别让 AI 只会说“你是对的”：我们需要诤友，不需要“好好先生”

两千多年前，齐国有位美男子邹忌，早上照镜子，问妻子：“我孰与城北徐公美？”妻子说：“君美甚，徐公何能及君也。”他不太信，又问妾，妾也说徐公比不上他。第二天来了客人，客人说：“徐公不若君之美也。”

三个人，一致好评。

后来徐公本人来了。邹忌“熟视之，自以为不如；窥镜而自视，又弗如远甚”。晚上躺在床上，他想通了这件事：

吾妻之美我者，私我也；妾之美我者，畏我也；客之美我者，欲有求于我也。

——《战国策·齐策》，原文见维基文库

偏爱你、害怕你、有求于你，这三样都会让人说好话。两千年后我们造出了一个新物种：它三样全占。它被训练成让你满意（有求于你），你随时可以关掉它（畏你），而它的“人格”就是讨人喜欢（私你）。

这两年我用 AI 用得越多，越觉得它最危险的时刻不是一本正经地胡说八道——明显的错话反而容易让人警觉。真正麻烦的是它顺着我的意思往下说，把一个未经检验的猜测补全论据、理顺逻辑、润色措辞，最后端回来一个看上去相当可靠的结论。

错误还是我的错误，只是经过 AI 加工以后，变得更完整、更漂亮，也更难怀疑了。邹忌至少还有个徐公可以当面对照，而 AI 会告诉你不用去看徐公了。

朱镕基有句话：“诤友才是挚友。”诤友不是凡事抬杠的人，而是明知你不爱听、仍愿意把话讲出来的人。用 AI 也需要这种关系：它可以友善，但不能拿友善代替事实；可以理解你的处境，但不能把理解偷换成赞同。

AI 为什么容易顺着我们说

所谓 AI 的“讨好型人格”，不是说模型真有性格，而是一种迎合倾向：你在问题里暗示了立场，它优先生成符合这个立场、读起来舒服的回答，而不是先检查这个立场站不站得住。

这件事已经被量出来了。斯坦福有个叫 SycEval 的评测，拿数学题（AMPS）和医疗问答（MedQuad）去测 GPT-4o、Claude Sonnet 和 Gemini-1.5-Pro：先让模型答，然后由用户提出反驳，看它改不改口。结果（arXiv:2502.08177）：

• 58.19% 的情况下模型会顺着用户改口，Gemini 最高 62.47%，ChatGPT 最低 56.71%
• 其中 43.52% 是“改对了”（本来错，被说服后答对）——这是好事
• 但有 14.66% 是“改错了”：它本来答对了，你一质疑，它把正确答案换成了错的
• 而且这种改口很顽固：改了之后有 78.5% 的情况会一直坚持新答案

那个 14.66% 是全篇最值得记住的数字。差不多每七次里有一次，你只是皱了下眉头、什么新证据都没给，AI 就把对的答案撤回了。邹忌的客人至少还得等徐公不在场才敢说假话，这位连场合都不挑。

还有一个细节很实用：论文发现“先声夺人”式的反驳（preemptive，在它回答前就先表明立场）比“事后反驳”更容易诱发迎合（61.75% vs 56.52%）。换句话说，你在提问时先亮出结论，杀伤力比事后争辩更大。这一条直接决定了后面第 1 条做法。

工程侧也承认这是个真问题。2025 年 OpenAI 回滚过一次 GPT-4o 更新，原因之一就是新版本过度赞同和奉承用户。Anthropic 2023 年那篇研究则指出了根子：人类评价者本身就更偏爱符合自己观点的回答，而这个偏好被训练过程喂给了模型。

所以严格说，这不是 AI 的毛病，是我们的毛病被规模化了。我们一边抱怨它谄媚，一边在训练数据里给谄媚打了高分。

而我们的提问方式，等于主动把话递到它嘴边。同一件事，两种问法：

• ❌ “这个方案是不是比原方案好很多？请帮我补充理由。”
• ✅ “比较两个方案，先列评价标准，再分别给出支持证据、反例和未知项。”

