什么是不确定性声明？让模型敢说不知道

AI 一本正经地编造细节，是许多人踩过的坑——不确定性声明就是在提示词里预先写明：没有把握的内容直接说不知道，别硬凑答案。

一句话定义

不确定性声明是一类允许模型承认无知的指令，常见写法如「若资料不足以回答，请明确说明无法确定，并指出缺什么信息」。它的作用机理不神秘：给「我不知道」发放许可。默认状态下模型倾向给出流畅完整的回答，哪怕内部证据不足；这句声明把评判标准从「答得满」改成「答得实」，模型开口承认无知的门槛随之降低。它和客套的「请如实回答」不同：前者给了具体的判断标准和表达方式，后者只是一句态度要求，模型不知道什么算「如实」，照旧硬答。

打个日常比方

像带新人时先说一句「拿不准的事别自己拍板，先来问我」。这句话不会让新人变笨，只会让他在没把握时多一步确认，出的错反而少。类比漏掉的部分在于：新人隐瞒是因为怕挨说，模型没有这层顾虑，它的「硬答」更多来自训练偏好——流畅作答是被奖励过的行为，所以声明要写得具体，光说「诚实一点」几乎无效。写声明时还有一个常见误区：把它写成威胁，比如「不许编造，否则重罚」。模型不吃威胁这一套，给出标准和方法，比给处罚有用得多。

它改变了什么

最直接的变化是空答变多：模型会回复「这点我无法确定」，看起来产出变少，其实错误被挡在了下游之外。配套动作是给模型留出路——声明里补一句「不确定时列出还需要什么信息」，这样一句「不知道」就成了可执行的下一步。在秘塔AI搜索这类带检索的工具里，再配上来源要求，拿不准的内容还能标注出处，可信度好不好判断，一眼便知。团队协作里它的价值更大：成员看到带声明产出的内容，能放心「模型没把握的地方已经标出来了」，核对只需要盯标记处，效率高不少。

怎么写才有效

三个要点。一写明判断标准，比如训练数据里没有的、资料里查不到的，都算不确定；二写明表达方式，是直接承认，还是分列已知与未知两部分；三写明后续动作，给出补信息或换问法的路径。示例配合效果更好——给一个「承认不知道」的示范，few-shot 的模式匹配会带动模型照做。写完别急着定稿，在 DeepSeek 或智谱清言上各跑几轮A/B 提示，比较带与不带声明的差异；结论记进迭代记录，作为这条声明的存在依据。若还嫌输出风格不稳，再补一条角色设定，风格与边界各司其职。声明放的位置也有讲究：放在提示开头或结尾都行，关键是独立成句、别混在任务描述中间，混进去很容易被当成背景信息忽略。

不确定性声明自查清单

• 判断标准：什么情况算「没把握」
• 表达方式：直接承认，还是分列已知未知
• 后续动作：指出缺什么信息或怎么补
• 验证：带与不带各跑几次对照

一句话带走：宁可空一句，别错一片，先写不确定性声明。

关于不确定性声明再多问三句

• 加了声明模型就一定承认无知吗？：不保证，它提高承认的概率，关键内容仍需人工核对。
• 回答会不会变得支离破碎？：措辞过严会，把「不确定」的范围限定在关键事实上，常规内容照常作答。
• 它和角色设定冲突吗？：不冲突，角色管风格，声明管边界，写进同一条提示里各管各的。

说到底，不确定性声明教的是和 AI 相处的一个基本姿势：把模型当成博学但偶尔嘴硬的助手，给它台阶下，它反而更诚实。