幻觉并非模型的“故意说谎”，而是模型在缺乏足够事实约束时，按照语言统计规律进行合理推测的必然结果。RAG 并非从模型内部根除幻觉，而是通过一套外部约束机制，大幅压缩幻觉的生存空间。这种约束的核心，可以概括为基于上下文的生成约束和事实锚定原理。
4.3.1 基于上下文的生成约束
传统的大模型生成，本质是给定一个提示词，模型利用参数中储存的“世界知识”来逐词预测下一个 token。当提示词中没有包含回答所需的全部事实时，模型只能靠记忆来补全，这是幻觉产生的主要土壤。
RAG 的做法是把“所需的全部事实”提前注入到上下文中。具体来说：
- 构建事实完备的提示
在将问题发给模型之前，先从知识库中检索出高度相关的原文片段。这些片段不仅提供了关键事实，还包含了术语定义、背景信息、数据细节等模型原本可能缺失的内容。最终的提示词由「检索文本」+「用户问题」+「生成指令」三部分组成，事实信息密度远超裸问题。
- 指令级约束
除了提供事实文本，提示词中会明确加入行为约束，例如：“请严格根据以下资料回答问题。如果资料中没有提及，请明确回答‘未找到相关信息’，切勿猜测或编造。”这种指令相当于给模型的“创作自由”划定了边界，让模型清楚地知道：与其编造，不如承认不知道。
- 上下文窗口内的信息优先效应
研究表明，大语言模型在处理输入文本时，会给予最近出现的、与任务直接相关的上下文更高的注意力权重。当检索到的原文片段就放在提示词的最显眼位置时，模型天然更倾向于直接使用这些文本，而不是去调用参数中模糊的记忆。这实际上把生成任务重新定义成了“基于参考文本的摘要或重组”，而非开放式的知识回忆。
4.3.2 事实锚定原理
“事实锚定”指的是，生成的每一句关键断言，都必须能追溯到输入上下文中的一个具体“锚点”——即检索到的原文片段中的某一段落、某一句话，甚至某一个数据。
这一原理在 RAG 系统中通过以下几个层次落地：
- 片段级别的锚定
检索系统返回的每个片段，已经是一个最小的、信息内聚的单元。模型在生成回答时，实际上是在围绕这些片段进行解释或重组。比如检索到“年假天数调整为 18 天”，生成的回答不会出现“年假增加了 5 天”这样的模糊表述，而是直接引用“18 天”这个锚定数字。
- 附带引用的隐式约束
如果提示词要求模型在回答中标注来源（例如“【来源：《员工手册》第2.1条】”），这种要求会反作用于模型的生成行为。为了成功标注，模型必须更紧密地跟随原文措辞，而不是自由发挥。实验证明，带有引用要求的提示比无引用要求的提示，在事实一致性上表现更好，因为“编造”同时意味着“无法正确标注”，模型会自发地趋向于更保守的生成。
- 多片段交叉验证
当多个检索到的片段描述的是同一个事实的不同侧面时，它们之间实质上形成了交叉验证。模型需要综合这些信息来生成回答，如果某个片段与其它片段矛盾，模型往往会在回答中表现出不确定性。此时可以进一步优化提示，要求模型明确指出资料中存在的不一致，而不是强制给出一个可能错误的单一结论。这种“不确定性的传递”也是事实锚定的一部分——当锚点之间不稳固时，回答也不应该表现得过分肯定。
- 检索失败时的安全兜底
事实锚定原理还有一个重要的负面约束：当没有任何可靠的锚点存在时（即检索到的片段相关性都不高），系统应该停止“锚定失败”时的自由生成。实现方式有：
- 设置相关度阈值：如果检索回的所有片段相似度分数都低于阈值，系统直接返回“在知识库中未找到相关信息”；
- 空结果提示：在提示词中加入一条“如果以上资料与问题无关，请直接回答无法回答”——让模型本身也参与对锚点缺失的判断。
这种机制相当于告诉系统：“不确定就不要硬答”，从流程上切断了最大的一类幻觉来源。
4.3.3 现实效果与边界
在实际部署中，这套“上下文约束+事实锚定”的组合，能将特定领域的事实错误率压降到个位数百分比。但它的有效性严格依赖两个前置条件：
- 知识库本身的内容质量：如果知识库中存在过时、矛盾或错误的信息，检索出的锚点本身就是错的，生成的回答必然跟着错。这需要配合知识库的定期审核与更新。
- 检索的精准度：如果检索系统没有召回最相关的片段，或者召回了无关片段，提供给模型的锚点就是错的。此时即使模型严格依据上下文，也会产生事实错误。因此，检索质量是幻觉缓解的上限。
总的来说，RAG 通过将生成过程中的“事实供应”与“语言表达”分离，用外部的、可管理的知识片段作为生成的事实基石，让模型的“创造力”只发挥在如何清晰、准确地转述已知事实上，而不是凭空构造事实本身。这就是基于上下文的生成约束和事实锚定原理的真实含义——用工程化的手段，把幻觉逼到退无可退的角落。