企业用大模型辅助编写投标书时最危险的结果不是内容平庸而是模型把不存在的资质、案例和人员写得像真的一样。市场上这类工具常被称为 AI 投标书撰写助手它要面对的首要工程质量问题就是如何让 AI 拒绝说谎只输出能被企业素材证明的内容而不是凭语言惯性脑补。大模型本质上是按概率补全文本的系统它擅长生成听起来合理的句子却并不天然具备“我只说我能证明的事”这种约束。若直接把模型输出当作投标文件提交轻则被评委质疑重则引发资格审查不通过、合同无效甚至商业信誉受损。要让助手真正“拒谎”不能只靠一段提示词需要把知识来源、生成策略、事实校验、人工审阅和持续评测串成完整的工程链路。下面按提示词约束、RAG 检索增强、独立事实校验、人工审阅闭环、评测与监控五层架构给出可落地的方案和代码示例。1. 先拆解“说谎”投标场景中的幻觉到底是什么1.1 幻觉的本质模型在预测下一个词不是在查档案大模型本质上是根据上下文预测下一个 token 的语言模型。训练阶段它从海量网页、论文、代码、书籍中学习文本的统计规律生成阶段它按照概率分布逐词补全。这意味着模型的首要目标是“输出看起来通顺合理的文字”而不是“输出可被现实验证为真的句子”。当问题涉及企业私有数据或者训练数据里根本没有对应材料时模型仍会基于相似文本的模式“脑补”出答案。这个脑补过程就是幻觉。在投标书场景里这种脑补极其危险。标书的每个断言都要经得起评标专家和甲方的核查。模型不知道公司是否真的持有某张证书不知道某个项目是否真的签过合同也不会有意识地区分“企业提供的素材”和“自己在训练数据里见过的相似描述”。如果不加约束它会把两者混在一起输出。1.2 投标书最容易被编造的四类内容按照失真后果的严重程度可以把幻觉分成四类幻觉类型典型表现翻车后果资质证书编造杜撰 ISO 认证、软件著作权、信用等级证书编号评标现场无法验证直接废标业绩案例编造虚构项目合同、甲方名称、项目金额与验收时间背调环节穿帮影响后续投标资格人员简历编造虚构项目负责人职称、PMP 证书、参与年限中标后资格审查不通过丢失项目财务数据编造虚报营收、纳税额、现金流、资产负债率审计、法务和合同环节出现风险这四类内容有一个共同点它们都藏在企业素材库里而不是公开互联网上。模型在训练阶段很可能根本没见过这些数据所以回答“我们公司是否有 XX 资质”时只能依靠语言模式去猜测。治理幻觉的第一步就是明确哪些内容必须来自素材库哪些内容模型一定不能自己生成。1.3 治理思路四道防线加一条监控线明确幻觉的形态之后可以设计一套四层防线提示词约束层让模型面对无依据问题时优先选择拒绝而不是猜测。检索增强层把企业经营资质、业绩合同、人员简历等材料变成可检索引擎让模型只依据检索结果生成。独立事实校验层生成完成后逐条提取声明回到素材库核对证据把不支持的内容拦下来。人工审阅层由业务人员对校验结果做最终确认完成签字和归档。此外还需要一条贯穿始终的评测与监控线用固定评测集量化模型“拒谎”能力用线上日志观察人工修改率持续发现新问题。每层防线都不能单独完成任务但合在一起可以让 AI 从“大胆编造”变成“谨慎拒绝”。2. 第一道防线用提示词教会模型“拒绝”2.1 提示词要同时约束角色、信息边界和拒绝行为提示词是成本最低、见效最快的一层防线。它不能给模型增加知识但能改变模型的行为边界。一份给投标书撰写助手的提示词至少需要明确三件事模型扮演什么角色、可以依据什么信息、遇到信息缺失时怎么处理。下面是一份可作起点的基础提示词你是企业投标书撰写助手。你唯一的写作依据是“投标素材库”和检索系统返回的材料片段。 写作规则 1. 涉及企业资质、业绩案例、人员简历、财务数据的断言必须能在素材库中找到对应原文。 2. 找不到原文时不要猜测。先输出占位标记 [待补充]并说明需要哪份材料。 3. 禁止编造奖项、排名、认证、合同金额、项目时间等任何无法验证的信息。 4. 如果检索结果为空或检索结果与问题无关直接回答“素材库中没有可用信息”不要强行成文。 5. 输出中的每个关键断言都要标注引用编号引用编号必须来自检索结果中的材料编号。这份提示词的关键不是“禁止编造”这四个字而是第 2、4、5 条给出的具体行为路径。只写“不要编造”模型仍然不知道无依据时该怎么办给出“输出 [待补充] 并说明缺什么材料”的替代行为模型才有可执行的拒绝方式。换句话说要让拒绝成为模型的一等动作而不是违反规则的异常动作。2.2 把“拒绝”变成结构化输出方便下游自动处理提示词中的行为约束最好配合结构化输出使用。如果模型直接输出一段自然语言下游很难自动判断哪些句子被标记为待补充、哪些断言带引用。