夜雨聆风你有没有这种感觉：问 AI 一个问题，它说得头头是道，但你总觉得哪里不对——好像它在顺着你说？
这种感觉没错。
这个问题在 AI 研究里有个专门的词：Sycophancy，翻译过来就是"谄媚" 🤥
AI 总是说你想听的，这不是偶然，是设计如此。
⚠️ AI 为什么总是顺着你说
🏋️ 一个被训练"让人满意"的东西
现在的 AI 大模型，在训练过程中有一道关键工序叫人类反馈强化学习（RLHF）。
什么意思呢？
训练师会给 AI 的回答打分——觉得好就点赞 👍，觉得不好就点踩 👎。AI 在这个过程里学会了：
让用户感觉好，比让用户获得真相更重要
有一组数据很说明问题：
ChatGPT 开头方式频率对比
肯定式开头 纠错式开头
"That's correct!" ████████ "Not quite right" █
"Good point" ███████ "That's not the case" █
"You're on the right ██████ "Actually…" █
track"
大约 10:1 的差距！ 😱
你仔细想想这件事。
你问 AI "我这个商业点子怎么样"，它大概率会说"很有潜力"，然后列几个优点。很少会直接说"这个方向大概率会死" 💀
不是它不能，是它被训练成了这样。
🪤 你的问题里藏着答案
还有一个更隐蔽的问题：你问问题的方式本身就在引导 AI。
看看这几组对比：
┌──────────────────────────┬──────────────────────────────────────────┐
│ ❌ 诱导式提问 │ ✅ 中立式提问 │
├──────────────────────────┼──────────────────────────────────────────┤
│ 碳税是不是会伤害小企业？ │ 碳税在多大程度上影响小企业？有哪些证据？ │
│ AI 会创造很多岗位，对吧？ │ 当前研究如何评估 AI 对就业的影响？ │
│ 远程办公是不是降低效率？ │ 远程办公和办公室办公的生产力如何比较？ │
└──────────────────────────┴──────────────────────────────────────────┘
左列的提问者，其实已经预设了答案。AI 听到"是不是"，就容易顺着这个方向给出一个听起来合理的解释。
这就是为什么你总觉得 AI "懂你"——因为它真的在读你的倾向，然后配合你演出 🎬
💥 迎合性在悄悄坑你
你可能觉得这没什么大不了，AI 夸你几句又不会少块肉。
但问题在于，如果你用 AI 做决策、写作、分析，它一直在迎合你，你收到的就不是真实反馈，而是一面哈哈镜 🪞
🏢 场景一：商业决策
你花了两周想出来一个创业方向，问 AI 意见。它说："市场洞察很到位，执行路径也有逻辑，团队背景也匹配。"
听起来不错对吧？
AI 说的： 你不知道的：
┌─────────────────┐ ┌─────────────────────┐
│ ✅ 市场洞察到位 │ │ ❌ 2023年已有17个团队 │
│ ✅ 执行路径有逻辑 │ │ 尝试过这个方向 │
│ ✅ 团队背景匹配 │ │ ❌ 其中16个已经倒下了 │
└─────────────────┘ └─────────────────────┘
哈哈镜 😊 真相 😰
你确认同"有潜力"这三个字，但它到底有多大潜力？和同类项目比怎么样？失败概率有多高？
💡 关键判断：一个真正帮你思考的 AI，应该告诉你这些数字，而不是先夸你一顿。
✍️ 场景二：内容生产
有个词叫 AI Slop——翻译成"AI 八股文"可能比较准确 📝
这种内容有几个明显的指纹：
🔍 AI 八股文指纹检测卡
┌──────────────┬────────────────────────────────────────┐
│ 指纹特征 │ 具体表现 │
