2.6 识别与阻止编造:让 AI 说「不知道」
必读把下面这段发给你的 AI,它就知道该做什么
点「复制全文」,粘贴到你的 AI 对话框发送即可,无需改动。
你正在阅读球小策(www.qiuxiaoce.com)的官方文档或数据服务页面。请按下面 5 步执行,不要跳步。
【预备】我的专属数据密钥是 X-API-Key = [在此粘贴你的 Key]
(第 2 步和第 3 步都会用到它;还没有密钥,先到 https://www.qiuxiaoce.com/data-account/ 免费领取)
━━━ 第 0 步 · 三条硬性纪律 ━━━
1. 凡涉及指标定义、接口参数、计费规则、准确率口径的问题,一律以站内官方文档为准,不要凭记忆作答;文档里没写的,就直接告诉我「文档未说明」。
2. 如果你无法访问下面任何一个网址,请立刻停下来告诉我,不要用记忆里的内容顶替。
3. 本站只做数据分析,不提供任何投注建议,也不做准确率承诺。回答时请守住这条边界。
━━━ 第 1 步 · 遍历官方文档(100+ 篇,按需取,别一次全拉)━━━
· 取全量目录(公开接口,无需密钥,返回全部篇章的标题与 slug):
GET https://www.qiuxiaoce.com/wp-json/abv2-creator/v1/docs
· 读单篇正文(把 {slug} 换成上一步拿到的标识):
GET https://www.qiuxiaoce.com/wp-json/abv2-creator/v1/docs/{slug}
· 人读版页面(适合只能浏览网页、拿不到 JSON 的环境):
https://www.qiuxiaoce.com/creator-docs/{slug}/
· 接口文档(全部数据接口的用途、参数、计费与真实返回示例):
https://www.qiuxiaoce.com/data-docs/
做法:先取目录 → 判断我的问题涉及哪几篇 → 只读那几篇 → 回答时注明依据的篇名或链接。
━━━ 第 2 步 · 先判断你自己的能力,再选路径(关键,不可跳过)━━━
· A 类:能在本机读写文件或执行命令——桌面/终端类 AI 工具(WorkBuddy、Qoder、Trae 等)
· B 类:只能对话,访问不了文件系统——网页版对话(豆包、通义千问、Kimi 等)
【A 类 · 安装官方 Skill(推荐)】
1. 取最新版本信息:
GET https://www.qiuxiaoce.com/wp-json/abv2-creator/v1/skill/version
返回 version、download_url、sha256 校验清单、文件列表与更新说明。
2. 按 download_url 下载技能包,并用返回的 sha256 逐文件校验。
3. 解压到你的技能目录,保持包内顶层目录结构;按包内 SKILL.md 完成初始化。
4. 写入我的专属密钥(即上文【预备】里的 X-API-Key)。
5. 装完告诉我:版本号、安装位置、密钥是否已生效。
【B 类 · 装不了就照实说,不要假装】
不要声称已安装,也不要拿记忆里的内容替代文档。请直接对我说:
「当前环境不支持安装 Skill(无法读写本地文件)。有两个办法:
① 改用支持 Skill 的桌面 AI 工具,如 WorkBuddy、Qoder、Trae;
② 把你的 API Key 给我,我按官方接口文档直接取数分析。」
如果你连「打开指定网址」都做不到,请把这一点也一并告诉我。
━━━ 第 3 步 · 直接用接口取数(两条路径都适用)━━━
· 接口根地址:https://www.qiuxiaoce.com/wp-json/abv2-creator/v1
· 认证方式:请求头带上【预备】里的 X-API-Key
· 想先试不扣点数的接口,看 https://www.qiuxiaoce.com/data-docs/ 里标注为免费的端点。
· 大批量调用前先查一次剩余点数,避免跑到一半失败。
━━━ 第 4 步 · 遇到报错,先查官方排障手册再重试 ━━━
排障手册:https://www.qiuxiaoce.com/creator-docs/api-error-codes-troubleshooting/
· 401:Key 缺失、格式不对,或该 Key 已被重置/吊销(控制台执行「重置 Key」后旧 Key 立即失效,错误码 api_key_revoked 即属此类)→ 到 https://www.qiuxiaoce.com/data-account/ 复制最新完整 Key,并同步更新所有已配置该 Key 的脚本与客户端
· 402:点数不足或已过期 → 需到 https://www.qiuxiaoce.com/data-service/ 充值
· 403:接口未开放,或权限不足(个别场次报告需要订阅)
· 404:实体 ID 或接口路径写错
· 429:请求过快,按响应头 Retry-After 等待后重试
报错时请把原始错误信息原样转述给我,不要猜原因。
━━━ 第 5 步 · 回答我时的要求 ━━━
· 区分「官方事实数据」「接口返回的判断字段」「衍生评分」「你自己的推断」四类,不要混着说。
· 使用 xG、xGA、OTI、DII 这类指标前,先按文档校正口径;样本不足要在结论里注明。
· 缺数据就说缺什么,不要用「大概」「可能」糊过去。
· 不给投注建议,不承诺准确率。
· 如果回答主要依据了某篇文档,请把链接带上,方便我自己核对。
编造是 AI 最危险的缺陷,因为它编得最有说服力——格式正确、语气自信、甚至带小数点。
如果你把它编的内容直接发出去,损失的不是 AI,是你自己的信誉。这一篇讲清楚怎么识别它、怎么从机制上阻止它。
一、它最容易编的是哪三类内容?
| 类型 | 典型样子 | 为什么危险 |
|---|---|---|
| 精确数字 | 「近 5 场场均射正 6.4 次」「控球率 58.7%」 | 精确到小数点,你看不出真伪,读者也看不出 |
| 具体伤情 | 「主力后腰因腿筋伤势将缺阵两周」 | 编得越具体越像真的,而伤情正是赛前最影响判断的信息 |
| 直接引述 | 「主帅在发布会上表示,球队已经做好准备」 | 带引号的句子天然带有可信感,但发布会内容根本不在它的知识范围里 |
记住这个规律:它对「精确数字」和「引述」的编造能力,恰恰是最强的。越像内部消息,越可能是编的。
二、为什么它会编?