可以让模型按 JSON 结构返回段落和声明列表{ paragraph: 公司已通过 ISO9001 质量管理体系认证[待补充ISO9001证书扫描件]具备完善的售后服务能力。, claims: [ { claim: 公司已通过 ISO9001 质量管理体系认证, status: unverified, evidence_id: null, required_material: ISO9001 证书扫描件 }, { claim: 公司具备完善的售后服务能力, status: verified, evidence_id: MAT-00023, evidence_snippet: 售后服务方案第 3 节承诺 7×24 小时响应 } ] }结构化输出的价值在于它把“模型说了什么”和“模型凭什么这样说”变成了程序可以检查的字段。后续的事实校验层、人工审阅界面都直接消费这份 JSON。实际开发时需要注意直接让模型输出 JSON 并不可靠生产环境更建议使用 function calling 或受约束解码来保证字段合法。2.3 提示词能改变态度不能增加知识提示词看似解决了“说谎”问题但它有一个根本上限模型没有企业素材库里的私有信息提示词不管写得多严格都只是降低了编造的概率没有把事实装进模型。具体来说两个问题仍然存在如果模型在训练数据里见过“ISO9001”和“某行业资质”的常见搭配它可能依然输出一个看起来合理的证书名称。如果企业确实有某份证书但检索环节没有把它找出来提示词也无法让模型凭空知道这份证书的内容。所以提示词是必要的第一道防线但它只负责“态度”不负责“知识”。知识必须由下一层防线提供。3. 第二道防线RAG 把每个结论钉回素材库3.1 RAG 解决的核心矛盾RAG检索增强生成的全称是 Retrieval-Augmented Generation思路很简单在模型生成之前先从可信素材库中检索与问题相关的片段把片段拼进上下文再让模型基于这些片段生成答案。对投标书场景来说这正好解决“模型没有企业私有知识”的问题。素材库的范围要按投标内容来划定通常是四类文件企业资质证书营业执照、体系认证、软件著作权、高新技术企业证书等。业绩合同已验收项目的合同摘要、中标通知书、用户证明。人员档案项目负责人简历、职称证书、资格证书、社保记录摘要。财务数据审计报告、纳税申报表、银行资信证明中的关键指标。这些文件是唯一的事实来源。RAG 之后的所有生成内容都应该能追溯到这些文件。3.2 最小 RAG 流水线解析、分块、向量化、检索、生成一个最小可用的 RAG 流水线包含五个环节。第一步是文档解析把 PDF、Word 转成文本并保留页码和标题第二步是分块按结构切出适合检索的片段第三步是向量化把文本片段转成嵌入向量第四步是检索用问题向量做相似度搜索第五步才是生成。用 Python 伪代码可以这样表达接口以实际部署的向量库和模型为准def build_context(query, top_k5, allow_emptyFalse): 按 query 从素材库检索最相关的文本片段并带上可追溯编号 results vector_store.search(query, top_ktop_k) if not results and not allow_empty: return None # 检索为空后续生成必须拒绝 blocks [] for r in results: blocks.append( f[材料编号:{r[doc_id]} | 页码:{r.get(page, ?)}]\n{r[text]} ) return \n\n.join(blocks) def generate_bid_section(user_instruction, query): context build_context(query) if context is None: return { paragraph: [待补充素材库中没有与任务相关的材料], claims: [], retrieval_status: empty, } prompt BASE_PROMPT f\n\n## 素材库检索结果\n{context}\n\n## 写作任务\n{user_instruction} response llm_client.chat.completions.create( modelyour-model-name, messages[{role: user, content: prompt}], temperature0.1, ) return parse_structured_response(response)这段代码里有几个细节值得注意。