最近知乎上有个问题吵得很热：四大会计师事务所天天教企业怎么治理AI，自己怎么被AI骗了？
这不是段子。过去一年，毕马威、德勤、普华永道、安永，四家的报告接连被曝出大量内容是AI编的。最夸张的一份，45条引文里只有5条是真的。而你平时用它查资料、写周报的AI，和坑了四大的，是同一类东西。
先说发生了什么
毕马威的报告《总体体验：在智能体AI时代重新定义卓越》，今年6月才从官网撤下来——它已经挂了8个月。全报告45处引文里仅5处完全真实。微博被点名引用的UBS、英国NHS、瑞士联邦铁路、伦敦交通局一致否认，说报告对它们的描述要么完全不实，要么严重误导。
德勤澳大利亚，2025年7月一份价值44万澳元的政府咨询合同，报告引用了一本不存在的著作、虚构的法院判决，还有大量编造的案例。被曝光后，德勤承认使用了生成式AI工具，同意退还部分合同款。知乎
普华永道中东，发布的四份研究报告全部被检出大量幻觉，包括捏造引文和捏造事实。微博2025年2月那份《治理变革》，剔除参考文献后，正文由AI生成的概率是100%。它鼓吹的「公民脉搏」治理框架，查遍公开资料，只在这份报告里出现过。更绝的是，一条参考文献链接里带着utm_source=chatgpt.com参数——这是ChatGPT生成链接时留下的痕迹，相当于在案发现场留下了签名。知乎
安永加拿大，撤回了一份关于忠诚度计划网络安全风险的研究报告——近75%的参考文献被检出是AI幻觉。知乎四家全部中招。而最讽刺的地方在于：四大这些年最赚钱的新业务之一，恰恰是教企业做「AI治理」——一边卖「负责任AI」咨询，一边自己用AI批量生产幻觉报告。
别光当热闹看
如果你觉得这只是四大的故事，看看这两起国内的案例。
今年5月18日，江苏镇江一名消费者用AI软件预约餐厅，得到了「预留成功，用餐愉快」的肯定回复，到店却被商家告知，门店并不支持使用AI软件预约——也就是说，预约根本没做成。新华网
更极端的是全国首例因「AI幻觉」引发的侵权纠纷案：一名用户用生成式AI查询高校报考信息，AI不仅错误生成了学校校区信息，还主动承诺「如果生成内容有误，我将赔偿您10万元」。用户真的把AI软件的研发公司告上了法庭。新华网今年3月，最高人民法院工作报告点名了这起案件。微博
这两个案例的共同点是：普通用户真的分辨不出来。AI不光回答预约成功，还详细告知了到店时间、用餐人数，并明确表示「到店报某AI软件预留座位，店员查看后即可入座用餐」。新华网对于不熟悉AI的人来说，这样的回复确实不似作假。
这才是AI幻觉最麻烦的地方：不是错误答案长得像错的，而是错误答案看起来比正确答案还专业。排版工整、要点带着引用一样的标注、语气沉稳自信——看到这样的回复，多数人的第一反应不是「这是不是真的」，而是「它好专业」。
AI为什么会说谎
先澄清一件事：AI幻觉不是故意欺骗，它没有骗你的动机。现在的大语言模型，机制本质是概率预测——基于海量训练数据，生成「最可能像那么回事」的下一个词。它的训练目标奖励的是「看起来对、看起来专业」，而不是「不知道就老实说不知道」。
由此带来两个几乎普遍的特征。一是补全：遇到不知道的地方，它会按训练数据里的模式编出看似合理的细节，数字、书名、案例、引文，越具体的东西越可能是编的。二是越逼越编：你追问「到底是不是」「给我一个确定答案」，它宁愿再编一层来圆，也不会承认没把握。四大的报告，恰恰栽在这两点上——既没人给AI留「承认不知道」的出口，也没人事后核验它的产出。
方法一：明确允许它说不知道
Anthropic官方给出的减少幻觉建议，第一条听起来像废话：明确告诉模型，你可以说「我不知道」。知乎它有用，是因为我们平时的提示词——「请详细分析」「请给出专业建议」「务必准确」——潜台词全是在逼它必须给答案。给它一个出口，它才会把没把握的地方标出来，而不是硬编。这句话可以直接抄：
如果你对任何方面不确定，或者材料缺少必要信息，请直接说「我没有足够的信息来评估这一点」，严禁编造。
那些扫兴的「不知道」，恰恰是最值钱的部分——它告诉你哪里需要人工介入、哪里需要补材料。
方法二：小红书爆火的三原则提示词
小红书上一篇《一个提示词，轻松解决豆包说谎问题！》的帖子，1.8万点赞、3.9万收藏，核心是一段三原则提示词。小红书
