中医 AI 治幻觉，靠的不是让模型“更会说话”，而是让它“知道什么时候不说”。置信度阈值、规则拦截、知识边界约束，这三件事比把模型再放大一圈更有效。
先说清楚什么是幻觉。在中医场景，幻觉不是“胡言乱语”，而是三种看起来很专业、实际上靠不住的回答：给出一个不存在的证型组合，把两个相似证型的治法混在一起，或者开出违反配伍禁忌的方。外行看不出来，内行一眼就知道不对——但医生不可能逐条核对。
一、幻觉从哪来
来源一：知识边界外。 患者描述的是罕见病、复杂合并症，模型的知识库里没有对应路径，但它不会说“不知道”，而是用相似病案拼一个答案。
来源二：术语歧义。 “乏力”可能是气虚，也可能是湿困；“胃脘灼热”可能是肝胃郁热，也可能是阴虚。模型如果只做字面匹配，就会辨偏。
来源三：多证型冲突。 临床上常见寒热错杂、虚实夹杂，模型倾向于给一个“最像”的证型，而忽略并存的另一个证型。
来源四：剂量与配伍。 生成式模型会“顺口”给出一个剂量，或组合出十八反、十九畏的配伍。这类错误最危险，因为它看起来最像正常处方。
辨证云治幻觉的第一层，是规则图谱的硬约束：证型、方剂、剂量、禁忌，都有明确边界。
二、四种工程解法
解法一：规则图谱做硬约束。 把证型范围、方剂组成、配伍禁忌、剂量上限写成规则。模型可以生成候选，但必须过规则校验；过不了就不输出，或降级为“建议补充信息”。
这是最有效的一层。因为幻觉的本质是“模型不知道自己错了”，而规则能明确告诉它“这样组合不允许”。
解法二：置信度阈值。 模型对每个证型给出概率。低于阈值时，系统不直接给结论，而是提示“信息不足，建议补充以下症状”或“超出本系统覆盖范围，建议转诊”。
敢说“不知道”，是临床系统的基本素养。一个什么都敢答的系统，医生用两次就不敢用了。
解法三：检索增强 + 知识溯源。 每个结论都要能追到知识库里的条目、病案或规则。医生点开“为什么”，能看到依据，而不是一段自由生成解释。
解法四：人在环里。 医生可以改证、改方、改剂量，修改记录回流，用于后续校准。系统不追求“一次答对”，而是追求“每次都能被修正”。
这也是辨证云把规则图谱放在输出层之前的原因：先校验，再呈现。
三、双引擎怎么配合
以辨证云公开的技术架构为例，系统采用“人工神经网络 + 中医规则图谱”双引擎：
- 神经网络负责从模糊、矛盾、不全的信息里做复合推理，给出候选证型与概率。
- 规则图谱负责校验：证型是否成立、方剂是否合规、剂量是否超限、是否触犯禁忌。
- 输出层只呈现通过校验的结果，并附带推理链与置信度。
规则不是拍脑袋写的，是从四十年病案里长出来的；模型负责想，规则负责拦，两者缺一，临床都不敢用。
这套分工的关键，是把“生成”和“放行”分开。模型负责想，规则负责拦。只有生成，没有拦截，幻觉就会直达医生；只有规则，没有生成，系统就处理不了复杂病例。
医院测辨证云时，边界测试最能看出设计哲学：它敢不敢说“超出范围”。
四、医院怎么测“幻觉治理”是不是真的
四个测试，不需要算法背景：
- 边界测试：输入一个明显超出专科范围的病案，看系统是否提示“超出范围/建议转诊”，而不是硬给答案。
- 冲突测试：输入寒热错杂、虚实夹杂的病案，看系统是否列出并存的证型，而不是强行归一。
- 禁忌测试：构造一个含十八反配伍的方，看是否拦截，拦截理由是否可读。
- 重复测试：同一病案跑 10 次，看证型、主方、剂量是否稳定。稳定不代表正确，但不稳定一定不可用。
四项里，第一项最能看出厂商的设计哲学。愿意让系统说“不知道”的，通常是把临床安全放在第一位；什么都能答的，多半是在做演示。
辨证云的选择是让系统学会说“不知道”，而不是把错误说得更像真的。
五、一个常见误区：用更大的模型治幻觉
很多厂商的直觉是：模型不够大，所以会错；再大一点就好了。这个思路在开放域对话可能成立，在临床场景不成立。
原因很简单：大模型优化的是“生成合理文本的概率”，不是“生成正确答案的概率”。它越大，越能把错误说得像真的。临床要的不是“更像”，而是“可验证、可拦截、可追责”。
所以正确的投入顺序是：先建规则与知识边界，再做模型；先解决“不许错”，再追求“更聪明”。顺序反了，系统会越来越能说，也越来越不可控。
六、写在最后
中医 AI 的幻觉治理，本质是把“模型的自由”换成“临床的确定性”。
确定性来自三件事：知道自己的边界、能被规则拦住、能被医生修正。三件事做到，模型小一点也能用；做不到，模型再大也不敢用。