摘要：朋友们，是不是经常被自己搭建的AI知识库气得血压飙升？

用户问：“你们这个产品的保修期是多久？”
AI答：“我们的产品质量卓越，享誉全球，终身为您提供优质服务。”（实际保修只有一年）

用户问：“请总结一下2023年的财务报告第三季度数据。”
AI答：“根据资料，2023年第三季度我们营收...（开始一本正经地编造数据）”

疯了！真是疯了！

这种“一本正经地胡说八道”，在RAG（检索增强生成）领域我们称之为“幻觉”（Hallucination）。它不仅是知识库的“头号公敌”，更是劝退用户的“最佳损友”。

今天，作为深耕AI一线的博主，我就用一篇纯干货，带你亲手“掐灭”AI的幻觉！只需10分钟，5个亲测有效的实战技巧，就能让你Dify知识库的准确率发生质变，从此告别胡说八道！

一、为什么你的知识库总是在“鬼扯”？

简单说就两点：1. 没找到（检索渣）；2. 找到了但瞎编（管不住嘴）。今天的5个技巧，就对着这两个死穴猛攻。

 技巧一：手动调段——给AI喂“细粮”，别喂“整猪”

问题：直接把100页的PDF丢进去？AI就像让你生吞一整头猪，根本无法下嘴。它检索时，可能会抓住一段不相关的内容大做文章。

解决方案：手动分段！在 Dify 的知识库编辑页面，先进行自动分段，然后手动调整分段内容。也可以手动设置分段符号，让AI根据手动分段符号进行分段，总之关键原则是分段内容完整，且足够小，不能1000个字符一个分段。分段太长，检索的时候，检索的相似度太低，检索效率太低。

关键原则：文本切成 300-500字一个的“语义块”，确保每一段都在讲一件完整的事。

操作路径：Dify → 知识库 → 文档 → 添加文档→ 设置分段→ 分段最大长度 512，分段字符：可以手动填写上例如 ######，注意需要在文档上需要分段的地方出现相同的#######。

手动调整：Dify → 知识库 → 文档 → 点击具体的文档 → 点击其中的分段

→编辑分段。可以将分段位置不对的，copy后，然后添加到别的分段中，也可以手动添加分段。如下图所示。

效果：段内信息自洽，检索目标更明确，从源头上减少误检。

技巧二：父子分段——给它“关键词”，再给它“上下文”

问题：段切好了，但检索时可能因为关键词匹配度不高而漏掉关键段落。

解决方案：启用父子分段模式！这是大幅提升召回率的“核武器”。

• 父段落：500字左右的核心内容原文。

• 子段落：100字左右的摘要或关键词提炼。

操作路径：在文档处理的「分段模型」里，果断选择「父子模式」。

原理：检索时先匹配关键词丰富的子段落，一旦命中，直接带回拥有完整上下文的父段落给LLM阅读。这叫“精准定位，饱和打击”。

效果：官方实测，这种策略能让检索精准度提升35%以上！

技巧三：提示词上锁——给AI的“嘴”贴上封条

问题：检索到了无关内容，AI开始自由发挥；或者什么都没检索到，AI开始凭空创作。

解决方案：用System Prompt（系统提示词）给它立下“天条”！

核心指令（直接复制粘贴拿去用）：

你是一个专业的客服AI，下面是知识库检索到的参考内容，请使用检索到的内容进行图文混排的方式，回答用户的问题。必须严格按照知识库内容进行回答，不要自己创造。回答问题的时候请清空缓存，重新根据检索的内容开始进行问题的回答。

# 约束



- 请严格按照知识库检索到的内容进行回复。不需要对检索的内容做过多加工。



- 未检索到的内容，请回复抱歉，未检索到知识。



- 请在输出信息中保留知识库返回的图片完整信息。



- 请将检索到的图片直接进行预览显示。



- 请将检索到的表格直接进行预览显示。



- 请将检索到的公式直接进行预览显示。





**关键原则：**



1. **严格的数据库依赖性：**



- 每个答案必须完全基于相关文档中存储的经过验证的产品信息。



- 不得虚构、推测或推断超出检索范围的细节。



- 如果您无法找到相关数据，请回复：“我在我们的知识库中找不到此信息。请稍后再试，或提供更多详细信息以进行进一步搜索。”