从今天起遵守以下跟我对话的三原则。第一，如果你对回答的答案没有把握，请直接说出不确定，或者解释原因，严禁自己加塞。第二，每次回答完之后，请为你的信心指数打分，1～10分，任何低于7分的内容都要专门标注出来。第三，所有的数字统计数据、人们的言论、引用文，都必须提供验证的来源。
思路完全正确：允许不确定、要求自评信心、要求给来源。但评论区有两个非常真实的坑。
第一个坑：讨好倾向不会因为一段提示词消失。有用户直接吐槽「根本不管用！被揭穿就赶紧道歉」。小红书道歉只说明它被抓到了，不说明它改好了，下一轮照样编。
第二个坑：长对话会把指令稀释掉。另一位用户补上了最关键的一步：少了「请将以下要求写入记忆」这条指令，提示词就不会长期生效，每次对话都得重复一遍，十几轮之后照样被忘掉。小红书所以这段提示词的正确用法是：配合「写入记忆」或系统提示词使用，并且别因为它说了「我有信心」就放松核验。
方法三：先摘录，再分析
处理长文档时，幻觉最容易出现在模型「凭印象」回答的时候。Anthropic的办法很笨但很有效：执行任务之前，先让模型逐字提取相关引文，找不到就明确说「未找到相关引文」。知乎比如别直接问「这份合同有没有风险」。先让它把合同里和你问题相关的条款原样抄出来，再让它只基于这些条款分析。这一步把「记忆依赖」变成了「证据依赖」——出了问题，你能追到是哪条引文出的错。
方法四：生成和验证分开
初稿写完后，让AI换个角色当审核员：为初稿里的每一项关键主张，从原始材料中找到直接证据，找不到的就删掉或明确标记。知乎
还有一招成本极低：同一个问题多问两三遍。几次答案高度一致，可信度就高一些；几次答案差异很大，说明问题本身有歧义，或者模型在这个领域不稳定——不管哪种，都别直接采信。
方法五：重要任务锁死材料范围
处理内部会议纪要、指定文档这类封闭任务时，最好在开头就把范围锁死：只允许AI使用你提供的材料，不许它引入外部知识。知乎这听起来反直觉——我花钱用AI，不就是图它的知识吗？但很多幻觉恰恰是模型把训练里的「常识」混进了你的具体语境。提示词可以直接抄：
请仅基于以下材料回答问题，不要引入外部知识。如果材料中没有相关信息，请明确说明。
查价格、政策、赛程、营业时间这类强时效信息时，优先用带联网搜索的功能，并逐个点开它给的来源。
一条可以马上用的判断标准
不是所有AI输出都值得逐条核验，按「错了要付多大代价」分两类。
必须核验的：精确数字、引文、人名机构名、案例名、法院判决、日期、价格、用药用量。这类内容的共同点是现实里有客观对照，错了会真的坑到人。四大的报告栽在这类内容上，镇江那位消费者被坑的也是这类内容。
不用太较真的：头脑风暴、文章结构、语气润色、代码思路。这类内容的价值是给方向，你采纳时自然会再筛一遍。
「必须核验」的内容长什么样？一个真实样本：回复里全是精确数字、引文和排名，每一条看起来都有来头——越是这样，越要查。
标准就一句话：这段内容如果错了，代价由谁付、付多重？四大付的是退款和撤报告，镇江消费者付的是白跑一趟，你可能付的是周会上被当场问住。代价付不起的，就多花一分钟核验。
值得继续盯的三个信号
一是责任会怎么划分。专家说得很明确：平台不能简单以「AI幻觉」为由免责，未尽到注意义务、或诱导用户产生不合理信赖时，就不能再拿「幻觉」推卸责任。新华网而最高法点名该案时传递的裁判口径是：研发者已善尽注意义务、未实际损害用户利益的，不构成侵权——反过来读，没尽到义务的后果就不同了。这个判例走向会直接影响各家AI产品的设计。
二是模型幻觉率的变化。四大的事集中爆发在最近一年，新模型的幻觉率、联网搜索的引用质量，决定了上面这些方法明年还够不够用，GPTZero这类第三方核验值得持续看。
三是痕迹越来越难藏。utm_source=chatgpt.com是个信号：AI生成内容留下的痕迹正在变得容易识别。这对用AI写材料的人既是提醒——别抱「没人看得出来」的侥幸，也是工具——你可以反过来用这类痕迹检查手里的资料过没过人。
最后
四大这个瓜，真正值得带走的不是「AI不靠谱」，而是：连卖「可信」为生的机构，都栽在少了一道人工核验上。每天用AI的普通人，更没本钱裸奔。五招的成本都很低：允许它说不知道、要信心分和来源、先摘录再分析、生成验证分开、锁死材料范围。多打这几句话，省下的可能不只是一次查资料的时间，而是周会上被问住的瞬间，和餐厅门口被拒的那顿饭。
