LLM 在生成结构化数据时可能会编造看似可信的事实。Entity Enricher 采用 8 层防护机制，确保你获得准确的数据或不返回数据——绝不返回听起来自信却虚假的内容。
在自由文本中，一句幻觉内容显然含糊其辞。而在结构化输出中，像 "founded_year": 1987 这样的幻觉字段看起来很权威，几乎无法与正确值区分开来。有三个因素使这尤其危险：
幻觉产生的 JSON 值看起来和真实值一模一样。没有含糊其辞，没有“大约”——只是一个干净、自信却恰好错误的数据点。
必填字段会迫使 LLM 即使在没有相关知识时也生成一个值。模型会编造数据，而不是在结构中留下空缺。
结构化数据可直接接入数据库、分析和自动化流程。错误的值会在管线中传播，而无需人工审核。
| 模式 | 示例 | 原因 |
|---|---|---|
| 自信的虚构 | "ceo": "John Smith" | LLM 用貌似合理的名称填充必填字段 |
| 时间混淆 | "revenue": "$2.3B" | 训练数据截止或时期混淆 |
| 实体混淆 | 将公司 A 的属性应用于公司 B | 重叠训练数据中的相似名称 |
| 合理的默认值 | "employees": 500 | LLM 宁愿选一个“看似合理”的数字，也不肯承认自己不知道 |
| 虚构的关系 | "subsidiary_of": "Alphabet" | LLM 推断出并不存在的关系 |
Entity Enricher 不依赖单一技术。它叠加了 8 个独立的防御层，每一层针对不同的失败模式。如果某一层漏掉了幻觉，下一层就会将其捕获。
在丰富化开始前，一个快速的 LLM 会分类判断实体是否匹配模式类型。这可从源头阻止整个实体的幻觉。
示例：针对“Planet”schema 的“Titan”会被标记为卫星——扩充模型会收到该上下文，并对行星专属字段使用 null。
所有策略都会指示 LLM：“务必准确且保守 — 宁可返回 null 也不要猜测。”可为空的 schema 字段明确允许模型回答“我不知道”。
这直接缓解了 schema 压力——结构化幻觉的首要成因。
Schema 属性按专业领域分组。每次 LLM 调用只看到其领域内的字段，并被指示专注于该领域。
范围越窄，产生幻觉的机会越少。金融专家从不臆测监管数据。
键属性（标记为 is_key: true）会在提示词中突出显示，以便让 LLM 在填充其他字段之前先锚定识别信息。
这使 model 立足于已知事实，减少向虚构细节的漂移。
8 条校验规则检查 LLM 输出中的类型不匹配、无效引用和结构错误。校验失败会触发 ModelRetry——错误会被送回 LLM 进行纠正。
在单次 agent 运行中最多可自动纠正 6 次。LLM 会自行修正错误。
标记为 preserve: true 的字段（ID、SKU、时间戳）会在增强后恢复为其原始输入值。LLM 无法覆盖真实基准数据。
受保护字段：实体 ID、系统代码（EAN、SKU）、导入标识符、创建时间戳。
将同一实体通过 2 个以上独立模型运行，并逐字段对比输出。分歧会被标记为潜在幻觉。
如果 Claude 称营收为 23 亿美元，而 GPT-4 称为 18 亿美元——该冲突会被检测并呈现出来。
检测到的冲突可通过基于规则的投票（多数、中位数、并集）来解决，也可由专门的 LLM 仲裁器来解决，该仲裁器会评估准确性、完整性和一致性。
每个仲裁决策都包含推理过程和置信度——完全透明地展现冲突是如何解决的。
核心原则
数据缺失始终优于数据错误。每一层都强化了这一原则——系统在设计上宁可返回 null，也不会给出貌似合理的捏造结果。