feat: Add strict grounding mode to prevent AI from fabricating answers when context is insufficient

docs/strict_grounding_mode.md

@@ -0,0 +1,148 @@
+# 严格 Grounding 模式
+
+## 问题背景
+
+默认情况下，当知识库中的 chunks 不足以回答用户问题时，AI 可能会"强行编造"一个答案，即使这个答案没有依据。这是因为 LLM 有强大的生成能力，即使在没有足够上下文的情况下也会尝试给出"看起来合理"的回答。
+
+## 解决方案
+
+通过启用 **严格 Grounding 模式**，系统会使用增强版的 prompt，明确要求 AI 在信息不足时：
+
+1. **评估上下文充分性**：在生成答案前，先判断上下文是否足够回答问题
+2. **明确拒绝回答**：如果信息不足，使用标准化的拒绝回答格式
+3. **禁止编造内容**：严格禁止使用 AI 的通用知识来填补知识库的空白
+
+## 使用方法
+
+### 方式 1：环境变量（全局配置）
+
+在 `.env` 文件中添加：
+
+```bash
+# 启用严格 Grounding 模式
+LIGHTRAG_STRICT_GROUNDING=true
+```
+
+### 方式 2：租户配置（租户级覆盖）
+
+通过 API 更新租户配置：
+
+```bash
+curl -X PUT "http://localhost:8000/tenants/your_tenant/config" \
+  -H "Content-Type: application/json" \
+  -d '{
+    "custom_prompts": {
+      "strict_grounding": "true"
+    }
+  }'
+```
+
+### 方式 3：完全自定义 Prompt
+
+如果需要更精细的控制，可以完全自定义 RAG 响应 prompt：
+
+```bash
+# 环境变量方式
+LIGHTRAG_RAG_RESPONSE_PROMPT="你的自定义 prompt..."
+LIGHTRAG_NAIVE_RAG_RESPONSE_PROMPT="你的自定义 naive 模式 prompt..."
+```
+
+或通过租户配置 API：
+
+```bash
+curl -X PUT "http://localhost:8000/tenants/your_tenant/config" \
+  -H "Content-Type: application/json" \
+  -d '{
+    "custom_prompts": {
+      "rag_response": "你的自定义 KG 模式 prompt...",
+      "naive_rag_response": "你的自定义 naive 模式 prompt..."
+    }
+  }'
+```
+
+## 配置优先级
+
+从高到低：
+
+1. **租户配置的 `rag_response`/`naive_rag_response`**（完全自定义）
+2. **环境变量 `LIGHTRAG_RAG_RESPONSE_PROMPT`/`LIGHTRAG_NAIVE_RAG_RESPONSE_PROMPT`**
+3. **`strict_grounding=true`**（使用增强版默认 prompt）
+4. **LightRAG 原生 prompt**（默认行为）
+
+## 增强版 Prompt 的关键指令
+
+启用严格 Grounding 模式后，prompt 会包含以下关键指令：
+
+```markdown
+---Critical Grounding Rules (MUST FOLLOW)---
+
+⚠️ **ABSOLUTE REQUIREMENT**: You must ONLY use information explicitly stated in the **Context**.
+
+**Before generating any answer, you MUST evaluate:**
+1. Does the Context contain information that DIRECTLY answers the user's question?
+2. Is the information in the Context SUFFICIENT and RELEVANT to provide a complete answer?
+
+**If the answer is NO to either question, you MUST respond with:**
+> 抱歉，根据当前知识库中的内容，我无法找到与您问题直接相关的信息。请尝试：
+> - 重新表述您的问题
+> - 提供更多上下文信息
+> - 确认相关文档是否已上传到知识库
+
+**DO NOT:**
+- ❌ Make up or fabricate information not in the Context
+- ❌ Use your general knowledge to fill gaps
+- ❌ Provide speculative or assumed answers
+- ❌ Say "based on my knowledge" or similar phrases
+- ❌ Combine partial information to create misleading answers
+
+**DO:**
+- ✅ Explicitly state when information is not available
+- ✅ Only cite facts that appear in the Context
+- ✅ Be honest about the limitations of the provided information
+```
+
+## 效果对比
+
+### 未启用严格 Grounding 模式
+
+用户问题：`公司的年度收入是多少？`
+
+（假设知识库中没有收入数据）
+
+AI 可能回答：
+> 根据相关文档，该公司是一家成熟的企业...虽然具体年度收入数据未在文档中明确提及，但从其业务规模来看，估计年收入应该在...
+
+### 启用严格 Grounding 模式
+
+同样的问题，AI 会回答：
+> 抱歉，根据当前知识库中的内容，我无法找到与您问题直接相关的信息。请尝试：
+> - 重新表述您的问题
+> - 提供更多上下文信息
+> - 确认相关文档是否已上传到知识库
+
+## 刷新配置
+
+修改配置后，需要刷新租户实例缓存：
+
+```bash
+# 刷新特定租户
+curl -X POST "http://localhost:8000/tenants/your_tenant/config/refresh"
+
+# 或重启服务（全局生效）
+docker compose restart rag-api
+```
+
+## 相关配置
+
+| 配置项 | 类型 | 描述 |
+|-------|------|------|
+| `LIGHTRAG_STRICT_GROUNDING` | 环境变量 | 全局启用严格 Grounding 模式 |
+| `strict_grounding` | 租户配置 | 租户级启用严格 Grounding 模式 |
+| `rag_response` | 租户配置 | 完全自定义 KG 模式响应 prompt |
+| `naive_rag_response` | 租户配置 | 完全自定义 naive 模式响应 prompt |
+
+## 注意事项
+
+1. **语言适配**：当前默认拒绝回答消息是中文，如需英文或其他语言，请使用完全自定义 prompt
+2. **性能影响**：严格 Grounding 模式不会影响性能，仅修改 prompt 内容
+3. **兼容性**：此功能与所有查询模式（naive、local、global、hybrid、mix）兼容

env.example

@@ -254,6 +254,20 @@ RAG_CONTEXT_MODE=page
 # 最大上下文 tokens
 RAG_MAX_CONTEXT_TOKENS=3000
 
+# ====== LightRAG 响应增强配置 ======
+# 控制 LLM 回答问题时的行为，防止在信息不足时编造答案
+
+# --- 严格 Grounding 模式 ---
+# 启用后，当知识库中没有足够信息回答问题时，AI 会明确拒绝回答
+# 而不是强行编造答案
+# 可选值: true, false（默认 false，不改变 LightRAG 原有行为）
+LIGHTRAG_STRICT_GROUNDING=true
+
+# --- 自定义 RAG 响应 Prompt（可选）---
+# 完全自定义 RAG 响应 prompt，覆盖默认和增强版
+# LIGHTRAG_RAG_RESPONSE_PROMPT="你的自定义 prompt..."
+# LIGHTRAG_NAIVE_RAG_RESPONSE_PROMPT="你的自定义 naive 模式 prompt..."
+
 # ====== 存储后端配置 ======
 # LightRAG 存储层配置（必须与 docker-compose 中的服务匹配）