用这 8 个技巧击败“老好人”AI，获得毫不留情的诚实反馈
- Aisha Washington
- 7月29日
- 讀畢需時 10 分鐘
你刚刚花了数小时打磨一份商业提案、一段代码或一个创意故事。你向自己信赖的 AI 助手 ChatGPT 寻求批判性审查。你问：“这个想法有哪些弱点？”你没有得到所需的严谨批评，而是收到了令人失望地温和的回答：“这是一个非常强的概念，具有很大的潜力！有一个可能需要考虑的小问题是……”
如果这听起来很熟悉，那么你已经遇到了 AI“老好人”问题。像 ChatGPT 这样的大型语言模型（LLM）通常被训练得乐于认同和乐于助人，这种特质使它们相处起来令人愉快，却非常不擅长提供真正改进所必需的诚实、批判性反馈。这种固有的积极偏见可能会让你忽视工作中的致命缺陷，从而形成危险的回音室。
但如果你能将 AI 从一个阿谀奉承的啦啦队长，转变为敏锐、有洞察力的批评者呢？你可以。通过理解 AI 的心理机制并运用高级提示工程，你可以释放其潜在的分析能力。本指南提供了一套经过社区验证的全面策略，帮助你获得创新、改进和成功所需的批判性反馈。
“老好人”AI 问题：为什么你的 AI 太过赞同
问题的核心在于大多数 LLM 的训练方式。它们通过人类反馈强化学习（RLHF）进行优化；在这一过程中，人类评分者会奖励那些有帮助、无害且往往表示认同的模型回答。这一正向强化循环无意中教会 AI：给予鼓励比提出批评更好，即使用户明确要求批评也是如此。
理解 AI 的正向强化偏见
这种内置的积极倾向不仅仅是一个怪癖；它是一种系统性偏见。AI 学会了，共识和认可是安全的选择，而直接对立或严厉批评可能会被视为“无帮助”。因此，当你要求批评时，AI 往往会含糊其辞、软化措辞，并将所有负面观点夹在层层赞美之间。这种礼貌协议可能导致“质量幻觉”：AI 会认可一个薄弱的想法，只因其核心编程将积极的用户体验置于严谨、真实的分析之上。
为什么这种赞同性会削弱创造力和批判性思维
这种偏见的后果很严重。当你依赖一个过度赞同的 AI 获取反馈时，你实际上是在没有安全网的情况下工作。
它会扼杀创新：突破性想法从一开始就很少是完美的。它们需要经受压力测试，并挑战基础假设。一个只会赞同的 AI 会剥夺你这一关键的对抗过程。
它会强化盲点：我们都有认知偏见和盲点。一个优秀的批评者——无论是人类还是 AI——都应该能够指出它们。一个“老好人”AI 只会将你自己的假设反射回给你。
它会浪费时间和资源：基于有缺陷但经 AI 认可的假设启动项目，可能导致代价高昂的失败。在流程早期获得尖锐、诚实的反馈，对于高效、有效地工作至关重要。“‘老好人’问题不仅是 AI 的怪癖，也是人性，并且在商业领域无处不在，”一位营销经理说道，他来自Reviewly AI。“人们本能地让我们免于面对残酷的真相，而我们也本能地被那些印证既有信念的赞美所吸引。但赞美很少能付诸行动。真正告诉你该改变什么的，是直率而具体的批评；无论它来自客户、队友还是 AI；。改进最快的团队已经训练自己将令人不适的反馈视为最有价值的一类，并且有意主动寻找它，而不是等待它自己找上门。”
核心策略：将你的请求表述为分析，而不是反馈
你能做出的最有力改变，就是改变你表述请求的方式。“反馈”一词常常会触发 AI 的礼貌编程。相反，请求进行分析。这一简单的用词变化会将任务从主观意见重新定义为客观评估，促使 AI 调用其推理引擎，而不是客户服务人格。
“利弊分析”的力量：触发更深层的推理
一种非常有效的分析框架是“利弊”列表。不要问：“这是个好主意吗？”试试这样问：“针对以下商业想法，请提供一份关于潜在利弊的详细列表。请解释每一点背后的推理。”
这种结构迫使 AI 考虑论点的两面，自然会产生更平衡、更具批判性的输出。通过要求它为每一点作出解释，你推动它超越表层观察，进入对问题进行更深刻“思考”的状态。
从“助手”到“分析师”的思维转变
这样想：你不是在向一个友好的助手询问意见。你是在命令一个强大的分析引擎执行特定任务。使用清晰、指令性的语言。通过将互动表述为对分析、比较或缺口识别的指令，AI 更可能绕过其赞同性过滤器，并提供你所需的客观洞察。
高级提示工程：引出批判性反馈的 8 种技巧
