1. 大家都說 AI 容易腦補，是真的嗎？
   在 Prompt 工程領域，「防止幻覺」一直是熱門話題，過去往往需要繁瑣的防禦咒語。 
   今天我們在 Google AI Studio 進行壓力測試：針對一份近 6 萬 Token 的 ESG 報告，提出一個看似極度合理、卻完全不存在的陷阱問題（花蓮地震賑災專款）。 
2. 實測結果：未加防禦咒語，Gemini 表現如何？
   
   沒有捏造數字，直接辨識出未提及。 
   主動交叉比對報告中所有與「花蓮」相關的真實頁碼與專案（Page 4, 76-80）。 
   甚至能區分「ESG 年度報告」與「臨時重訊新聞稿」的邊界差異。 
3. 深度解析：為什麼現代模型能自己防禦幻覺？
   原因一：Thinking 思考鏈（Thoughts 展開區塊）的預先校驗： 
   模型在輸出前，內部經過了思考推理步驟，在腦海中先比對了檢索結果與問題的真實性。 
   原因二：全域長上下文（Attention Mechanism）覆蓋： 
   模型真正看完了全部文本，因此敢於確定「這裡面真的沒有」，而不是因為沒檢索到而靠常識瞎猜。 
4. 工程化防護 SOP：即便模型變聰明了，為什麼我們仍要規範 Prompt？
   雖然頂尖模型在常規提問下表現優異，但在正式的 API 串接與企業級工作流中，我們不能將系統的準確度賭在模型的自覺上。 
   提供讀者一套「閉卷防禦與逃生條款」的標準 Prompt 模板（閉卷原則、禁止推論、強制頁碼佐證、無資料時統一回傳特定格式或代碼），作為工程化落地時的雙重保險。

今日結語
從今天的實測中可以看到，Gemini 不僅沒有被以假亂真的商業問題所誘騙，更主動梳理出整份長文件中相關的真實線索，清楚劃分資訊邊界。理解模型的思考邊界，並在架構上給予明確的規範，這就是提示工程在對抗幻覺上的最高境界。