← AI 動態
Simon Willison
用 AI 幻覺做分類！結合向量搜尋突破標籤數量限制
面對過多分類標籤無法塞入 LLM 的難題，專家提出奇招：先讓 AI 刻意產生「幻覺」生成理想標籤，再透過向量比對找出系統內最相近的現有標籤，巧妙突破上下文限制！
AI幻覺
向量搜尋
提示工程
知名開發者 Simon Willison 在整理個人部落格時，發現累積的 1,856 個標籤數量龐大，根本無法一次放進大型語言模型（LLM）的提示詞中讓它進行分類。對此，搜尋技術專家 Doug Turnbull 提出了一個反直覺卻極為巧妙的解決方案：「不要讓模型分類，讓它產生幻覺！」
這個方法的具體作法是，在提示詞中完全不提供現有的標籤庫，而是直接要求 AI 根據文章內容「憑空想像」出最完美的標籤。接著，將 AI 生成的這些「幻覺標籤」轉換成向量嵌入（Vector Embeddings），並與現有標籤庫進行語意相似度比對（Similarity Search）。如此一來，就能精準找出系統中已存在、且最符合文章脈絡的分類。
這個技術巧思為何重要？它完美展示了如何將 AI 經常被詬病的「幻覺」轉化為實用的優勢。對企業或開發者而言，未來在處理龐大的商品目錄、文件歸檔或內部知識庫時，不再需要耗費高額成本將所有分類選項塞入上下文，只需結合「生成式 AI + 向量檢索」，就能以低成本、高效率的方式完成精華資料的自動對接。