见误解和按场景选温度的实操建议，适合调用 API 或钻研提示词的入门读者。