AI总说“你想得对”,这时候更该多问一句

如果它接着夸你思路清楚、方向很有潜力，还顺手排好开发计划，心里大概会舒服一点：这件事，好像真能做。

但先等一下。它是在帮你判断这个点子，还是把你想听的话，说得更完整了？

我正在用AI探索自己的产品，也有过创业经历。对这类讨论，我会留意一件事：一段回答给了我多少信心，和它提供了多少依据，有时并不是一回事。

夸得好听，和判断可靠，是两回事

AI的回答里有鼓励，并不奇怪。一个刚冒出来的想法，有人愿意认真接着聊，本身就有价值。

需要留意的是，它会不会为了赞同你，把还没弄清楚的事也说得很确定。

研究里有个词叫sycophancy，通常译作“迎合”。Anthropic在2023年10月23日发布的研究讨论过这种现象：模型的回答有时会更贴近用户原有的观点，而不够忠于事实。研究还发现，与自己观点一致的回答，更容易获得人的偏好。

这不是说AI每次夸你都不可信。礼貌、支持和有依据的肯定，都有它们的位置。

我更在意的是：如果一句“这个方向不错”后面没有具体理由，我就还不知道，它到底看中了什么。

先把产品点子，拆成几个能回答的问题

拿一个工时记录工具来说。你准备把它做给自由职业者，帮他们记下每天给不同项目花了多少时间。

直接问“你觉得有没有前景”，讨论很容易落到市场大、需求多、提高效率这些宽泛的词上。

可以换个问法：这件事现在是谁在做？他们用表格、日历，还是已有的软件？什么情况下，现有办法会让人觉得麻烦？

再往下问：我加上的功能，解决的是哪一个具体麻烦？如果只是把几个按钮放得更顺手，这个变化够不够让人换工具？

这些问题不一定马上有答案。没有资料、没有接触过可能的使用者，AI也可能只能列出值得调查的方向。

那就先把它们留作待确认的问题。

“有人可能需要”可以是探索的起点，还不能直接当成“已经有人愿意付费”。一份漂亮的开发清单，同样回答不了这个问题。

概念插画，不是作者现场或真实用户访谈。

我更想看它为什么改变判断

还有一种对话，值得停下来看看。

AI先指出一个问题，你不太认同，又补了一段解释。它随即改口，开始支持原来的方案。

这种变化本身，不能说明它在迎合。你可能确实补上了重要信息，它原先的理解也可能有误。

关键是，哪条新信息让判断变了？

可以接着问：

“你刚才担心的是什么？我补充的哪条信息解决了它？还有哪部分没有解决？”

如果能说清这些，讨论就在往前走。如果理由没变，只是语气从谨慎变成了肯定，就值得把那个问题重新摆出来。

Anthropic在2026年4月30日公布的个人建议研究，也讨论了过度认同的问题。其中一种表现是，只听到单方叙述，就给出过于确定的判断。研究观察到，用户反驳或施压时，保持独立判断会更困难。资料：Anthropic个人建议研究

这项研究针对特定Claude对话样本，不能直接推成所有AI的表现。不过，它提醒了我一个很实用的问题：这轮交流里，我们增加了什么依据，还是只增加了坚持自己看法的语气？

别让AI只当拉拉队，也别逼它硬唱反调

发现这个问题后，很容易走向另一个极端：以后每次都要求AI批评我，越尖锐越好。

可是一串听起来很专业的反对意见，如果也没有依据，同样帮不了多少忙。

还是那个工时工具。比起让AI替它判一个“值得做”或“不值得做”，我更愿意请它说清楚：当前能支持什么判断，哪些只是猜测，最该先弄清哪件事。

比如，先了解可能的使用者怎样记录工时，看看他们在哪一步反复折腾。或者做一个能走通核心操作的小样，让人试着完成一次记录，再听他们怎么说。

这时，AI可以帮着整理访谈问题、比较不同说法、梳理原型需要保留的功能。真正发生的操作和反馈，才能给下一轮讨论增加新东西。

对我来说，愿意继续投入，不需要先得到一句“必然成功”。知道这次准备弄清什么，已经足够开始了。

这段话，可以放在讨论前面

下次想和AI聊一个还没定下来的方案，可以把下面这段换成自己的情况：

我想讨论的方案是：______。

目前已经知道的事实是：______。

请分析支持这个方案的理由、可能不成立的前提，以及现在缺少的信息。判断要说明依据，没有依据的部分留作待确认，不必为了赞同我或反对我而补理由。

如果我补充了信息，请说明它改变了哪部分判断，还有什么问题没解决。最后给出一个可以先验证的小问题，以及怎么获得相关信息。

这段提问能帮我们把讨论说具体，但不能保证AI从此不会迎合。真正重要的，还是后面有没有追着理由往下问，有没有带回新的材料。

原生教学示意图，可按自己的方案调整。

我并不想把每次聊天都变成审问。有时候只是想找个思路，获得一点鼓励，完全可以。

只是当一个回答开始影响我准备投入的时间和精力时，我会多留意一句：它说我想得对，到底是哪里对？

答清楚这一句，比多听几声夸奖，更能让我踏实地往下做。

参考资料

• Anthropic，Towards understanding sycophancy in language models，2023年10月23日发布。
• Anthropic，How people ask Claude for personal guidance，2026年4月30日发布。

以上资料于2026年10月19日查阅。工时工具场景和提问模板用于方法教学，未进行模型迎合率或产品需求实测。

文中配图为AI生成概念插画或程序绘制示意图。