大模型幻觉治理：别只靠Prompt压制，从根源降低生成错误

​摘要：​幻觉是大模型落地企业业务的核心阻碍之一。多数开发者解决幻觉的方式非常单一，仅依靠 Prompt 增加“禁止编造、基于原文回答”等约束。但线上实践中可以发现，单纯话术约束治标不治本，复杂场景下模型依旧会虚构数据、杜撰流程、拼接错误信息。本文从工程落地角度，拆解大模型幻觉的核心成因，梳理一套可落地的分层治理方案，帮助开发者从数据、检索、推理、后处理全链路降低幻觉概率，提升业务问答稳定性。