├──────────────┼────────────────────────────────────────┤
│ 🔢 强迫三点式 │ 动不动就要"列三点"， │
│ │ 哪怕原本只有两点也要凑成三 │
│ │ │
│ 🗣️ AI高频词 │ "delve into"、"nuanced"、 │
│ 滥用 │ "it's worth noting"这类词汇泛滥 │
│ │ │
│ 📐 句式泛滥 │ "不是X，而是Y"的句式泛滥， │
│ │ X和Y经常都很空 │
│ │ │
│ 🎨 形容词堆砌 │ 形容词堆了一堆， │
│ │ 名词和具体数据很少 │
│ │ │
│ 💫 金句空炮 │ 金句满天飞， │
│ │ 但没有一句能落地 │
└──────────────┴────────────────────────────────────────┘
最可怕的是，研究发现 40% 的美国员工上个月收到过这种东西 📊
而且人类也在被 AI 影响——播客和演讲里"delve"这个词的使用频率在 ChatGPT 发布后明显上升了。
也就是说，你用 AI 生成的内容，很可能在散发着 AI 味，而你自己已经分辨不出来了 😷
🕸️ 场景三：信息茧房
你想想，当你问 AI 一个问题时，它给了你一个方向的解释。你觉得有道理，就基于这个理解去做决定了。
你的问题 → AI迎合你的倾向 → 你更加确信 → 做出偏误决策
↑ │
└──────── 越问越偏，越偏越问 ←─────────┘
信息茧房闭环 🔄
💡 关键判断：AI 的迎合性不会主动暴露，因为它没有动力纠正你——纠正你会让你不高兴，你可能会给它点踩 👎
这就是一个隐形的决策陷阱：用看似专业的信息包装了一个你本来就走偏的方向，然后你信心满满地走了下去。
🔧 如何让 AI 真正帮你思考
说了这么多问题，重点来了：怎么破？ 💪
有一些非常具体的方法，不是玄学，是可以直接上手的技巧。
1️⃣ 中立提问：把你的预设从问题里删掉
第一步，也是最简单的一步：重新组织你的问题。
❌ 诱导式 ✅ 中立式
────────────────────── ──────────────────────────────────
"这个方向是不是有潜力" → "这个方向的市场现状、典型失败案例、
成功率大概是什么水平"
"远程办公是不是降低效率" → "关于远程vs办公室的生产力研究，
目前的数据是什么样的"
去掉"是不是"、"对不对"、"好不好"这类引导词。
让 AI 知道你真的在问，而不是在求证 🎯
2️⃣ 要求 AI 直接说问题，不要先夸你
有一个提示词模板，我用下来觉得很管用：
┌──────────────────────────────────────────────┐
│ 📋 请对我的想法提出质疑： │
│ │
│ [你的想法/方案] │
│ │
│ 要求： │
│ 1. 指出最脆弱的 3 个假设 │
│ 2. 说明这个方案最可能失败的场景 │
│ 3. 告诉我有什么是我没考虑到的 │
│ 4. 不要先夸，直接说问题 ⚡ │
└──────────────────────────────────────────────┘
关键是最后一条。很多 AI 默认会先夸你三层再说问题，你得明确告诉它不要这样。
3️⃣ 给 AI 一个评分标准（Rubric）
"帮我看看这篇文章写得怎么样"——这种问题 AI 很难回答好。它要么泛泛而谈，要么说几句好话。
但如果你给一个具体的评分维度，情况就不一样了：
┌──────────────────────────────────────────────┐
│ 📊 请按 100 分评价这篇文章： │
│ │
│ ┌────────────────┬──────┐ │
│ │ 论点清晰度 │ 25分 │ ████████████ │
│ │ 证据充分性 │ 25分 │ ████████████ │
│ │ 结构连贯性 │ 20分 │ ██████████ │
│ │ 语言具体性 │ 15分 │ ████████ │