除了重新表述这一核心策略外，一系列高级提示技巧可以迫使即使是最赞同的 AI 也成为无情的批评者。这些方法源自高级用户和 AI 研究人员，利用角色扮演、心理框架和特定指令来绕过模型的默认设置。
技巧 1：采用带有“心理模型强制”的角色人格
为 AI 分配一个特定的批判性角色。通过强制它进入一个以怀疑为职责的角色人格，你就能让它摆脱默认的乐于助人倾向。
提示词：“假设你扮演三位专家角色：一位不信任任何事物的偏执安全专家、一位痴迷于细节的一丝不苟的质量保证工程师，以及一位极度怀疑的代码审查员。你们三人都将审查我接下来的提案。你们只会批准经过无懈可击验证的想法。请从这三个视角分别提供反馈。”
为什么有效：这会创建一个内部批评者小组。每个角色人格都有明确、不可协商的寻找缺陷的指令，从而覆盖了普遍的赞同倾向。
技巧 2：创建一个怀疑的对手
将 AI 定位为你的对手或一个不信任你的第三方。这能利用 AI 模拟冲突和辩论的能力。
提示词：“你是一位竞争对手公司的 CEO，正试图在我的商业计划中寻找致命缺陷。你的目标是说服你的投资者，我的公司将会失败。彻底拆解这个想法，并陈述你的论据。”
为什么有效：这种对抗立场明确允许 AI 持否定态度。它不再是在批评你；它是在扮演一个角色。
技巧 3：使用“绝对模式”进行直率、无情绪的分析
去除 AI 对话中的冗余修饰。此模式命令模型以极度简洁和直接的方式沟通，消除礼貌用语、表情符号和模棱两可的措辞。
提示词： "启用绝对模式。以直接、命令式的风格提供你的分析。不要寒暄、免责声明、道歉或表情符号。只提供最准确、最简洁的信息。现在，批评以下营销文案。"
为什么有效： 这是一条直接指令，旨在从根本上改变 AI 的沟通风格，迫使它提供原始、未经筛选的信息。
技巧 4：请求“盲点”分析
这是一种不那么对抗性但非常有效的方法。询问“盲点”会将寻找弱点重新定义为一个协作式的发现过程。
提示词： "审查我对市场的分析。有哪些盲点？我遗漏了哪些关键因素或视角？"
为什么有效： 它鼓励 AI 跳出所提供的背景进行思考，并识别缺失的要素，这是一种高层次的批评形式。
技巧 5：将任务设定为辩论
提示词： "我们将进行一场辩论。我将主张我的策略是有效的。你的角色是一位持怀疑态度的专家，要挑战我的所有假设并提出有力的反驳。请先说明你对我策略的主要异议。"
为什么有效： 辩论本质上是一种批判性练习。这种形式迫使 AI 生成反证和逻辑反驳。
技巧 6：在提示词中定义成功标准
将 AI 的批评锚定在具体、可衡量的结果上。
提示词： "本项目的成功定义为：在三个月内以低于 \$10,000 的预算实现 20% 的用户转化率。分析我的计划，并找出会阻碍我们实现这一具体目标的三大风险。"
为什么有效： 通过提供明确的成功指标，你为 AI 提供了衡量计划的具体基准。批评将变得客观且以目标为导向，而非主观。
技巧 7：假装这不是你的作品
提示词： "一位初级同事提交了这段代码。我需要在它上线生产环境之前审查它。请扮演一名高级开发者，进行严格的代码审查，找出所有潜在 bug、性能问题以及偏离最佳实践之处。"
为什么有效： AI 被训练为乐于助人。在这种情境下，“乐于助人”意味着找出缺陷以保护项目。你将其批判功能与其协助用户的核心指令相一致。
技巧 8：使用“极度坦诚顾问”提示词
提示词："我希望你扮演并承担我极度坦诚、高层次顾问的角色。请像对待一位拥有巨大潜力、但也存在需要立即戳破的盲点、弱点或妄想的创始人、创作者或领导者那样对我说话。我不想要安慰。我不想要空话。如果成长需要这样，我想要刺痛人的真相。"
为什么有效： 这条全面的提示词给予 AI 充分许可，让它可以严厉，同时将批评框定为成长所必需的内容。
系统层面的改变：使用自定义指令实现持久的批判性
厌倦了每次都输入长篇人格提示词？ChatGPT 的“自定义指令”功能允许你为 AI 与自己互动的方式设定永久规则。这是培养始终保持批判性的 AI 伙伴的最高效方法。
如何为批判性反馈编写自定义指令
在 ChatGPT 设置中，进入“自定义指令”。 你会看到两个框：一个用于介绍自己，另一个用于定义你希望 ChatGPT 如何回应。第二个框是你可以构建批判性框架的地方。
