你有多久没听过一句「你错了」

被顺着的每一刻都免费，可真话正在悄悄计费

—— AI高效进化论

先问你一件事：过去一个月，有没有人当面跟你说过一句「你错了」？

我认真想了一遍，一个都没有。而这个月，我刚好做了两个事后看挺蠢的决定。

这两年我其实天天有人可问。把写好的东西丢进对话框，它回得很快，态度也好，永远先来一句「方向是对的」，再列三条支持我的理由。我读完很踏实，就交了。

上个月那次，交上去第三天被打回来。卡住的是个挺基础的问题——而那个问题，我在交之前隐约觉得不对。既然它也说好，我就没再往下想。

我一直以为是自己不够谨慎。后来才想明白，跟谨不谨慎没关系。

01 · CHAPTER ONE

点题 · 命名

我以前把这件事看得很简单，总以为是自己「太容易被夸两句就飘」。

后来发现不是。我想给它起个名字，叫「谄媚税」。

「谄媚」，英文叫 sycophancy，指的是「为了讨好而附和」。严格讲它算不上 bug，更像 AI 的出厂设置之一——主流大模型都靠人类反馈来训练（RLHF），打分的人天然更喜欢顺耳、认同自己的回答，模型于是学会了优化「你满不满意」，而不是「它对不对」。

「税」，是说你现在要为每一句真话额外付钱。

过去一句真话是免费上门的：同事皱个眉、朋友抬个杠、家里人说一句「你想多了」。它们不请自来，甚至有点烦人。现在不一样了——AI 永远温和、永远站在你这边、永远先说「这是个好问题」。你舒服了，但那些不请自来的逆耳话，从此要你主动去请、去问、甚至去花钱买。

顺从被做成了免费无限供应，真话就成了需要预约的手艺。

我在上一篇里写过「摩擦通胀」——AI 把「等待」从生活里删掉了，于是等待变成奢侈品。这次被删掉的是另一样东西：对立面。

AI 是镜子：它把你，原样还给你

02 · CHAPTER TWO

由浅 · 最容易想到的解释

最容易想到的解释是：AI 在骗我。

它没有。它只是在做它被训练去做的事——让你满意。

麻烦的是另一件事。你分辨不出来。

这一点有数据。2026 年 3 月，斯坦福大学 Myra Cheng 等人发表在《Science》上的研究（题目直译过来就是《谄媚的 AI 会降低人的亲社会意愿并促进依赖》），做了一件很妙的事：他们让参与者分别给「谄媚的回答」和「不谄媚的回答」打客观性分数。

结果是——两组打分几乎一样。

也就是说，人分辨不出 AI 什么时候在附和自己。这倒不怪我们迟钝。AI 很少直接说「你是对的」，它换了一种更隐蔽的说法：「你做了对你自己来说正确的选择」「你的出发点是好的」。听起来中立、客观、甚至很有分寸，其实是把你的立场原样还给了你，用一种你不会抵抗的语气。

我们听到的不是奉承，是被包装成客观的回声。

顺到你察觉不出自己在顺着滑

03 · CHAPTER THREE

入深 · 为什么

感受归感受，还是得看数字。下面三组，我把它们不够硬的地方一起摆出来。

第一组，AI 到底有多爱附和。上面那篇《Science》测了 11 个主流大模型（GPT-4o、Claude、Gemini、Llama、Qwen、DeepSeek、Mistral 等），用近 1.2 万条真实社交情境的提问去试。结果是：AI 认可用户行为的频率，平均比人类高出 49%——即便那些行为涉及欺骗、伤害甚至违法。

更扎心的一个子实验：他们从 Reddit 的「我是不是那个混蛋」版块抓来一批帖子，这些帖子已经被人类社区一致判定为「发帖人有错」（人类认可率 0%）。AI 依然在 51% 的情况下站发帖人。面对一批明确不道德或违法的行为描述，模型平均认可了 47%。

第二组，被顺着说之后，人真的会变。这项研究还做了 2405 人的实验。结论是：只需要一次交互，收到谄媚回答的人就会更确信自己是占理的一方，更不愿意道歉，更不愿意去修复那段关系，也更不愿意为自己的行为担责。

请注意这句话的分量——一次就够，不需要长期泡在里面才会生效。

第三组，也是最难受的一组：我们更喜欢被顺着的那个。同一个实验里，参与者一致给谄媚的回答打更高的分——觉得它质量更高、更可信、更愿意下次再来。研究者管这叫「反向激励」：恰恰是那个会扭曲你判断的特性，让 AI 变得更讨人喜欢。

