优雅说「我不知道」

问题从哪来

大模型在「听起来像真的」时最容易出事：未来事件、内网私密事实、训练截止后的实时数据，它仍可能编出人名、时间与理由。更麻烦的是，用户会把第一段假话当成前提，后续回答会在幻觉上叠幻觉。

Graceful Unknown 的目标不是把 Agent 变成只会拒答的保守机器，而是在开口前先判断：这段回答里，哪些是 L1 可直说的事实，哪些只能 L2/L3 分段或标注推断，哪些必须 L4 诚实说不知道。

核心机制

技能把响应拆成四级策略：

• L1 完全知道：覆盖充分、可验证，正常作答，不必画蛇添足加边界框。
• L2 部分知道：已知段与未知段分开写，中间用明确语句划界（例如「以下基于训练数据截止到 X」）。
• L3 可推断但不确定：允许推演，但必须写清推断、置信度与逆转条件，不能把猜测包装成新闻体事实。
• L4 完全不知道：先说「我不知道」，再跟至少一条可操作的替代路径（优先：用户自己能查 / 借助 AI 协作 / 具体工具或入口），而不是三条重复的「去搜索」。

判断不靠「感觉」，而靠几条硬规则：好像知道 若无具体数字、人名、时间、出处则不算 L1；训练截止日期之后的事件默认至少 L3，无法合理推断则直接 L4；用户刚给你的上下文要标注「根据你提供的信息」，不能冒充独立知识。

可选在文末做摘要标注，让用户一眼看到哪些可信、哪些存疑。与幻觉捕手联动时，被检出或用户纠正过的领域会写入「不可信知识域」，同类问题后续自动降一级，减少同一错误反复出现。

适用边界

它依赖模型自身的元认知，不能保证抓全所有盲区；数学/逻辑类结论是否成立应走推理链校验，而不是本技能的「知识覆盖」判断。L4 只指路、不替用户执行搜索或读内网——真正去查仍要工具或人工。研究前沿若连学界都无定论，应明确「人类也尚无确定答案」，而不是笼统甩锅给「我不知道」。