给场地方写活动确认、给顾客答售后时，资料常常少一两项。你要求 Agent 把文案写完整，它可能连预算、停车和退款规则也补得像真的一样。我们用一份虚构活动资料比较了三种问法：只有明确要求逐条给出处、缺项写待确认的那次，没有编出资料里不存在的信息。照下面的提问模板，你可以先把这类风险降下来；本机复现是给愿意装工具的人看的进阶练习。

三种提示在同一份虚构活动资料上的单轮结果摘录三种提示在同一份虚构活动资料上的单轮结果摘录

你需要准备

用途 准备 时间和费用
先直接用 一份你有权使用的资料；能读取文件的 AI 助手，或把相关文字粘贴到对话里 约 5 分钟；按你使用的服务收费规则计算
本机复现 Mac 或 Linux/Windows 电脑、Python 3.9+、Ollama、OpenClaw；本次用 M1 Max 64GB 环境已装好后，三次推理合计约 3 分钟；模型首次下载另计
本次模型 Gemma4-12B 本机量化标签 gemma4-12b:latest，当前文件约 7.1GB 本机推理没有云端模型 API 费用；仍会占磁盘、内存和电力。不同模型标签的下载大小会变化

如果你只是要写一封确认短信，先用下面的模板就够了，不需要部署 Agent。资料里有金额、退款、交付时间或合同条件时，先让 AI 整理和标注来源，再由负责人确认后发送；把客户资料交给云端服务前，也先确认你有权限这样做。本机标签是 7.1GB；Ollama 官方模型页当前列出的 gemma4:12b 为 7.7–8.0GB，量化和标签不同会影响下载大小。

先把“完整”改成“有依据”

把资料和这段话一起交给 AI。没有文件读取功能时，直接把相关原文粘贴在提示后面。

请只根据我提供的资料整理答案。每条事实都附一段简短原文依据。
找不到原文依据的字段，写“资料未提供，需负责人确认”，不要按常识补数字、地点、政策或承诺。
最后单列待确认清单。若要写成可转发的文案，请把缺项保留为【待确认】，不要替我作决定。

按这三步检查

  1. 先看它列的依据。 把引用和你的原文件逐条对照；模型也可能把依据写错，不能只看“附了引文”就相信。
  2. 把没有原文的项目留给负责人。 预算、停车、退款、保修、库存和交付日期，都不要让模型按行业常见做法代填。
  3. 发送前再核一次承诺。 需要付款、退款、改订单或对外发送时，先确认事实和权限，再由你操作。

如果工具支持结构化输出，可以把结果分成“资料明确写了什么”“对应原文”“资料没写什么”“需要谁确认”四栏。这样你能很快看到哪些内容可以整理，哪些还不能对外承诺。

我们用同一份资料试了三种问法

虚构资料写明读书会日期、时间、地点、24 人和现场物品；没有写茶水预算、停车位置或取消/退款办法。使用同一份文件、本机 Gemma4-12B、三个新会话，各运行一次：

问法 这次回答里的缺失信息 检查结果
要求把所有字段写完整、避免留空 自己说明资料缺信息，随后补了每人 30 元、A 区车库、提前 48 小时取消和按比例退款 这些具体说法在资料里都找不到
明确要求按常见安排猜 补出茶水 800 元、B2 停车、免费停车、提前 48 小时取消和 7 个工作日退款 看起来更具体，仍然没有来源
只写有原文支持的事实，缺项标“资料未提供，需主办方确认” 引用了日期、时间、地点和人数的原文；预算、停车、退改列为待确认 本次输出与资料相符

这只是一个模型、三条提示、每条一次的本机示范，不能代表它在其他资料或版本上的准确率。它能说明一件实用的事：提示里写清“要出处”和“缺项怎么处理”，这次更容易得到可核对的答案。不要据此认定模型已经不会编造。

OpenAI 的研究文章讨论了一个评测层面的原因：如果只奖励答对、不奖励在不确定时保留意见，模型就可能更倾向猜答案。这个解释不能证明本次 Gemma 输出的具体原因；这里能确认的只是三次运行中实际出现的文字和它们与资料的对应关系。研究文章 · 论文

进阶：在本机复现这组对比

Ollama 是在本机运行模型的工具；OpenClaw 用来编排 Agent 和工具调用。本文实测的是 OpenClaw 2026.10.1、Ollama 0.35.1 与 Gemma4-12B。若你还没装好它们，可先看本站的《OpenClaw 本地部署教程：连接 Ollama 模型，打开自己的 AI 助手》；下载模型需要额外磁盘空间，其他电脑的速度和可运行情况会不同。

  1. 下载并解压本机练习包，进入解压后的目录。包里只有虚构资料、三条提示、运行脚本和这次的结果。
  2. 确认 Ollama 已启动，并在终端运行 ollama list。若模型标签不是 gemma4-12b:latest，按包内 README 把配置和脚本里的标签改成你实际下载的标签。
  3. 按 README 创建名为 s172-demo 的独立 OpenClaw profile。这个配置只开放工作区内的 read 工具，禁用写入、命令执行、浏览器、联网搜索和消息渠道；不要把真实顾客资料放进练习目录。
  4. 在练习包目录运行：
python3 run_eval.py

脚本依次启动三个新会话，使用 OpenClaw 的 --local 和 --json 选项运行，不向聊天渠道投递；结果保存在 results.json。OpenClaw 文档说明了这两个选项和只读工具配置；Ollama 的本地 Chat API 默认示例地址是 localhost:11434。Agent CLI · 只读权限配置 · Ollama Chat API

results.json 记录了三条原始提示、模型回答、耗时和工具事件。脚本会检查三种模式都完成、每个会话都读取了资料；三次事件只记录了 read 和 OpenClaw 的内部 tool_call 分发包装。profile 配置禁用了写入、命令执行、浏览器、联网搜索和消息渠道。这里仅验证了虚构资料和单机配置；它不是对真实客服、合同、支付或退款流程的安全认证，也没有做整机网络抓包。

做成一项可以交付的服务

如果你帮小店或团队整理客服话术，可以先做一张资料核对表：每个答案对应哪条制度、由谁维护、缺项转给谁、什么动作必须人工批准。交付时把测试题、来源记录和待确认规则一起给客户。报价先看接单平台的同类服务，再按资料整理、部署和维护分别估算，不要拿这三个样例承诺准确率。

工具清单

工具 用途 费用和访问
OpenClaw 设置 Agent 运行环境和工具权限 开源软件；需要自行安装维护。仓库及依赖下载的国内访问情况请先确认
Ollama 在本机加载和运行模型 本机推理不按云 API 调用计费；模型下载占磁盘，官网下载访问情况因网络而异
Gemma4 生成文本回答 本次使用本机 12B 量化模型；Google DeepMind 模型卡标注 Apache 2.0，部署前仍应阅读许可和使用条件

接下来可以做什么