一次教训：怎样让生成式AI回答更靠谱

如今，生成式人工智能（Generative AI）产品已被广泛使用，国内如元宝、豆包、DeepSeek、通义千问，国外如ChatGPT、Google Gemini等，的确为人们的工作与生活带来了极大便利，也显著提升了效率，正逐步成为日常中离不开的得力助手。不过大家是否发现，这类人工智能给出的建议或方案有时并不可靠，甚至可能把人带偏并造成损失。最近我就亲身经历了一次，分享出来供大家提醒和借鉴。

春意正浓时，我骑车外出踏青，爬山途中在路边看到一丛一年生草本藤蔓植物，从叶片和藤条的样子判断，乍一看很像南瓜。

我弯下腰，靠近后认真观察，发现这种植物和常见地里栽种的南瓜还是不太一样，尤其是叶子呈尖形，叶面和藤蔓上还布满了类似针尖、较为坚硬且扎手的刚毛，并不像人工栽培南瓜那样叶片接近圆形。再凑近闻一闻，还有一股很浓的气味。虽然我以前从未见过这种植物，但凭经验还是觉得它大概属于野生南瓜。想到小时候曾摘南瓜藤尖的嫩梢炒着吃，便动了心思，想把它鲜嫩的部分采回去做菜。

不过，对于这种此前没见过、也没吃过的野生植物，我心里还是拿不准，到底能不能入口？于是我用元宝（腾讯）拍照识别了一下，得到的结论如照片所示。它把这种植物判断为“叶用甘薯”，并给出“完全可以食用，而且营养丰富”的说法。在我看来，这显然不可能是甘薯。

随后，我又重新拍了这种植物的花朵（因为我觉得它的花与人工栽培的南瓜非常相似），再次提交给元宝识别。

这一次，元宝给出的答案是“这是一种南瓜类植物”，这就与我的判断一致了。这也让我意识到，今后若想让生成式人工智能的识别和回答更准确，提交图片时一定要尽量提供最能体现对象身份特征的部分。因为第一张照片主要拍的是叶子，在没有参照物显示大小的前提下，它那种尖尖的形状确实和甘薯叶有些相似，所以元宝才会误判成“甘薯”。

接着我又追问：“它能吃吗？”它给出的回答如照片所示。元宝的结论是：“不但可以吃，而且这种植物全身都是宝，各个阶段都能食用！”语气非常肯定，甚至带着一种“能吃又好吃”的明显诱导意味。

于是，我就采了一小袋带回家。晚饭时，我担心这种野菜可能会发苦，便先进行焯水（即把野菜、蔬菜等食材放进沸水或接近沸点的热水中，短时间加热后迅速捞出）。焯过后我夹了一点放进嘴里尝了尝，结果苦得惊人，简直是我这辈子吃过最苦的东西，比苦瓜还要苦得多。凭我的经验，这类入口极苦的野生植物，往往含有葫芦素、生物碱或苷类毒素，吃下去可能导致腹泻甚至中毒，于是我赶紧把它全部倒掉，另外炒了一盘小白菜替代。没想到，平时常吃的小白菜也变得发苦，细想之后才意识到，很可能是因为在切过这种野菜的菜板上又接着切小白菜，沾上了残留汁液造成的。

晚饭后两个多小时，我就感觉腹部隐隐作痛，还有想拉肚子的感觉。接下来的两个小时里，腹泻了两次才缓过来。我仔细回忆并分析了当天吃过的东西，怀疑问题正是出在试吃了这种以前从未吃过的野菜上。野生植物的“苦味”很多时候本就是一种自我防御，所含的葫芦素、生物碱或苷类毒素，能够帮助其在自然环境中抵御虫害和动物啃食。庆幸的是，这次我只是尝了一点点，身体通过腹泻这种应激排毒反应，很快把中毒风险降了下去，也算是不幸中的万幸。

那么，这种被腾讯元宝认定为可食用、甚至“全身都是宝”，却又迅速让我腹泻的植物，究竟是什么呢？于是我再次把这种植物的照片输入另一个生成式人工智能——豆包进行求证，结果豆包给出了这样的答复（如照片所示）。而且在“毒性与食用性”方面，它的结论是：全株（除种子外）有毒，绝对不能随意食用！整株含有高浓度葫芦素，这是一种剧毒的三萜类化合物，不但会带来极强苦味，误食后还可能引发严重呕吐、腹泻、腹痛，甚至造成肝肾损伤，严重时还有致死风险。也就是说，绝对禁止食用，哪怕只是少量尝试也存在中毒可能。它与我们平常食用的南瓜、西葫芦虽然属于近亲同属，但野生种中的葫芦素含量远高于栽培品种，千万不能因为“看起来像南瓜藤”就贸然采摘食用。

我在这里并不是想证明哪个AI更强，而是想借这次经历总结一下：怎样才能让AI的回答更准确、更接近自己的真实需求？我的体会是，想让AI回答得更准，关键在于把问题提清楚，提供的照片也要尽可能展示对象最典型的特征。归根结底就是一句话：把问题描述得像是在向别人下达一个明确任务，而不是只丢几个关键词。每次提问时尽量包含下面这4点，回答的准确率通常会明显提高：