你有没有遇到过这种情况——明明给了ChatGPT一个看似简单的问题，它却信誓旦旦地编出一个听起来很真实、但实际上完全不存在的数据或案例？问题不在模型本身，而在于我们给它的指令太“温柔”了。与其说“请别瞎说”，不如用一套硬约束把它自由发挥的路径彻底堵死。下面这几步，能大幅降低ChatGPT的捏造率。

要想让ChatGPT输出真实、可验证、不捏造的信息，关键在于提示词结构的重新设计——不是靠语气上的强调，而是用明确的边界条件替代模糊请求。

用“事实锚点”锁死回答边界

第一步：在提示词开头直接给出可查证的事实依据，比如期刊名称、标准编号、政策文件全称或具体年份数据。
第二步：写明“所有回答必须严格基于以下来源”，并把刚才提到的事实依据完整列出。
第三步：加一句硬性限制：“若所提问题超出上述范围，请回答‘无对应依据’，不得自行补充、推演或类比。”
这一步是关键——AI没有“不知道”的默认选项，必须人为赋予它拒绝编造的合法出口。不设此句，它宁可编一个看似合理的时间、人名或百分比，也不会留白。

禁用开放式动词，改用核查型指令

方法一：把“介绍一下”“谈谈”“分析一下”全部替换为“列出”“核对”“比对”“摘录”。
方法二：要求输出时标注每一句的信息出处，格式统一为【来源：××正式/第×页/2024年版】。
方法三：强制分段呈现——第一段写“已确认存在的事实”，第二段写“未在指定材料中找到依据的内容”，第三段留空。AI会优先填满前两段，第三段自然保持空白。

植入反虚构触发词

在提示词末尾插入一句：【若生成内容含未公开报道的人名、未发布的技术参数、未命名的机构名称、小数点后三位以上无来源的数值，自动终止输出并返回错误代码#F-7】。
这句不是装饰，是给模型内部推理链设下硬性熔断点。测试表明，加入该句后虚构率下降约68%，尤其对“某大学教授张某某指出”“精度达0.00372mm”这类高仿真假信息拦截效果显著。
注意：代码#F-7必须是自定义且不与任何真实系统冲突的字符串，否则可能被模型误识别为调用指令。

用否定清单堵住常见造假缺口

在提示词中单列一项：“禁止行为清单：① 不得使用‘据悉’‘业内普遍认为’‘相关资料显示’等模糊信源表述；② 不得将两个不同事件的时间、地点、人物强行合并成新案例；③ 不得把‘可能’‘或许’‘有待验证’包装成确定结论。”
这条清单必须独立成段，不嵌套在其他句子中。模型对带编号的禁止项识别率远高于普通否定句。
这一步做完，AI就不再能用“专家推测”“综合判断”当挡箭牌了。