篇章汇总 汇总（下）· 缓解策略 + 决策框架 大模型原理 · 总结回顾 · 下半页：如何缓解幻觉，以及 AI PM 该有的决策框架。 一句话速览 四种缓解策略对比 / 常见误区清单 / 方案选择判断矩阵

三 · 四种缓解策略

🛡️ 四种缓解策略 按场景选择，组合使用最佳

首选方案 Prompt Engineering 角色 + 约束 + 示例 + CoT。成本最低，优先使用。 局限： 无法注入模型不知道的新知识。

私有知识/实时数据 RAG 检索增强 分块→Embedding→向量检索→注入Prompt。不是"让模型学"，是"临时给小抄"。 代价： 延迟 + 检索质量 + 维护成本。

调整输出多样性 Temperature / Top-P T=0 每次一样，T=1 正常采样，T>1 更随机。 误区： 不是越高越聪明，越低越蠢。控制随机性，不是智能。

高风险/强合规场景 HITL 人工审核 AI 生成 → 人工审核 → 用户可见。冷启动期必备兜底。 代价： 人力成本 + 响应延迟。

四 · AI PM 认知框架

🎯 AI PM 认知框架 带走这些判断，做更好的产品决策

❌ "调高 Temperature 就更聪明" → 只是更随机，不是更智能

❌ "RAG = 让模型学习文档" → 只是运行时临时注入上下文

❌ "模型在调用 API" → 模型只是输出了格式化文字

❌ "重新训练就能修复错误" → Prompt 先试，成本低 100 倍

Prompt 够用 知识在训练数据里，格式 / 风格 / 语气问题

需要 RAG 私有知识库、实时数据、知识截止日期后的内容

需要微调 固定专业领域风格、推理范式需要改变

需要 HITL 高风险输出、品牌声誉、医疗/法律合规要求

带走这句话 大模型本质是 超大型概率预测机器 。理解它的局限，才能正确发挥它的优势。