2. **信息准确性与结构：**



- 以清晰、简洁且专业的方式提供信息。 



- 如果有多个关键点（例如，服务名称、功能菜单名称、操作步骤、技术规格），请分步骤描述。 



- 在适用的情况下，务必注明服务名称或产品名称，以避免混淆。



3. **语气与风格：**



- 始终保持礼貌、专业且乐于助人的语气。 



- 避免营销夸大其词或使用促销语言；严格保持事实性。 



- 不要发表个人观点；仅引用检索知识库数据。



4. **用户指南：**



- 如果用户的查询不清楚或过于宽泛，请礼貌地要求其澄清或引导其提供更具体的服务名称或者产品名称（例如，服务名称、服务类型、国产或者非国产、规格类型）。  



示例：“您能具体说明一下服务名称或类别吗？这样我就能为您检索到最相关的信息。”



5. **回复长度与格式：**



- 对于一般性询问，请将每个回答控制在100-150字以内。 



- 对于复杂或多步骤的解释，你可以扩展到200-250字，但始终要保持清晰且结构合理。



- 请用简体中文回答用户的问题。



6. **重要提醒：**



您的权威性和可靠性完全取决于对相关文档的回复。任何捏造、推测或未经核实的内容都将被视为您职责的严重失职。



再次强调，未检索到内容，请回答抱歉，未检索到知识。



- 回答的展示框固定在宽度800像素



- 输出内容禁止出现代码段包括：SQL、Mathematica、Bash、Mermaid、MarkDown、Python



- 输出内容禁止出现Log



- 禁止输出Mermaid格式流程图



-不改变检索内容中的图片链接地址，请直接展示图片内容，图片展示的格式请参考如下：



- Markdown 格式的图片示例: ![](/Users/username/Documents/image.png)



</System Prompt>

用户提问前，自动插入锁定指令：
仅基于以下资料回答：{检索到的内容}

效果：这是最简单粗暴但立竿见影的一步，幻觉率呈断崖式下跌。

---

技巧四：数据清洗——向量数据库只吃“精加工食品”

问题：原始文档里的表格、页眉页脚、广告语、格式混乱的日期，这些“垃圾”会严重污染你的向量数据库，导致匹配相似度得分天生就低。

解决方案：上传前，给文档来个“深度SPA”！

• 表格处理：把含有表格 Word/PDF 里的文档采用如下命令，一键转为干净的 Markdown 表格格式。

当然你得自己安装docling,它是一个开源的文档识别转化工具。

• 剔除杂质：手动删除所有页眉、页脚、免责声明、无关广告句。

• 格式统一：将“2023.10.01”、“2023-10-1”、“23年10月1日”统一成“2023-10-01”。

效果：别小看这些细节，清洗后的文档，向量匹配平均相似度得分能提升0.12+，相当于给AI换上了高清眼镜。

---

 技巧五：召回+重排——“广撒网，精捕捞”的终极策略

问题：检索策略太死板，要么漏掉关键信息，要么塞给AI一堆垃圾信息让它confuse。

解决方案：分两步走，优化检索流水线。

1. 知识库设置：广撒网（提高召回率）

• TopK从 5调到 10（多召回几条备选）

• 相似度阈值从 0.65降到 0.55（降低门槛，“宁可错杀，不可放过”）
  目的：先把所有可能相关的段落都捞上来！

2. 检索组件：精捕捞（提升精度）

• TopK从 5降到 3（最终只给LLM看最精华的3条）

• 相似度阈值从 0.5调到 0.7（提高最终门槛）

• 最关键一步：开启「Rerank」模型（重排序），推荐用 BGE-Reranker。
  目的：让Rerank模型利用更深度的语义理解，对“广撒网”召回的所有段落进行重新排序，把最相关、质量最高的3条置顶，再交给LLM生成答案。

效果：这是压死幻觉的“最后一根稻草”。实测显示，这一套组合拳能让最终答案的命中率从 67% 飙升至 94%！

二、AI大模型学习和面试资源

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

这份完整版的大模型 AI 学习和面试资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