背景知识注入 Context Grounding
把相关资料原文贴进提示词，要求只依据资料回答，杜绝模型编造
✗ 没用这个技巧
我们公司的退货政策是什么？
模型用通用常识编了个"7 天无理由"，
和公司实际政策完全不符，还答得理直气壮。
✓ 用了
只根据下面的资料回答，资料里没有的就说"资料中未提及"， 不要用常识补充： <资料>……（退货政策全文）……</资料> 问题：我们的退货政策是什么？
答案严格来自资料，查不到就明说，
不再编造。
**背景知识注入（Context Grounding）**是治“一本正经胡说八道”的药：把权威资料原文贴进提示词，并规定回答只能来自这份资料、没有就说没有。模型默认用训练时的通用知识答题——公司政策、内部数据、最新事件它根本不知道，只能编。
什么时候用：企业知识问答、基于文档的总结分析、任何“答案必须可溯源”的场景。检索增强生成（RAG）产品化后，这一步由系统自动完成：先检索资料再拼进提示词，原理相同。
要点：① “只依据资料回答 + 没有就说没有”两句缺一不可，少了后半句它还是会硬答；② 资料放在标签或明确的分隔线内，与问题隔开；③ 资料太长时先做摘要或分段检索，把最相关的片段贴进去，别把整本书塞进去。
复制即用的提示词片段
背景知识注入（Grounding）：先把相关资料原文放进提示词， 再声明"仅依据上述资料回答；资料未覆盖之处明确说明不知道， 禁止用通用知识补充"。