ai常犯错误100个-常见程度大致从高到低

下面按“常见程度大致从高到低”排列。不同模型、任务和提示词下顺序会有所变化。

1. 把猜测当成事实
2. 编造不存在的资料
3. 虚构引用、链接或来源
4. 没有真正理解用户问题
5. 答非所问
6. 忽略用户的关键限定条件
7. 误读上下文
8. 忘记前面对话内容
9. 把相似概念混为一谈
10. 过度自信地表达错误结论
11. 没有说明不确定性
12. 在无法验证时假装已验证
13. 把可能说成一定
14. 把一定说成可能
15. 使用过时信息
16. 错误判断当前日期
17. 错误判断事件先后顺序
18. 混淆人物、地点或机构
19. 混淆文件名
20. 混淆对象名称和数据名称
21. 误解专业术语
22. 望文生义
23. 忽略歧义
24. 没有主动澄清关键歧义
25. 提出了不必要的澄清问题
26. 重复用户已经提供的信息
27. 重复自己已经说过的话
28. 没有直接回答核心问题
29. 开头铺垫过长
30. 结论埋在后面
31. 结构混乱
32. 层级标题使用不当
33. 列表层级错误
34. 句子过长
35. 使用含糊指代词
36. 中英文术语不一致
37. 翻译不准确
38. 漏译内容
39. 多译不存在的内容
40. 改变原文语气
41. 改变原文立场
42. 误解否定句
43. 误解双重否定
44. 忽略反讽或隐喻
45. 忽略文化背景
46. 误判用户情绪
47. 语气过于客套
48. 语气过于生硬
49. 不必要地道歉
50. 不必要地警告
51. 过度迎合用户
52. 过度赞美用户
53. 回避明确判断
54. 给出模棱两可的建议
55. 给出没有依据的建议
56. 忽略建议的适用范围
57. 没有说明前提条件
58. 没有说明限制条件
59. 没有说明风险
60. 安全警告过多
61. 安全警告过少
62. 把低风险问题当成高风险问题
63. 把高风险问题当成普通问题
64. 提供不完整的医疗信息
65. 提供不完整的法律信息
66. 提供不完整的金融信息
67. 混淆一般信息和专业意见
68. 错误计算
69. 四舍五入错误
70. 单位换算错误
71. 百分比计算错误
72. 日期计算错误
73. 时区转换错误
74. 逻辑推理跳步
75. 忽略反例
76. 忽略边界条件
77. 忽略空值或零值
78. 忽略异常情况
79. 把相关性当成因果性
80. 把因果方向弄反
81. 选择性使用证据
82. 忽略反方证据
83. 过度概括
84. 以偏概全
85. 错误类比
86. 循环论证
87. 偷换概念
88. 误用统计数据
89. 混淆平均值和中位数
90. 混淆样本和总体
91. 代码语法错误
92. 代码调用不存在的 API
93. 使用过时的库接口
94. 忽略依赖版本差异
95. 忽略操作系统差异
96. 路径或文件名写错
97. 忘记转义特殊字符
98. 没有测试代码
99. 声称完成但没有实际执行
100. 修复一个问题时引入另一个问题

最值得优先防范的通常是前十项，尤其是：

不要猜测事实。
不要虚构来源。
没有实际验证时，不要声称已经验证。
区分已确认、推测和未知。
发现证据冲突时，重新检查原结论。