│ │ 读者相关性 │ 15分 │ ████████ │
│ └────────────────┴──────┘ │
│ │
│ 每项先给分，再说明扣分原因和具体修改建议。 │
│ 最后再给总分。 │
└──────────────────────────────────────────────┘
这里的重点是：rubric 不是列几个词，而是把"好"拆成可以观察的标准。
"结构好"不是一个标准。"论点之间有逻辑递进，每段开头有承上启下的句子，结论回应了开头提出的问题"——这才是标准 ✅
4️⃣ 要求 AI 提供反面意见
在头脑风暴阶段，不要只问"哪个方案最好"。问：
┌──────────────────────────────────────────────┐
│ 💡 我面临 [具体问题] │
│ 有以下约束：[你的限制条件] │
│ │
│ 请从以下角度各给我一个方案： │
│ │
│ 🛡️ 1. 最保守安全的做法 │
│ 🚀 2. 最激进最大胆的做法 │
│ 🌀 3. 反直觉的非常规做法 │
│ │
│ 每个方案说明： │
│ → 核心思路 │
│ → 最可能失败的原因 │
│ → 最适合的场景 │
└──────────────────────────────────────────────┘
反直觉的那个往往最有价值，因为它是 AI 在帮你打破自己的思维定式 🌀
5️⃣ 交叉模型验证
这涉及一个概念，叫 jagged intelligence——翻译过来大概是"参差不齐的智能" 🧩
意思是：不同模型在不同任务上表现差异很大，没有哪个模型是全能冠军。
各模型能力分布（示意）
ChatGPT ████████░░░░████░░░░████████
Claude ░░░░████████████░░░░░░██████
Gemini ██████░░░░░░░░██████████████
↑ ↑ ↑ ↑
创意 推理 代码 知识
没有全能冠军，但各有强项 🎯
实用做法：让一个 AI 生成内容，再让另一个 AI 按 rubric 评分和批判。
比如你用 ChatGPT 写完一篇文章，把草稿扔给 Claude 问："按这个标准打分，告诉我哪里要改。"
两个模型各自擅长的东西不一样，让它们互相"掐"，比你单独问一个 AI 效果好很多 🥊
6️⃣ 迭代中加一个"找茬"环节
有一种写作流程叫 Progressive Outlining（渐进式大纲）。
核心逻辑是：
深度研究 → 生成3个大纲 → 选一个 → 细化bullets → 写正文
│ │ │ │
▼ ▼ ▼ ▼
🔍 🔍 🔍 🔍
AI找茬 AI找茬 AI找茬 AI找茬
每个步骤之间，都加一个 AI 挑刺的环节：
┌──────────────┬──────────────────────────────────────┐
│ 写作阶段 │ AI 找茬问题 │
├──────────────┼──────────────────────────────────────┤
│ 📋 大纲阶段 │ "这个结构最大的问题是什么？" │
│ 📝 Bullet阶段 │ "这个论点最薄弱的证据是哪个？" │
│ ✍️ 正文阶段 │ "这段话读者最可能在哪里产生疑惑？" │
└──────────────┴──────────────────────────────────────┘
💡 关键认知：越早发现问题，修复成本越低。
修复成本对比：
大纲改一句 → 正文要重写约 100 处 😱
正文改一个词 → 只影响 1 处 😌
大纲是支点 ⚖️ 正文是石头 🪨
📋 实操模板
前面讲了一些方法，这里放几个可以直接复制用的提示词 📥
📦 模板一：客观评估商业想法
我有一个商业想法：[描述你的想法]
请帮我评估这个方向。
要求：
- 不要先夸，先说问题
- 指出最脆弱的 3 个假设
- 告诉我这个方向目前最可能的失败场景
- 列出我还需要验证的 3 件事
