章节目标：以证据对照和拒答策略降低幻觉风险，并结合 提示自测 建立合规流程。

证据优先的提示结构

• 在 <knowledge> 区段列出已验证的信息，建议加编号（如 [K1]）。
• 要求 Claude 在 <analysis> 中先列证据，再写结论，防止编造。
• 使用 <citations> 区块输出最终引用，可方便人工或系统校验。

<analysis>
候选结论：…
证据：[K2] 第三段
</analysis>

构建拒答机制

• 明确写出“若缺乏证据，请输出 <refusal> 内容”，并提供示例理由。
• 对敏感领域（医、法、财）设定“只有在资料覆盖范围内才可回答”。
• 将 语气护栏 用于拒答，保持礼貌且明确。

置信度标注

• 让 Claude 给出“高/中/低”的置信度，同时要求解释依据。
• 若置信度低，附带后续建议，如“建议人工复查”。
• 可配合阈值：例如“置信度低时，不输出具体结论，只列疑问”。

示例：引用与拒答

prompt = """
<knowledge>
[K1] 退款政策允许在 30 天内申请退货。
[K2] 客服支持时间为周一到周五 9-18 点。
</knowledge>
<task>
1. 回答：能否在 40 天后退款？
2. 若无法确认，请引用拒答理由。
</task>
"""
print(get_completion(prompt))

尝试移除 [K1] 后再次运行，可观察 Claude 是否触发 <refusal>；这是 notebook 中用于说明拒答策略的实验方法。

练习

1. 将公司知识库要点收录到 <knowledge> 并编号。
2. 提问一个模糊问题，观察 Claude 是否引用正确编号。
3. 刻意删除相关资料，检查是否触发 <refusal>。

完成后，你的提示模板可以直接应用在客服知识库、自助问答或合规审查等场景中，大幅降低幻觉带来的风险。