RAG 检索增强提示词速查表 - 基于上下文作答与防幻觉
本页适用于搭建"基于文档/知识库的问答系统"、但担心大模型在检索基础上仍会脑补的用户。RAG 比普通问答更讲究边界：既要强制"只基于检索到的上下文作答"，也要处理检索不足时的拒答、多段证据的组合，以及证据互相矛盾时的明确标注；读完即可套用这些模式，明显降低幻觉并让答案可溯源。
基于上下文作答 5
仅使用下面<context>中的内容作答，不得引入外部知识。问题：{q}
<context>{c}</context>最强防幻觉边界
用<context>中的原话支撑每个结论，并标注段落编号结论可溯源
若<context>不足以回答，明确说"信息不足"，不要猜测诚实拒答边界
先给一句话结论，再列支撑证据（含出处）结论+证据骨架
把<context>转成 FAQ，每条都附来源段落知识沉淀带出处
引用与融合 5
每条结论后加[1][2]指向对应上下文块内联引用块编号
综合段落 A 与 B 的观点，指出一致与分歧多源融合
按时间线梳理<context>中的事件（标出处）时序抽取
提取可执行的行动清单，逐条标来源行动项溯源
生成术语表，术语解释附上下文出处术语可核查
冲突与不确定性 5
若不同段落矛盾，分别列出并说明无法裁定冲突显式标注
标出<context>未覆盖的方面（覆盖缺口）缺口提示
对结论标注置信度：高/中/低及理由置信度分级
区分"上下文明确说"与"可合理推断"事实vs推断分离
敏感事实要求交叉验证多个段落降风险
检索质量配合 5
提示中要求"忽略无关上下文块"降噪，抗召回杂质
要求按相关性重排后再答配合重排器
长文档先分块再逐块问避免截断
让模型指出哪些块最相关可解释召回
低相关时直接拒答而非硬编保底线
避坑 5
上下文边界要写死否则模型易引入训练记忆
引用需人工复核准确性AI 引用偶误挂
召回杂质靠提示+重排双保险单靠提示不够
拒答比硬答更可信诚实优先
矛盾别强行统一显式标注更专业
提示
- RAG 提示词的灵魂是"把模型锁死在检索到的上下文里"——明确的"仅基于<context>作答、不得引入外部知识"边界是防幻觉的第一道关。
- 引用出处（块编号/段落）让结论可追溯，但 AI 引用偶有误挂，关键事实仍需人工复核。
- 冲突标注与置信度分级比强行统一更专业；召回杂质要靠"提示要求忽略无关块"+重排器双保险。
- 低相关时直接拒答，比硬编一个答案更可信——底线优先于完整度。
由 巧匠 维护
公开更新于 2026年8月23日，内容持续校对官方文档。