Créez un contrôle de résultat dans la commande. Renvoyez UNIQUEMENT JSON : {"goal": "ce dont vous avez besoin pour obtenir", "verify_points": "quels faits doivent être revérifiés et comment", "require_sources": "ce qu'il faut exiger comme preuve (lien, citation, capture d'écran)", "freshness": "comment s'assurer que les données sont récentes et ne proviennent pas d'une ancienne copie enregistrée (cache)"}
L'agent n'est pas un oracle omniscient, mais un interprète qui commet parfois des erreurs de trois manières : en prenant des données obsolètes (un ancien cache - une ancienne copie enregistrée de la page), en confondant des options similaires (la mauvaise carte) ou en « inventant » un fait manquant, car le modèle a tendance à combler les lacunes par un fait plausible. Mécanique d'hallucination (lorsque le modèle produit un fait plausible mais faux) : si quelque chose n'est pas sur la page, le modèle peut substituer une valeur typique au lieu d'un honnête « non trouvé ». D’où la règle : ne vous fiez pas aux chiffres sans source. Technique : exiger une preuve - "pour chaque prix, fournir un lien direct et un devis exact à partir de la page." Un agent peut difficilement falsifier un fait vérifiable, mais un fait fictif est immédiatement exposé. La deuxième technique consiste à contrôler la fraîcheur : « indiquer la date/heure de réception des données » et « ouvrir la page actuelle, pas une copie enregistrée ». Insider : demandez à montrer les faits critiques (prix, disponibilité, délai) littéralement - avec un devis, pas une paraphrase. Le récit est le lieu où naissent les erreurs. Une erreur courante chez les débutants est de confondre le ton confiant de l'agent avec la vérité. La confiance du modèle n’est pas synonyme d’exactitude ; faites confiance uniquement à ce qui est soutenu par une référence.
Débloquez l’accès pour soumettre des solutions pour un examen instantané par l’IA.