基础概念
AI 幻觉是什么意思？
模型生成看似合理但与事实不符内容的现象，根源是语言模型按概率「补全」而非查证事实。是所有选型决策必须纳入的可靠性约束。
幻觉在高风险场景（法律、医疗、财务、引用）危害最大。缓解手段按成本排序：要求模型提供引用来源并人工抽查、接入 RAG 限定答案范围、用低温度参数、关键结论交叉验证。选型视角：宣称「绝不幻觉」的产品不可信，值得看的是它是否内置了引用、溯源与人工确认机制。
适用场景
理解 AI 工具能力边界
辅助工具选型和方案沟通
建立可复核的 AI 工作流
常见误区
概念不能替代具体工具测试。
正式上线前仍要评估成本、权限、合规和可维护性。
如何用于工具选型
先确认这个概念解决的是能力问题、流程问题还是工程问题，再回到具体工具详情页核对官网入口、价格模式、支持语言、平台能力、最近核验日期和不适用边界。涉及团队或商业使用时，还要单独检查权限、数据策略、商用授权和替代方案。