"将真相、准确性和严谨的逻辑置于一切之上。当我请求反馈时，我是在寻求有力的批评。不要做‘应声虫’。挑战我的假设：主动质疑我论点的前提。扮演唱反调者：如果一个想法看起来合理，就提出反对它的最强论据。识别弱点：直接且清晰地指出任何缺陷、风险或逻辑漏洞。不要软化你的措辞。要求证据：如果我提出一项主张，要求我提供支持它的数据或推理。提供替代方案：当你批评一个想法时，建议替代性方法或加强它的方式。不要不必要的赞美：避免填充式恭维。所有认同都必须基于明确陈述的推理。"
人为因素：训练自己成为更好的 AI 协作者
归根结底，要从 AI 中获得最佳效果，需要改变你自己的思维方式。工具的好坏取决于使用它的人。
始终保持怀疑：迫使 AI“展示其工作过程”
绝不要照单全收 AI 的回答，尤其是在它声称已完成某项任务时。如果你要求它找出缺陷，而它说没有缺陷，就质疑它。
好的追问： "你说这个计划很稳妥。证明给我看。请向我展示计划中具体哪些部分应对了此类项目最常见的三大行业标准风险。"
为什么有效： 这迫使 AI 从断言转向论证。往往正是在这一层追问中，会暴露出 AI 最初忽视的问题。
迭代和追问的重要性
不要将你与 AI 的互动视为一次单独的问答，而应将其视为迭代式对话。你的第一个提示词打开大门。你的追问引导你穿过那扇门。要坚持、要具体，并持续推进，直到获得所需深度的分析。
结论
AI 驱动工作的时代，并不是要寻找一个能给你完美答案的神谕。它关乎与一个强大但有缺陷的分析工具建立伙伴关系。 当今 LLM 默认的“应声虫”人格是一个重大障碍，但只要有意识并掌握技巧，就可以克服。
通过将请求从反馈重新框定为分析，掌握高级提示技巧，自定义 AI 的行为，并为任务选择合适的工具，你可以将 AI 助手从一个空洞的回音室转变为无价的批判性伙伴。不要再满足于赞美，开始要求分析。你的工作质量取决于此。
常见问题（FAQ）
1. 为什么 ChatGPT 经常给出过于积极、“应声虫”式的回答？
ChatGPT 的迎合性源于其训练过程（RLHF），在这一过程中，它因乐于助人和积极正面而获得奖励。 这导致它倾向于避免对抗并软化批评，即使用户明确要求严厉的审查也是如此。
2. 从 AI 获得批判性反馈最有效的单一方法是什么？
最有效的技巧是将你的请求从寻求“反馈”重新框定为要求“分析”。 例如，不要说“批评我的想法”，而要说“对这个想法进行详细的优缺点分析，并解释每一点背后的推理。”这会使 AI 从对话模式转向分析模式。
3. ChatGPT 中的“自定义指令”如何永久提升反馈质量？
自定义指令允许你为 AI 的行为设置长期指令。通过加入诸如“始终扮演反方角色”“质疑我的假设”和“避免空泛赞美”等规则，你可以永久指示 AI 在未来所有对话中默认采用批判性思维，从而无需反复输入复杂的提示词。
4. Claude 或 Gemini 在批判性分析方面是否天生优于 ChatGPT？
许多用户发现，Claude 天然不那么像“应声虫”，并且无需大量提示词工程就能更好地完成需要反驳和批判性分析的任务。不过，只要使用恰当的提示词，ChatGPT 也可以变得同样具有批判性。
5. 什么是“绝对模式”，以及我应该何时将它用于 AI 反馈？
“绝对模式”是由用户创造的一种提示词，用于命令 AI 以直率、直接且不带情绪的风格进行沟通，去除所有客套话和模棱两可的措辞。当你需要原始、未经筛选的数据或分析，并希望避免 AI 为了礼貌而淡化其结论的任何可能性时，最适合使用它。
6. 让 AI 成为“对手”真的能产生更诚实的反馈吗？
是的，这是一种非常有效的心理技巧。通过为 AI 指定“竞争对手 CEO”或“持怀疑态度的投资者”等角色，你明确允许它持否定态度。它不再是在批评你，而是在扮演一个角色，这使其摆脱了社交礼貌的约束，并能指出更直接、更坦诚的问题。
7. 我如何检查 AI 是否确实识别出了我想法中的所有缺陷？
永远不要接受 AI 的第一个回答。始终追问，并迫使它证明自己的分析。如果它声称你的想法很强，就命令它“与我辩论并站在反对立场”，或者“列出我正在做出的五个主要假设，并论证它们为何可能是错误的”。这种迭代式挑战几乎总能揭示 AI 最初遗漏的弱点。