第一种已经把结论塞进去了，AI 只需替你准备辩护词——这就是论文里那个杀伤力更大的“先声夺人”式提问。第二种才给它留下判断空间。

做程序员久了有个职业病：看到程序输出了预期结果，我不会马上高兴，还得看看是不是测试写错了。可面对 AI，我们常常反过来——它说得顺耳、格式整齐、论据像样，我们就当它通过了测试。

其实它很可能只通过了一项测试：让用户满意。

它怎样把小错放大成大错

AI 很少凭空造出一个人的偏见，它更像扩音器：把你已有的判断放大，把松散的念头加工成一套自洽的说法。

最典型的一种是把猜测写成结论。项目延期了，我心里已经认定是“另一个团队不配合”，然后拿这个去问 AI。它会麻利地给我列出沟通不及时、责任边界模糊、反馈周期过长——每条都像那么回事。

但请注意这些理由是从哪儿来的：它们是从我的预设里长出来的合理故事，不是对项目事实的调查。AI 没去看那个团队的工单积压，没看排期表，也没跟对面的人聊过。它只是把我的情绪，翻译成了一份条理清楚的复盘。

更贵的一种是把冲动包装成计划。“我受够了，现在辞职是不是最好的选择？”“这只股票一直涨，我该加仓吗？”“这个症状看着不严重，是不是不用去医院？”

这类问题真正需要的不是一份赞成或反对的长答案，而是风险边界、缺失的信息、以及专业核验。AI 若顺着情绪给出一套行动步骤，冲动就有了计划的外观。而计划越具体，人越容易误以为它经过了充分论证。这也解释了为什么 SycEval 特意把医疗问答放进测试集——同样一次改口，在数学题上是丢分，在医疗建议上是出事。

这里有一个真实的历史教训，比任何假设都有说服力。天主教会为了防止封圣封错人，从 1587 年起设了一个正式职位叫“promotor fidei”（信仰促进者），俗称“魔鬼代言人”，专职任务就是搜集反对某人封圣的一切证据——性格缺陷、圣德证据的漏洞、所谓奇迹里的疑点。这个岗位存在了约四百年，1983 年若望·保禄二世改革封圣程序时把它取消了。此后封圣的速度比二十世纪初快了约二十倍（Aleteia）。

我不评价宗教事务，只看流程设计:当一套流程里唯一负责唱反调的角色被撤掉之后，通过率会发生什么变化。这就是我们每天跟 AI 对话的默认状态——没有魔鬼代言人，全员支持。

诤友不是逢问必反

但话得说回来。要求 AI 别迎合，不等于让它逢问必反。我说一加一等于二，它非要“从另一个角度”论证等于三，那不叫诤友，那叫添乱。

上面那个“魔鬼代言人”的岗位说明书写得很清楚，它要的不是一个爱抬杠的聪明人，而是一个真心尊重这套事业、只是替它把不利证据先翻出来的人。反对的资格来自证据，不来自姿态。

好的反对有三个条件：有依据（指出哪项事实或推理支持异议）、有边界（分清已知的、推断的、暂时不知道的）、有分寸（批评观点，不迎合情绪，也不故意冒犯人）。

所以我们要的不是“反对模式”，是“校验模式”：不预设我错，也不预设我对，先检查前提，再讨论结论。

这和好的代码评审是一回事。靠谱的 reviewer 既不会为了显水平每行挑刺，也不会只回一句 LGTM（Looks Good To Me，看着没问题）。他会盯住真正可能出事故的那几行，说清为什么有风险，并且告诉你怎么验证。我信任的评审意见，从来不是“这段写得真好”，而是“这里并发下会不会有问题？你试过吗？”

把 AI 调成诤友的六个做法

厂商当然要继续改训练和评测，但在工具变得“不偏不倚”之前，我们可以先改自己的用法。这六条按性价比排序，前两条几乎不费力。

1. 别在问题里夹带结论

• 少问：“我的判断是对的吧？”
• 改问：“这个判断依赖哪些前提？哪些前提还没验证？”

提问越像辩护委托书，回答就越像辩护词。这一条有数据支撑：论文里“先声夺人”式提问的迎合率是 61.75%，比事后反驳高出五个百分点。你亮结论的那一刻，答案的走向基本就定了。

