构建响应回执：用小脚本拦截AI的空白与幻觉输出

深夜的实验室里，距离演示只剩几个小时，免费模型服务器返回了三个空格——却差点被当成结果塞进作品集的 README。这是本文作者的真实经历，也引出了一个值得每个使用大模型的人思考的问题：我们是否仅仅因为文本框过去能用，就盲目信任它的输出？

本文介绍一种极简的工程习惯：把一次模型回答「冻结」成一张可校验的 JSON 回执卡片，再用一个不到五十行的 Python 脚本，在空白或脱离上下文的答案进入作品之前把它拦下。

为什么需要一张「回执」而非截图

作者的核心观点很犀利：截图会撒谎。「截图在当下对你微笑，一周后同样的提示词返回空白时它就背叛了你。」

相比之下，回执更像一张公交车票。它不能证明城市很美，但能证明你是带着某张具体的笔记上车的。换句话说，回执记录的是可复现的中间状态，而不是一种「感觉它能用」的氛围。

这个思路把课堂笔记或项目要求转化成可被机器检查的工件。作者的项目要求本身很枯燥——「演示必须展示文本回执，而不仅仅是一个颜色徽章，且样本文件采用 CC0 协议」——但正是这句枯燥的话构成了整个判断的基准。如果模型的答案无法与它产生关联，那这个答案就不配被称为「结果」。

脚本做什么，不做什么

目标很明确：一条命令读取一张 JSON 卡片，当答案缺失、空白、或与上下文没有任何有意义的词汇重叠时，以非零状态码退出。失败必须出现在终端里。

作者强调了一个诚实的组合：绿色的 README 旁边配一个红色的进程退出码。脚本是一道闸门（gate），而不是一个评分（grade）——即便回执通过了，你仍然得自己把那句话读一遍。

核心代码逻辑

脚本的依赖刻意保持极简：Python 3.11+、一个终端、零第三方包。即使同学在没有信号的火车上克隆了文件夹，检查依然能跑起来。

校验逻辑分三层：

• 字段完整性：prompt、context、answer、source 四个必填字段缺一不可，否则返回 missing_fields。
• 空白检测：对答案做 strip() 后若为空，返回 empty_answer。三个空格不是「礼貌的停顿」，而是明确的失败。
• 接地检测（grounding）：对答案和上下文分别做分词，取交集。若共享词汇为空，则判定为 ungrounded。

值得一提的是停用词表（STOP）的设计。the、and、not、only 等高频词被排除在证据之外，避免它们冒充「重叠」。词长小于 3 的词也被过滤掉。

「接地检测」（grounding）这一概念来源于自然语言处理中的 grounded language understanding，核心思想是：一个回答要被视为有效，它必须能与给定的上下文或知识源产生可追溯的联系，而不是凭空生成。在检索增强生成（RAG）系统中，这种联系通常通过向量相似度或引用片段来衡量。本文的脚本采用了一种极度轻量的代理方式——词汇重叠（lexical overlap），即直接比较答案与上下文的分词集合交集。这种方式不需要嵌入模型或网络请求，但代价是只能捕捉表面词汇信号，无法处理语义等价的释义。这也是作者在「方法边界」一节中明确承认的权衡：词汇重叠是接地性的必要不充分条件，能拦截明显的幻觉，却无法判断一段正确的改写是否真的忠实于原文。

三张卡片，三种判决

作者用三个 fixture 文件完整演示了脚本的行为，这也是本文最有说服力的部分。

第一张：接地卡片（grounded.json）。答案复述了笔记中确实存在的主张。运行后退出码为 0，重叠词包括 demo、show、text、receipt、color、badge。作者提醒：source 字段只是你手动输入的标签，它不是服务器的签名，不应被当成签名来读。

第二张：空白卡片（blank.json）。答案是三个空格，source 标为 live-free-server。这正是差点进入 README 的那张卡片。脚本返回 empty_answer，退出码 1。作者的态度很坚决：「沉默不是摘要。我没有重试三次然后对感觉取平均值。」

第三张：流畅的谎言（ungrounded.json）。答案是「该模型在一个私有排行榜上得了 99 分」——语法通顺，却与项目笔记毫无共享实词。退出码同样是 1。

「如果你的初稿只检查字符串是否非空，这一张会轻松过关。那就是我的初稿。它感觉很善良，但它是错的。」

这句话点出了关键陷阱：非空字符串恰恰是演示最常骗过我们的方式。那句排行榜的话之所以听起来像结果，仅仅因为它带了个数字。作者的比喻很到位——「数字是戏服。」99 从未出现在项目笔记中，脚本并不在乎这句话语法是否正确。

这个方法在哪里会失效

作者没有回避方法的边界，这是本文可信度的来源。

回声问题：把上下文直接复制进答案，回执会给你鼓掌——但这是回声，不是理解。

释义问题：一个干净的、正确的释义如果不共享任何实词，回执反而会训斥它。作者亲自踩了这个坑：用「访客需要文字，而不是绿点，示例数据是公共领域的」来释义，结果因为没有共享 receipt、badge、CC0 这些词而被判为 false。

作者由此给出精准定位：词汇闸门是烟雾报警器，不是消防检查员。 它检查的是与你提供的笔记的词汇重叠，而不检查真相、许可证，也不判断释义是否公平。

谁应该跳过这个方法？如果你需要引用核查、评分，或任何可能被招聘方当作评估框架的东西，这是错误的工具；如果你需要演示期间服务器保持在线，你需要另一套方案；如果你的上下文短于一句话，词汇重叠会变成掷硬币。

作者还列出了自己犯过的常见错误：把空白当答案、打印 JSON 却忽略退出码、在停用词表存在之前让 the 算作证据、把密钥存进 fixture（绝对不要），以及最危险的一条——反复重试直到出现漂亮句子，然后在没有笔记的情况下冻结那句漂亮话。「那就是演示变成虚构的方式。」

作者所描述的「流畅的谎言」问题，在大模型研究领域有一个专门的术语：幻觉（hallucination）。它指模型生成语法通顺、语气自信、却与事实或给定上下文不符的内容。幻觉之所以危险，正是因为它在表面上与真实输出难以区分——两者都是非空字符串，都有完整的句子结构，甚至都可能带有数字或引用。当前主流的幻觉缓解手段包括：检索增强生成（RAG）、基于人类反馈的强化学习（RLHF）、以及输出后的事实核查管线。本文的词汇闸门可以被理解为这些方案中最轻量的本地替代——它不依赖外部服务，只依赖你自己提供的上下文笔记，因此在离线场景和快速演示验证中有独特的实用价值，但也继承了所有轻量方案共有的局限性。

一个值得动手的扩展

作者留下了一个开放练习：把通过规则改成 ok 至少需要两个重叠词，再重跑接地卡片。text 加 receipt 还算接地吗，还是你只是奖励了一次复制？

再加一张第四 fixture，答案是零共享词的真实释义，然后决定你想要一个失败，还是在 source 里加一条人工备注。

这个小脚本本身并不复杂，但它背后的工程直觉值得推广：对待大模型的输出，应当像对待一条带字段的记录，而不是一种情绪。 免费模型服务适合用来完成生成卡片的那一次实时调用，却是一个糟糕的「长期依赖」——当别人在火车上打开你的 README 时，服务可能早已不可用。把结果固化成可校验的回执，才是让作品集经得起时间检验的方式。