检索为空时必须返回拒绝结果而不是继续调用模型。一旦继续调用模型仍有可能用自己的训练知识强行编造。上下文块必须带材料编号和页码这是后续引用校验和人工核实的基础。temperature0.1表示生成过程更偏向确定性。投标书属于事实性文本不需要高随机性生产环境建议在 0.1 到 0.2 之间调试。parse_structured_response负责把模型返回文本解析成带 claims 的 JSON在真实项目中需要结合 function calling 或格式校验来做。BASE_PROMPT即第 2 节中的基础提示词实际项目中可以抽成配置文件。上面是原型阶段的调用方式。进入生产环境后还需要关注素材库文件的权限控制保证只有获得授权的角色才能导入和查看材料同时要记录每次生成的完整输入与输出便于审计和回滚。3.3 分块策略与混合检索分块质量直接影响检索质量。标书素材大多是结构化的推荐按章节而不是固定字符切块分块方式适用材料优点需要留意的问题固定字符切块证书文本、说明书实现简单长度可控容易切断语义影响检索按标题或章节切块合同、方案、简历保留文档结构召回更准需要先解析标题层级按语义切块长段落和表格块内主题集中计算成本较高需要调参检索环节也不能只依赖向量相似度。投标材料里存在大量专有名词和编号比如“ISO9001”“软件著作权登记号”“合同编号”向量检索对这类精确短语的匹配不一定好。生产环境通常采用混合检索BM25 负责精确关键词匹配向量检索负责语义召回再用粗排和精排把两者合并。这一步不会额外引入幻觉只会提高“素材到底有没有被找到”的准确性。4. 第三道防线生成之后再做一次独立事实校验4.1 为什么检索增强之后还需要校验RAG 显著降低了幻觉但没有消灭幻觉。模型完全可能在上下文里忽略某个材料片段或者把两段不相关材料拼接成新结论。要拦截这类问题必须在生成后增加一道独立的校验层。校验层的核心动作是把模型生成的声明逐条提取出来回到素材库寻找证据判断证据是否能完整支持声明。4.2 三种校验方式选型校验方式原理适用场景局限规则校验用正则、日期格式、编号规则核对合同编号、证书编号、日期、金额字段无法判断语义是否成立语义证据校验用另一个模型判断声明与证据是否一致长句、复杂断言第二个模型自身也可能误判需要抽样复核向量相似度阈值比较声明与证据片段的向量相似度快速初筛海量声明阈值需要随语料调优误报较多实际项目里推荐组合使用先用规则校验处理编号、日期、金额等硬字段再用语义证据校验处理自然语言断言最后用向量相似度做一轮兜底排序。规则校验是确定性的不会出现“模棱两可”语义证据校验灵活但可能误判所以它的结论不能直接作为最终结果而要交给人工审阅层做终审。4.3 语义证据校验的最小实现语义证据校验可以用“LLM as judge”方式实现让一个只做判断、不负责生成的模型判断“声明”是否被“证据”支持。def verify_claim(claim, evidence_text, judge_modelyour-judge-model): prompt ( 你是事实核查器。只依据给定证据判断断言是否成立。\n f断言{claim}\n f证据{evidence_text}\n 只输出 JSON{supported: true 或 false, reason: 不超过30字的原因} ) result call_llm(prompt, modeljudge_model, temperature0.0) return result def verify_section(claims_with_evidence): results [] for item in claims_with_evidence: verdict verify_claim(item[claim], item[evidence]) item[verdict] verdict results.append(item) return results关键约束是supported为 false 的声明只能被降级为“待补充”或交给人工补材料不能让另一个生成模型自动重写。如果让模型自我修复等于重新打开幻觉入口只是换了一种编造形式。需要注意的是证据本身也要有追溯能力。校验时应该把证据片段和它来源的材料编号 页码一起记录下来。这样当人工审阅