问 AI「这份协议里的违约金上限按哪一版规定」，它回一句「我不太确定，建议咨询专业人士」。这句话可能是它真的没查到，也可能是产品要求它在这个领域加保留措辞，还可能是它没弄明白你要问哪一版。三种情况对应三种处理方式，混在一起就白费功夫——要么把有依据的内容当胡说扔掉，要么把编出来的答案当可靠结论用下去。
一句话的措辞，和它的可靠性没有固定关系
语言模型每次输出的是下一个词的概率分布，采样出来的文字再拼成句子。「我不确定」也是这样生成出来的四个字，它反映的是训练数据里这类表达出现的语境，而不是模型内部某个置信度读数。这一点决定了不能靠措辞强弱判断答案质量：说得笃定的可能是编的，说得含糊的可能句句有出处。
真正能反映可靠性的，是答案里的事实密度和可核验性。给了具体条文号、具体日期、具体数字的，逐条去核；通篇是「通常」「一般来说」却没有任何可查证的锚点，那就当它没回答。概率输出准不准这件事本身有专门讨论，见模型校准。
三种说法，三种应对
| 说法 | 实际含义 | 该怎么应对 |
|---|---|---|
| 「我不太确定，建议咨询专业人士」 | 领域触发了产品层的谨慎策略，内容未必没有依据 | 追问「这条依据出自哪份文件」，拿到线索后自己核原文 |
| 「我的知识截止到某年，之后的变化我不掌握」 | 训练数据的时间边界，确实缺信息 | 把最新材料贴进去，或者直接去官方渠道查 |
| 「你是指 A 还是 B」「能补充一下场景吗」 | 问题有多种合理解法，缺约束 | 补三样：受众、用途、判断标准 |
| 「一般来说是这样」，随后给出具体数字 | 框架可能对，细节多半是补全出来的 | 数字、名称、条款一律外部核对，不直接引用 |
四行的共同点是都要动手核，区别在核什么：第一行核依据，第二行核时效，第三行补条件，第四行核细节。分不清是哪一种就追问一句，成本很低。
追问「你缺事实还是缺条件」，为什么有效
这句追问把隐式判断变成了显式分类。模型在生成时本来就要在「继续答」和「转交」之间做选择，你把选项摆出来，它多半能说清自己卡在哪：找不到相关资料，还是不知道你要哪种口径。相比反复重问同一个问题，这一句的收益高得多，因为重问只会得到同一分布的另一次采样。
追问也要防一个坑：多轮对话会累积你给的前提。你问「那第二款呢」，它会默认存在第二款并顺着编下去，哪怕原文里根本没有。发现它在跟着你的假设走，就回到原始材料重新提问，别在错误前提上继续加码。
把问题拆小，确定性会自己回来
「这个政策怎么理解」是开放题，答案取决于立场、对象和用途，模型只能给一段四平八稳的综述。「这个政策哪一年发布、废止了没有」是两个有唯一答案的事实题，答错的概率低得多。同一个知识点，问法决定了它能不能给出确定答案。
给材料是另一个立竿见影的动作。把原文贴进去，把闭卷考试变成开卷，编造的空间被压掉大半。代价是长文档里中段信息容易丢，几万字的材料问到细节仍然会错，这是上下文窗口的固有限制，提问技巧解决不了。要求它标注每条结论出自第几段，是第三个有效动作：有出处的部分可以直接用，没出处的部分会自己暴露。
它读不到自己的置信度
模型没有「我知道多少」这个内部仪表。所谓不确定，是生成出来的措辞，不是对内部状态的读数。因此它既可能在高把握时说得含糊，也可能在完全编造时说得斩钉截铁。让它自评「你对这个答案有多大把握」，得到的仍是一句生成出来的话，和真实正确率的关联很弱，编造的部分和AI 幻觉是同一套机制。
它也分不清「训练数据里没有」和「有但被策略压住」。同一件事换个问法，可能从「不知道」变成一段完整回答，而这段回答的质量并不会因为被解锁而提高。更麻烦的是，它不知道你的场景约束——地区、版本、行业口径，这些没写进问题里的东西它只能猜。有些「不确定」恰恰是正确反应，硬逼它给确定答案，等于把风险从它那里转移到你这里。
把它当信号，而不是结论
听到「不确定」，下一步通常是补信息或换来源，而不是继续追问同一个问题。判断标准可以简化成一句：这句话指向的是缺材料还是缺条件。缺材料就去拿原文，缺条件就补受众和用途。两种情况都不适合在原地打转。
需要外部权威答案的事——法规条文、药品说明、协议条款——最终都要回到原始出处。模型在这里的作用是帮你找到该查什么、该怎么读，不替你下结论。提示词怎么写才能减少这类拉扯，提示词的基本结构给了更具体的写法。
速查：听到「我不确定」先做四件事
- 问一句：是缺事实，还是缺我要什么。两种缺口的补法完全不同。
- 看它后面接什么：给了具体建议，多半是谨慎措辞；开始绕圈，多半是真缺数据。
- 把大问题拆成有唯一答案的小问题，再问一遍。
- 手上有原文就贴进去，然后要求它逐条标出出处。
- 涉及法规、药品、合同的内容，一律回原始出处核对。