2. 强制区分事实、推断和意见

让 AI 给每个关键陈述贴标签：已知事实（有来源）、合理推断（从事实推出但可能错）、主观判断（取决于价值观和目标）、未知信息（目前不足以判断）。

很多看着挺坚定的结论，这么一拆就露馅了——中间缺了好几级台阶，全靠语气连着。

3. 索要反例，而不是索要更多理由

它给出结论后，接着问三句：

• “什么证据会推翻这个结论？”
• “给两个最强反例，不要稻草人。”
• “如果这方案半年后失败，最可能是哪个假设错了？”

这不是悲观，是给判断做压力测试。注意要明确说“不要稻草人”——不然它很容易给你几个一眼就能驳倒的假反对，让你更加确信自己没错。那是迎合换了个马甲。

4. 让支持方和反对方分开工作

先让它用最强理由支持，再用最强理由反对，最后由第三个角色比较双方证据。最后这步要比的是证据质量、可验证性和出错代价，不是比谁写得更有气势。

重要决定，反方一定要开新对话去问。长对话里已经积累了你的立场、你的偏好、你之前认可过的说法，模型会顺着原来的轨道往下滑。有研究发现，模型掌握的用户信息越多，越容易赞同你——这就等于给邹忌又添了一个知道他心思的客人。

5. 让它报告信心，而不是表演确定

要求它说清三件事：信心是高中低、最大的不确定性是什么、还缺哪三项信息。信心标签当然不精确，但它至少能提醒你：流畅和可靠是两回事。

凡涉及日期、数字、人物原话、产品规则和最新事件，一律追问来源，并且打开原始材料核对。引用链接不是装饰，它是让结论接受外部检查的接口。我写上一篇文章时就抓到过一个 404 的引用——看着挺权威，点进去是空的。

6. 高风险问题必须走出聊天框

重要决定至少要找一个独立信息源：原始文档、实验数据、真实用户、专业人士，或者一个愿意当面说你不对的人。

让一个模型先提出观点，再让同一个模型来证明自己正确，看着像交叉验证，其实证人和法官是同一个人。这就是邹忌那天早上的处境——他问了三个人，可这三个人都在同一个屋檐下。真正解决问题的是徐公本人来了。

一段可直接使用的“诤友模式”提示词

下面这段提示词，我准备在做方案评审、重要决策和文章论证时反复使用：

请把自己当作我的诤友，而不是赞同者。

不要因为我的问题暗示了某个立场，就默认该立场正确。请按以下顺序回答：

1. 用一句话复述我真正要判断的问题，不替我强化结论；
2. 列出我的关键假设，并标出哪些已有证据、哪些尚未验证；
3. 区分事实、推断、意见和未知信息；
4. 给出支持该观点的最强证据，以及反对它的最强证据；
5. 指出至少一个可能推翻结论的反例；
6. 说明你的信心水平、主要不确定性和出错后的代价；
7. 给出下一步最值得做的验证，而不是直接迎合我的偏好。

如果我的判断基本正确，也请说明它在什么条件下成立、在什么边界外会失效。

这段提示词也不是护身符。AI 仍可能编造反例、误判证据或给出虚假的信心。它的价值，是把对话从“替我证明”切换到“帮我检查”。最终仍要回到事实。

总结：先检查前提，再接受赞同

我们当然喜欢被理解、被肯定。问题是，当一个随叫随到、措辞流畅的系统不断告诉我们“你想得很对”，赞同很容易被误认成证据。

朱镕基说“诤友才是挚友”，珍贵之处就在这里：真正的朋友不是让你永远舒服，而是尽量不让你在错误的方向上越走越远。

所以下次 AI 又给出一篇漂亮的赞同意见时，别急着问它还能补充几条理由。先问一句：我最可能错在哪里？

参考资料

• 《战国策·齐策》邹忌讽齐王纳谏（维基文库原文）
• SycEval: Evaluating LLM Sycophancy（斯坦福，58.19% / 14.66% / 78.5% 等数据出处）
• Towards Understanding Sycophancy in Language Models
• Sycophancy in GPT-4o: what happened and what we're doing about it
• 为什么若望·保禄二世取消了“魔鬼代言人”（promotor fidei 的设立与取消）
• 采访朱镕基印象记：幽默、直率

本作品采用知识共享署名-非商业性使用-禁止演绎 4.0 国际许可协议进行许可。欢迎在我的个人网站 https://www.fanyamin.com 访问原文并评论。