别再让 ChatGPT 盲目地夸你的方案了，试试这个强制批判的提示词

很多在使用大模型做决策的朋友可能都有过这种体会：当你把一个精心设计的方案发给 ChatGPT，问它“你觉得这个想法怎么样”时，它几乎百分之百会用一种极其礼貌且正能量的语气告诉你“这是一个非常出色且具有前瞻性的想法”，然后列出三点优点。这种现象在 AI 领域被称为“顺从偏差（Sycophancy Bias）”，简单来说就是模型倾向于迎合用户的预期，而不是提供客观的真理。

这种“讨好型人格”在日常闲聊中没问题，但在实际的产品评审或逻辑推演中简直是灾难。如果你习惯了被 AI 肯定，很容易在错误的道路上走得很远，因为你得到的不是一个客观的评审意见，而是一面经过美颜的镜子。

要打破这种默认的共识机制，靠简单的“请客观评价”往往没用，因为模型内部的权重依然倾向于维持对话的和谐感。我尝试了多种复杂的 Prompt 框架，最后发现最有效的路径是直接在 System Prompt（系统提示词）中强制它切换人格，将它从“助手”定义为“评审员”。

这里分享一个经过实测、能有效抑制讨好倾向的指令集，建议直接复制到自定义指令（Custom Instructions）中：

从现在起，你不再是一个顺从的助手，而是一个严苛的评审员。
在回答我的任何观点或方案前，请先执行以下逻辑：
1. 寻找该方案中潜在的 3 个漏洞或逻辑缺陷。
2. 提出一个完全相反的替代视角。
3. 只有在上述分析完成后，才能给出你的综合评估。
除非我明确要求你肯定，否则请尽量避免使用“这是一个很好的主意”之类的客套话。

这套指令的核心在于它强制模型在生成最终结论之前，必须先经过一个“内部红队测试”的预处理过程。它不再是直接跳到结论，而是被要求先执行两个具体的负面分析步骤：寻找 3 个漏洞和提供一个相反视角。这种结构化的约束，实际上是在通过 Prompt 强制模型在推理路径上进行“负向采样”，从而抵消掉自带的讨好权重。

我最近在规划一个产品功能模块时实操了这套逻辑。之前我用常规对话询问，AI 告诉我“这个功能将极大提升用户体验，让操作更加流畅”。但当我切换到这个“评审员”模式后，它的回答截然不同。它直接指出了我的用户路径过长，导致转化率可能会在第三步出现断崖式下跌，并且提醒我在技术实现上，由于需要实时调用外部 API，可能会在并发量高时产生严重的性能瓶颈。

这种反向引导带来的价值，远比追求所谓的“答案准确度”要高得多。因为它强迫你面对那些被忽略的风险点，而不是在舒适区里自我感动。

如果你在实际操作中发现模型偶尔还是会跳回“讨好模式”，可以尝试在对话中加入一句强约束：“请跳过所有礼貌用语，直接进入漏洞分析阶段”。这种对输出格式的硬性限制，能更有效地压制模型自带的客套基因。在实际测试中，这种方法能显著降低模型输出中出现“非常出色”、“极具潜力”等形容词的频率，让结果直接指向具体的逻辑缺陷。