你让 AI 从合同里找月保费，原文明明写着“每月 124 美元”，它却给错了答案。问题未必是凭空编造，也可能是选错数字、单位或对象。Kezhan Shi 认为，RAG（先检索相关文档，再据此回答）中的许多错答，应沿着解析、提问、检索和抽取链条排查，而不是统称为“幻觉”。文章据此归纳了七类模式。
最具体的改法，是把答案从一句话变成“有类型的生成契约”——预先规定必须填写金额、币种、周期、证据行、是否找到答案和置信度等字段，并在展示前校验。比如系统不再只说“保费是每月 124 美元”，而是分别交出数值 124、USD、month，以及对应原文位置。这样一旦出错，团队能看出究竟错在数字、单位、证据，还是根本没找到答案。
文章还主张让模型只抽取原始值，把汇率换算等计算交给可复查的 Python 程序。这个框架的价值不在于保证永不答错，而在于把笼统的“AI 又幻觉了”，改造成能定位、能测试的工程问题；供稿未提供七种模式的完整内容与系统性实验结果。