防止大模型在 B2B 客户调研中产生幻觉的执行标准

在为出海企业制定建站和营销策略前，必须先对其目标市场和买家进行深度的公开信息调研。现在很多人习惯使用 AI（如 ChatGPT、Perplexity）来自动生成客户简介，但这往往会引入极高的业务风险：大语言模型极易产生“幻觉”，将推测的信息当作事实输出。

在 B2B 工业领域，如果我们在买家需求、认证资质、或设备参数上出现偏差，整个网站的信任背书将彻底崩塌。为此，我们在处理客户调研时，强制执行“有源采集”规范。

有源采集的红线规则

我们要求所有的信息抽取，必须从根本上切断模型的“自主编造”权限。

• •单条一致性原则：输出的每一条事实（如公司规模、主营应用场景），其附带的来源标题、URL、及原文引述，必须严格对应同一个网页。禁止交叉串用。
• •禁止推断冲突：当发现外部公开信息（如展会名录）与客户官网的说法不一致时，只允许并列列出冲突的事实与来源。绝对禁止模型自行解释“为什么不同”或“大概率是因为……”。不确定的信息一律标记为“待核实”。
• •缺失项不作假：如果针对某类业务数据“未发现明确记录”，绝不允许伪造出一条“无来源”的结论。缺失项直接放入“明显缺失待补查”池中。

在业务调研阶段，我们需要的是极度克制的“事实搬运”，而非发散的“行业分析”。建立在真实数据之上的市场模型，才能为后续的官网架构提供坚实的支撑。