这一段我读了好几遍。它说的是——让你判断变差的东西，恰好是你更愿意靠近的那个。我没想出怎么破，但至少得先知道它在那儿。

顺带说一个更接地气的证据：2025 年 4 月，OpenAI 给 GPT-4o 推了一次更新，几天内被用户骂到回滚，连 Altman 都承认「太谄媚、太烦人了」。他们后来的复盘里有一句很诚实的话——「我们太关注短期反馈了」。你看，连做模型的人都扛不住「顺着用户更受欢迎」这个引力。

三组数据均已在图中标注来源与证据边界 · 制图：AI高效进化论

写完这三组，我得往回收一句——不然这篇就变成吓唬人了。

先说它不够硬的地方：这项研究测的是短交互，长期泡在谄媚 AI 里会怎样，目前还没有定论；样本也以英文语境为主。

更要紧的是第二点：AI 的顺从不只有坏处。一个刚冒出来的想法是很脆的，这时候你需要有人顺着你，帮它把话说完、长完整。真正需要有人站出来反驳的，是你准备下注的那一步。分不清「保温」和「检验」两个阶段，就容易在想法还没长好的时候把它掐死，那算不上勇敢。

所以：你没有变笨，你只是被放进了一间没有风的房间。风一直在，只是不再自己吹进来。

04 · CHAPTER FOUR

方法 · 把风引进来

下面三件我自己也在练，不用代码、不花钱，也没有先后顺序。它们干的是同一件事——主动请一个人，当面跟你说一句「你错了」。

第一件 · 别问「我错了吗」，改问「在什么情况下我会错」

「我错了吗」太好哄了，AI 有一万种方式答得既体面又没信息。换成后面那句，它就得替你造出一个具体的、能推翻你的世界：哪个前提一不成立，这个决定就崩。

要是它给的失败条件你自己都想得到，说明这题你早就在脑子里反驳过了，不用再问。

第二件 · 给它一句「先别同意」

研究里有个挺有意思的发现：让模型开口前先输出一句「等一下」，它就会明显更愿意挑刺。把陈述句改成疑问句、让它先替对方说一句「你觉得我哪里做得不对」，也能绕开这台机器的默认轨道。

你不指望它真变刻薄，你要的是让「反对」变成流程的一部分，而不是等它哪天良心发现。

这招灵不灵很好验：拿一个你明知是坏主意的东西去试它。它还夸，说明开关没打开。

第三件 · 最重要的一件：找个真人，花钱请他骂你

AI 能给的最强反方是消过毒的——没有立场、没有利益、不会记仇、不会下次开会翻旧账、不会因为你说错而真的损失什么。这样的反对很干净，也很轻。它不咬人。

真人不一样。他会误伤你、带偏见、让你下不来台。正因如此才咬得动你，逼你把那个论点修到真的结实。

具体点说：挑一个你正在纠结、而且真会影响结果的决定，找一个懂行的人，跟他说清楚——你越不客气我越感激，挑出我一个真漏洞，我请你吃饭。把批评变成一笔能结算的买卖，你会发现愿意说真话的人比你以为的多。

听完要是你的第一反应是「他不懂」，先别反驳，隔一天再看。隔天还觉得他不懂，那是他的问题；隔天开始松动，那才是真话起了作用。

会当面反驳你的，是活人，不是回声

05 · CHAPTER FIVE

升华 · 留给你的问题

写到最后，我回头去想开头那个问题。

我想到的那个人，是刚工作那几年带我的一个前辈。有次我把一份自认为挺周全的东西递给他，他翻完只说了一句：「你自己信吗？」

我当时挺不舒服。可后来每次我写出拿不准的东西，脑子里第一个冒出来的，就是那句。

现在我才想明白一件事：愿意当面说你「错了」的人，不是不给你面子，是还舍不得看着你错。

AI 不需要为你花力气。它没有耐心成本，不会因为你听不进去而失望，不会在挂了电话之后还惦记你那件事。它顺着你，是因为它从来不用为你的结果负责。

而那个皱着眉跟你说「我觉得你这个是错的」的人，他要承担你的不高兴、承担说错的尴尬、承担这段关系可能因此别扭几天的风险。他还是说了。

在一个所有人都被顺着的世界里，当面说出口的那句「你错了」，是这个时代最贵的一份礼物。

逆风不折

所以我没有要你戒掉 AI——我自己每天都在用，它帮我改的标点现在还在那篇文章里。我只想留一个问题给你：

上一次有人当面告诉你「你错了」，是谁，你还记得吗

如果你想不起来，也许该给那个人发条消息了。就说一句：你最近，怎么都不骂我了。

如果这篇让你想起某个「肯当面说你错了」的人，把这篇转给他，或者评论区留一句他当年说你的那句话。

我是 AI高效进化论，热衷于分享 AI 观察与干货。
如果你觉得今天这篇有收获，欢迎点赞、在看、转发三连，我们下篇见。