用 AI 写过材料的人，大多遇到过这样的情况：AI 给出了一个很具体的数据、一条看起来很权威的政策条文，你差点就直接用了，查了一下才发现，根本不存在。
这就是 AI 幻觉。对个人来说是麻烦，对企业和单位来说可能是风险：一份对外发出的材料里有一个编造的数据，损失的是信誉。
好消息是，有一个大部分人从来没打开过的设置，可以明显改善这个问题。
一个被忽略的设置：「个性化」或「规则」
大部分 AI 工具都有一个长期设置，名字可能叫个性化、自定义指令、规则或记忆。你在里面写下的内容，相当于给 AI 立了长期的规矩：
- 提示词管的是这一次对话；
- 这个设置管的是以后所有的对话。
所以，「不要编」这类提醒，在这里一次写好就行，不用每次提问都说。
5 条基础规则
规则一：不确定就说不知道，不许猜，不许编
这一条能挡掉一大半的胡编。AI 默认倾向于「给出一个答案」，你要明确告诉它：承认不知道比编一个答案更好。
规则二：数字、日期、价格、政策，标出来源，提示核实
凡是涉及具体数字、日期，以及价格、法规政策的内容，让 AI 说明哪些有可靠来源，哪些是推测，哪些需要你自己核实。这样你一眼就知道该重点查哪里。
规则三：说人话
不要用那些看起来很高级、实际上什么都没说的词。空话套话不仅浪费阅读时间，还会掩盖 AI 其实没有回答问题的事实。
规则四：先结论，再理由
很多 AI 回答铺垫半天，最后找不到结论。要求它第一句就给结论，再展开理由，读起来效率高得多，也更容易判断它说得对不对。
规则五：需求没说清楚，先问我
这是我认为最有价值的一条。很多糟糕的回答，根源是需求本身模糊。让 AI 在信息不足时先提问、确认清楚再动手，结果会贴合得多。
可以直接复制的设置模板
把下面这段内容粘贴到你常用 AI 工具的个性化或规则设置里，再根据自己的工作习惯修改：
请在所有对话中遵守以下规则：
1. 不确定或查不到的信息，直接说「不确定」或「不知道」，不要猜测，不要编造。
2. 涉及数字、日期、价格、法规政策、人名机构名时，标明哪些有可靠来源（尽量给出来源），哪些是推测，哪些需要我自行核实。
3. 用简洁、具体的中文表达，不使用空泛的套话和堆砌的修饰词。
4. 先给结论，再说理由；内容较长时先给要点概览。
5. 如果我的需求不清楚、缺少关键信息，先向我提问确认，不要急于给出完整答案。团队层面：再加一份核查规范
个人设置能降低出错概率，但团队使用 AI，还需要一份明确的规范，回答三个问题：
哪些内容必须人工核查？ 对外发布的材料、涉及数据和金额的内容、法律法规与合同条款、医疗与健康相关信息、涉及具体人名和机构的表述。
哪些信息不能输入公有云 AI？ 客户个人信息、未公开的财务数据、商业合同、涉密和内部敏感材料。需要使用时，先脱敏，或使用企业版、私有化部署的模型。
出错了怎么办？ 明确「谁使用、谁负责」：AI 是工具，最终对内容负责的是使用它的人。发现 AI 编造内容时，记录下来并在团队内分享，帮助大家形成判断力。
我在企业 AI 内训和政府与院校 AI 培训中，都会帮单位写好这样一份 AI 使用规范，作为培训交付的一部分。
写在最后
AI 幻觉不会消失，但可以被管理。个人用设置减少胡编，团队用规范兜住风险，两者结合，AI 才能放心地用进日常工作。
常见问题
什么是 AI 幻觉？
AI 幻觉是指大模型生成了看起来合理、但实际上错误或无中生有的内容，比如编造数据、捏造文献、虚构政策条文。它是大模型的固有特性，只能降低，无法完全消除。
AI 工具里的「个性化」或「规则」设置在哪里？
大部分桌面版和网页版 AI 工具都有类似设置，名称可能是个性化、自定义指令、规则或记忆。在这里写下的内容会作用于之后的所有对话，不用每次重复。
写了这些规则，AI 就不会出错了吗？
不会。规则能明显减少 AI 胡编和含糊其辞，但涉及数字、法规、医疗、财务等关键信息时，仍然必须由人核实。规则的作用是让 AI 主动标出风险点，方便你核查。