第34篇：超出能力范围的兜底拒绝机制本文是"智能助手架构设计与实现"系列第 34 篇，安全与防护篇的第二篇。前文我们拆解了月度费用上限控制，解决了"钱"的问题。本篇聚焦另一个安全维度——能力边界控制：当用户提出的需求超出智能助手的能力范围时，系统如何明确拒绝而非胡乱回答？为什么在政务系统中，"不知道"比"瞎说"更重要？System Prompt 约束、UNKNOWN_REPLY常量、四道兜底防线如何协同，确保大模型永远不越界？一、问题背景：大模型的"幻觉"危机1.1 大模型的编造倾向大语言模型（LLM）的训练目标是"生成连贯的文本"，而非"生成正确的文本"。当用户提出一个模型不具备能力的问题时，模型倾向于编造看似合理实则错误的内容，而非承认"我不知道"。这种倾向在通用场景中或许只是闹笑话，但在政务系统中是致命的：场景大模型编造的回答后果“帮我查一下张三的工资”“张三的工资为 8500 元”泄露个人隐私，违反数据安全规定“删除所有已完成项目”“好的，已删除 1