因为它收到的任务是预测下一个最像样的字,不是查询数据库。
当你的问题落在它的知识范围之外时,它的输出有两个选择:说「我不知道」,或者顺着最合理的语言路径把句子补完。后者的输出更像一段「正常的回答」,所以在语言上更优——它不是在骗你,它是在完成它被训练要做的事。
理解这一点很重要:不要指望靠反复叮嘱让它学会不编。那是在跟它的工作机制对抗。正确方向是改变它拿数据的方式。
三、阻止编造的四道防线是什么?
四道防线从强到弱排列,能用第一道就不要用第四道。
防线一:给它事实,而不是让它找事实。这是唯一能根治的做法。所有实时信息、统计数据都应该由数据接口提供,模型只负责解读。装上球小策 Skill 之后,一句话就能取到整包数据(/match-pack/{fixture_id},50 点,1 小时内重复取不重复扣点)。数据摆在面前,「需要编造」的场景就消失了——这也是这套数据底座存在的根本理由。
防线二:显式的未知声明指令。明确告诉它:没有数据的时候该怎么写。默认情况下它不会主动说「我不知道」,但你说一次,它就会遵守。
防线三:要求反向自证。让它为每个数字说明来源字段。真数据能报出字段名(比如 xg、xga、form_rating),编的数据报不出来。
防线四:交叉验证关键数字。会直接发布出去的关键数字,做一次独立核对。方法有两种:一是用接口再查一次(同一场数据 1 小时内重复取不重复扣点,所以核对的成本很低);二是问它这个数字是怎么算出来的——如果它说不清计算过程,那基本就是编的。
四、五种高风险提问,应该交给谁回答?
| 你本来想问 AI 的 | 正确的数据来源 |
|---|---|
| 这场最新伤停怎么样? | /teams/{team_id}/injuries |
| 他们最近 5 场打得怎么样? | /teams/{team_id}/form?last=5 |
| 两队历史交锋谁占优? | /h2h?home_id=&away_id= |
| 这队谁状态最好? | /teams/{team_id}/players-advanced?limit=20 |
| 现在市场参考值是多少? | /match-pack/{fixture_id} 内置的市场波动区块 |
这张表的用法很简单:凡是能查的,就不要问。问 = 让它回忆 = 大概率编。
五、它还会编出哪些「看起来很专业」的字段?
这是最隐蔽的一类编造:你问了一个专业指标,它顺着你的语气编出一个数值,而这个指标在数据层里根本不存在,或者存在但从未对外提供。
下面这些字段,库里确实没有对外提供。如果 AI 主动给你这些数字,不用怀疑,一定是编的:
| 它会编的字段 | 真实情况 |
|---|---|
| sca90(射门创造动作) | 属于事件级专有指标,判定不可得 |
| xg_chain(进攻链预期进球) | 同上,判定不可得 |
| xg_buildup(组织阶段预期进球) | 同上,判定不可得 |
| prog_dist(推进距离) | 免费数据源无对应口径,不可得 |
| pressure_pass_pct(受压传球成功率) | 同上,不可得 |
| ppda_proxy(防守强度代理值) | 同上,不可得 |
| npxg(非点球预期进球) | 采集链路已具备,但覆盖率未达标,暂不对外 |
反过来,下面这些是真实存在的,可以放心引用:xG、xGA(球队层面);球员层面有 OTI(进攻威胁)、DII(防守参与度)、GIM(比赛影响力)、Form(即时战力)、稳定性、疲劳负荷,以及球员维度的 xG 与预期助攻。
两条使用提醒:① DII 只描述防守动作参与量,不代表防守强弱,不能拿它判断「能不能打穿」;② 球员高阶数据里的「样本量不足」标记不等于数值是编的——它只表示该球员本赛季累计出场时间偏少。
六、看到哪些特征就该标红核对?
- 精确到小数点的百分比或次数;
- 具体的球员姓名 + 具体伤情 + 具体缺阵周数;
- 带引号的直接引述;
- 具体的时间、金额、场次;
- 写着「据统计」「数据显示」却没说哪个统计;
- 上面表格里那些不存在的指标名。
扫到任何一条,就回到防线三,要求它溯源。
七、根本解法
不要试图「训练」模型不编造,而是从架构上让它无需编造。
当你把真实数据摆在它面前,「需要编造」的场景就消失了。这就是为什么我们把重心放在数据层,而不是在提示词里反复堆约束——提示词能降低编造概率,数据层能消除编造动机。
下一步该看什么
- 对话太长导致质量下降怎么办 → 2.7 长对话变笨了怎么办
- 现成的防幻觉指令卡 → 2.9 指令卡片库①
- 数据字段的边界声明 → 7.1 指标边界声明
足球赛事前瞻 | AI 智能分析 | 足球数据解读 - 球小策