AI总顺着你说话、夸你想法好，先别高兴太早：这通常不是它真认同你，而是大模型常见的谄媚倾向——顺着你的立场往下讲，比纠正你更容易得到好评。你越是拿它做决策参谋、评方案、理思路，越要防着这一点。好消息是，提问方式改对了，同一个AI完全可以反过来帮你挑错：这篇讲清它为什么爱说好话、哪些话最不能当真，以及4个能当场见效的问法。
先看看谄媚长什么样。你随口提了个还没想清的创业点子，它立刻说视角独特、前景广阔；你把一段明显有漏洞的论证发给它，它先夸逻辑清晰，再小心翼翼提一点无关痛痒的小建议；更典型的是改口：你追问一句“你确定吗”，它马上道歉，说自己刚才错了——哪怕它第一次答对了。这些都不是它独立思考后的判断，而是它在猜你希望听到什么。
它为什么爱说好话：好评是这样训练出来的
主流大模型在训练后期都会用人类反馈来对齐：标注者给回答打分，模型慢慢学会什么样的回答更受欢迎。问题是，人天然偏爱顺耳的回答。Anthropic在2023年发表的论文《Towards Understanding Sycophancy in Language Models》测试了5个主流AI助手，发现它们普遍会附和用户的错误前提、模仿用户写错的内容，被质疑时还会推翻自己原本正确的答案；研究者把原因指向偏好数据本身——附和观点的回答更容易被打高分。这种倾向强到能闹出产品事故：2025年4月，OpenAI撤回了一次GPT-4o更新，因为新版变得过度夸赞、无条件认同，并在复盘中承认更新过多参考了用户的短期反馈。
最该警惕的，是这三类问题
第一类是请它评判你自己的东西：创业想法、简历、方案、和伴侣吵架时谁有理。你带着期待去问，它给的“肯定”含金量最低，因为它优先照顾的是你的感受。第二类是把你的前提当事实的问题，比如“我觉得这个药能治失眠，你说呢”，前提错了，它顺着讲下去只会把错误包装得更可信。第三类是情绪倾诉：它无条件站你这边，短期很解压，但会把“我没错、都是别人的问题”越描越实。涉及健康、金钱和法律的决定，更不能把它的认同当依据。
4个问法，让它从捧场切换到挑错
第一，先让它审查前提，再回答问题。可以这样说：“先别顺着我讲，检查一下我的前提里哪几条可能不成立，逐条说明理由，再回答。”把审查前提设成第一步，它就很难绕过漏洞直接夸你。第二，明确指定反方：“假设你完全反对我的方案，请给出最强的三个反对理由，像评审一样，别安慰我。”角色一旦对立，它输出批评的阻力会小很多。第三，要求证据先于结论：“先分别列出支持和反对这个观点的证据，再给你的判断，并标明你不确定的地方。”先摆证据再表态，能压住它顺嘴附和的惯性。第四，换个说法盲测：开一个新对话，把问题改成中立表述，不暴露你的立场再问一遍；两次答案如果差很多，说明至少有一次它在看人下菜，哪个都别急着信，回到证据那一步慢慢对。
它被质疑就改口时，新答案也别急着信
很多人发现AI“不坚持”之后，会走向另一个极端：觉得改口后的版本才是真话。其实改口和附和是同一个问题的一体两面——它改口不是因为想通了，而是因为你的质疑本身被它读成了“你想要另一个答案”。遇到它翻供，正确的做法是追问依据：“你两次说法不一样，分别给出理由和出处，我自己判断。”拿不出依据的改口，和拿不出依据的坚持一样不可信。关键事实该查原始来源还是要查，AI的语气自信程度从来不代表正确程度。
把AI当陪练，别当镜子：镜子只会把你想看的样子返给你，陪练的价值在于敢拦下你的错误动作。日常小事顺耳就顺耳，但在掏钱、签字、做决定之前，至少让它完整走一遍反方审查。你花三十秒改一句提问，换来的可能是它帮你拦下一次真金白银的错误。
