Что говорит Anthropic - самая прямая рекомендация
На странице Anthropic про снижение галлюцинаций формулировка звучит без обёрток: 'Allow Claude to say "I don't know": Explicitly give Claude permission to admit uncertainty.' Компания пишет, что это может существенно сократить ложную информацию - но не приводит для этого утверждения конкретный процент или описание отдельного бенчмарка.
Anthropic показывает два разных условия, которые стоит не путать между собой. Первое - для общей неуверенности или неполноты входных данных: 'If you're unsure about any aspect or if the report lacks necessary information, say "I don't have enough information to confidently assess this."' Второе, более строгое - для работы с конкретным документом: модель должна сначала извлечь точные цитаты, и если подтверждения не нашлось, ответить 'No relevant quotes found', а не строить анализ на предположении.
OpenAI и Google - похожая идея, но привязанная к контексту
У OpenAI отдельной универсальной формулы 'скажи не знаю' в основном Prompt engineering guide нет - там в целом предупреждают, что модели способны уверенно выдумывать ответы по редким темам, ссылкам и URL, и рекомендуют опираться на приложенный текст с цитатами. Сама формула встречается в других официальных материалах: в примере из документации по embeddings - 'Use the article below to answer the question. If the answer cannot be found, say "I don't know."' В архивном GPT-4.1 Prompting Guide формулировка жёстче: 'Only use the documents in the provided External Context to answer the User Query. If you don't know the answer based on this context, you must respond "I don't have the information needed to answer that".' Этот гайд помечен как архивный и относится конкретно к GPT-4.1 - не стоит выдавать его за универсальную инструкцию для всех моделей OpenAI.
У Google в Gemini Prompt design strategies, в разделе про grounding-производительность, есть прямой пример: 'If the exact answer is not explicitly written in the context, you must state that the information is not available.' Предыдущие строки того же примера требуют опираться только на факты из предоставленного контекста и не додумывать отсутствующие детали. Это правило именно для ответов по ограниченному источнику, а не общая команда отвечать 'не знаю' на любой вопрос - для неизвестных или недавних фактов Google отдельно рекомендует Grounding with Google Search, это другой механизм.
Почему нет официальной цифры эффекта - и что с этим делать
Подтверждённого процента снижения галлюцинаций именно от одной этой инструкции ни у одной из трёх компаний нет. Формулировку Anthropic 'can drastically reduce false information' нельзя превращать в конкретный процент. Есть похожий, но не подходящий пример: в архивном OpenAI Cookbook про fine-tuning и RAG упоминается снижение показателя hallucination со 100% до 15% в одном сравнении - но инструкция 'если не знаешь ответа, скажи "я не знаю"' уже присутствовала в исходном промпте до всех изменений, а само улучшение произошло за счёт дообучения и подключения поиска. Приписывать эти проценты именно фразе-разрешению нельзя.
Все три компании признают одно и то же ограничение: разрешение сказать 'не знаю' не гарантирует отсутствия галлюцинаций и создаёт обмен между осторожностью и полнотой ответа - в том же эксперименте OpenAI Cookbook дообученная модель начала чаще пропускать вопросы, на которые ответ всё-таки был в контексте (доля правильных ответов упала с 83% до 60%). Для критичной информации Anthropic советует отдельную проверку, а Google прямо пишет, что промпт не заменяет доступ к нужным сведениям.
Готовый шаблон и когда его использовать
Используй только сведения из [источник/документ ниже]. Не восполняй пробелы догадкой и не привлекай внешние знания. Если точный ответ явно не написан в источнике - прямо укажи: 'В источнике нет ответа на этот вопрос', вместо того чтобы предполагать. Для каждого утверждения, которое ты делаешь, приведи точную цитату, на которую оно опирается. Если подходящей цитаты нет - напиши 'Подтверждающая цитата не найдена' и не включай это утверждение в ответ.
Эта схема работает лучше всего именно там, где у модели есть конкретный источник для сверки - документ, статья, база данных. На открытый вопрос без приложенного контекста ('что нового в отрасли') команда 'скажи не знаю' работает слабее, потому что у модели нет чёткой границы, где заканчивается знание и начинается догадка - там полезнее подключать веб-поиск или Deep Research с последующей проверкой источников.