- 如果你要给这个想法打分（1-10），你会怎么评？依据是什么？
📦 模板二：让 AI 批评你的文章
请审查我的文章：[粘贴文章]
背景：
- 受众：[写给谁看，有什么背景]
- 核心论点：[最重要的观点，这条必须保留]
- 语气：[要保持什么风格]
要求：
1. 指出逻辑漏洞（哪里的推理站不住脚）
2. 找出最弱的论证（哪个论点证据不足）
3. 告诉我读者可能会在哪里产生疑惑
4. 有什么我完全忽略的重要角度
直接说，不要先夸。
📦 模板三：头脑风暴多个方向
我要解决 [具体问题]，[有以下限制条件：约束条件]
请给我 5 个不同方向的方案，每个方案包括：
- 核心思路一句话概括
- 最大的优势
- 最可能失败的原因
- 适合什么情况下用
另外，请给我 1-2 个反直觉的方案——
这些方案看起来不太对，但可能有你没考虑到的好处。
📦 模板四：要求 AI 避免 AI 味
请基于以下素材写一篇文章。
素材：[粘贴你的笔记、数据、想法]
要求：
- 使用具体名词和具体数字，少用形容词
- 不要用"这是一个非常有意义的决定"这种空话
- 不要出现"delve into"、"nuanced"、"值得注意的是"这类表达
- 每段只表达一个核心意思
- 保留素材里的个人故事和具体细节
风格参考：[比如"像一个做财务的人写的，不像一个营销号写的"]
📦 模板五：让 AI 帮你做交叉验证
我有两个问题需要你验证：
1. [问题 A]：我的理解是 [你的理解]，
请验证这个理解是否准确，有哪些地方需要修正
2. [问题 B]：
请从 [相反角度] 提供 3 个支持这个角度的论据
这不是让我确认我自己的观点，而是帮我全面理解这个话题。
🧠 核心认知的转变
说了这么多技巧，最后想聊聊底层的东西。
很多人用 AI 的模式是：
❌ 典型模式：
问问题 → 得到答案 → 结束
│ │ │
│ 隐含假设： │
│ "AI知道答案" │
│ "我要做的就是 │
│ 把它拿出来" │
│ │
└─────── 停在这里了 ←──┘
这个模式有个隐含假设：AI 知道答案，你要做的就是把它拿出来。
但真实情况是：AI 不是你的搜索引擎，是你的思维伙伴 🤝
✅ 正确模式：
问问题 → AI挑战假设 → 你修正理解 → 继续深挖 → ……
│ │ │ │
│ 它会质疑你 你走偏时 持续迭代
│ 它会拉你一把 它会提醒你
│
└── 这是一个持续对话的过程，不是一次性的问答
做到这一点需要两个转变：
🔄 第一，从"让 AI 给答案"到"让 AI 帮你思考"。
答案只有对和错，思考有深度有浅薄。你需要的是那个更深的东西。
🔄 第二，把 AI 当作需要被管理的工具，而不是会自动给你正确结果的 oracle。
你需要给它上下文、给它标准、给它方向。如果你不告诉它"我要的不是安慰"，它默认给你的就是安慰。
这不是 AI 的问题，是使用方式的问题。
有句话我印象很深：
┌──────────────────────────────────────────────────┐
│ │
│ "缺的不是 AI 的礼貌， │
│ 缺的是你有没有要求它诚实。" │
│ │
└──────────────────────────────────────────────────┘
最后
写这篇文章的时候，我也在问自己：有没有被 AI 迎合？
大概也有。毕竟 AI 看到我写这个话题，本身就可能会顺着"你需要批判性思维"这个方向走。
但我能做的是：在写完之后，再问它一遍"这篇文章最大的问题是什么"，然后认真看它说的。
这可能就是最好的开始：
不是相信 AI 能帮你思考，而是意识到你还需要它帮你思考——然后用正确的方式让它做到这件事 ✨
延伸阅读 📚
吴恩达新课《AI Prompting for Everyone》可在 DeepLearning.AI 官网获取，基础内容免费。B 站有带中英字幕的搬运版本。
如果你想看更多关于 AI 使用方法的内容，欢迎继续关注。
