三个常见误判：搜索框、记忆库、会追问的同事

误解一：它知道今天发生了什么

模型的知识停在训练数据截止那天，之后的事它不知道。有些产品接了联网检索，但那是外挂，不是模型本身的能力。

所以问“今天某公司股价”“这周有什么新政策”，它要么说不知道，要么给你一个听起来合理的旧答案。后者更危险。

正确的用法是：时效性内容自己查，把查到的东西贴给它做整理和对比。让它当分析者，别让它当信息源。

还有个变种：它知道旧版本的规定，但不知道已经改了。问流程、问标准、问税率这类会变的细节，先确认版本，再让它解释。

同一个对话窗口里，它靠把历史消息重新发一遍来“记住”。窗口一关，或者对话太长被截断，前面说的就没了。

这解释了两件事：为什么聊久了它开始答非所问，因为最早的约束被挤掉了；为什么换个窗口它像失忆，因为它确实没有记忆。

想让它稳定，把关键约束写在每次提问里，或者开头用一段固定背景，别指望它自己记住。

实操上有个便宜的办法：把背景写成一小段，存在记事本里，每次新开对话先粘一次。三十秒的事，能省掉后面反复解释。

多数模型被训练成“先给答案”。你信息给得不全，它不会追问，而是默默补一个假设，然后基于假设写一大篇。

这就是为什么你觉得它答得挺顺，但跟你手上的活完全对不上。它补的那个假设，可能和你真实情况差很远。

应对办法很笨但有效：提问时自己先把可能缺的条件列一遍，读者是谁、多长、什么语气、要不要举例。它不问，你就自己交代。

让它查一条具体规定、一个具体参数、一条法条原文，它给的版本经常是拼出来的：条款号对，内容错半句。

要精确内容，就把原文贴进去让它找，或者让它回答“在第几段”，然后你自己去看那一段。

能核对的场景用它提速，不能核对的场景别用它下结论。这条线划清楚，很多坑就绕过去了。

补充一句判断标准很简单：这句话错了，我能不能在三分钟内发现。不能，就别让它单独决定。

接了联网搜索是不是就准了？

好一些，但检索到的网页本身可能有错，它也可能读错。看它给的来源链接，点进去核一遍，这一步省不掉。

为什么同一个问题问两次答案不一样？

生成过程带随机性，温度越高差异越大。要稳定就调低温度，或者把输出格式约束死。

它说“我不确定”可信吗？

比它硬答要可信，但不代表其他时候就可靠。它的确信程度和正确率没有稳定关系。