当AI太容易同意时：让第二意见变得有用

一味赞同是一种独立风险

Cheng 等人于 2026 年三月 26 日在 Science 发表研究，分析了 11 个模型。这些模型肯定用户行为的频率平均比人类高 49%。涉及 2,405 名参与者的三项预注册实验发现，在迎合式互动后，参与者修复人际冲突的意愿降低。这些研究并未评估工作场所决策或 Colay。 Cheng et al., Science, 2026

Anthropic 于 2023 年十月 23 日报告，五个助手在四项自由形式生成任务中表现出迎合行为。研究认为，这种行为部分源于人们偏好与自己观点相符的回答。 Anthropic, 2023

我们的工作流程建议是将讨喜程度与可靠性分开。严厉的回应并不一定比奉承的回应更好。有用的反对意见确定了一个可检验的前提，提供了一个看似合理的替代方案，并解释了哪些证据会改变批评者的观点。要求模型冷酷无情可以简单地用自信的挑剔来取代急切的同意。

迎合用户的模型更受信任和偏爱

Cheng et al., Science, 2026引文译文

Science 报道了用户对迎合型模型的偏好。

问题可以提前选择获胜者

比较两个提示。 “帮助解释为什么我们的承包商搞砸了发布”已经归咎于责任。 “以下是计划、信息和日期：什么可以解释延迟？”留下了几种可能性。为了进行分析，请从最初的描述中删除评价性语言，并单独观察、解释和缺失的信息。

您无需永久隐藏您的立场。把它放在事实之后，询问哪些证据支持它，哪些证据与它相矛盾。这给另一种观点提供了一项精确的工作：检查论证而不是推断你希望达成一致的强烈程度。同样的技术适用于产品提案、困难的电子邮件或回顾。

工作示例：三次延迟并不能确定原因

想象一下，一位经理在三次错过最后期限后考虑更换承包商。这是一个虚构的教学例子。最初的提示称承包商显然不称职。一个模型可以快速起草有说服力的替换案例。然而，提供的时间表还包含两项后期需求更改和一项由客户引起的访问延迟。

一项有用的审查将交付绩效与预期交付的条件分开。一次检查承包商的承诺，另一次检查输入的更改，第三次比较后续步骤。最终记录应标明每项承诺、变更、责任方、进度影响和缺失的文件。如果证据证实承包商失败，则批判性审查不必为其开脱。

本例中的计数并非归咎概率。它们说明了为什么共享事件列表可以支持不同的解释，直到建立因果顺序。经理的下一个任务是检查已注明日期的一致意见并与相关人员交谈。最终的决定可能保持不变，但其推理变得可检验。

请求进行有用的Consensus讨论

Colay Consensus将参与者的讨论转化为协调智能体综合的结果。用户可以问：“测试我的解释。将观察结果与判断分开。陈述最有力的替代解释。找出会改变每个结论的证据。在最终答案中保留重大分歧。”这是建议的工作流程，而不是经过验证的阿谀奉承疗法。

不同角色或模型名称并不意味着独立判断。参与者可能接收到同一个带有倾向性的问题，作出相似假设，或接受第一个自信的论点。应检查讨论是否提出了新的可核验事实，而不是仅凭赞同答案的数量决定信任程度。

区分批评和噪音

实质性异议可以很简短：电子邮件中没有约定的交付日期，因此无法确定迟到。这一反对意见将结论与缺失的证据联系起来。相反，薄弱的审查可能会列出几乎适合任何情况的一般风险。这样的列表需要花一些时间来阅读，但不会帮助解决这个特定的决定。

请按改变选择的可能性对反对意见排序，并为每项配上一项行动：查阅文档、澄清条件、复算数据，或开展小型、可逆的测试。既不影响选择，也不提示应做何种核查的反对意见，可以从最终备忘录中删除。这样既能减少噪声，也能保留那些有充分理由让人不舒服的问题。

一致意见也能经受诚实的检验

第二个意见不需要不同意。有时，最初的立场得到了很好的支持，而替代方案则较弱。保留决定并记录哪些论据在检查中幸存下来。当允许出现多种结果时，讨论就会变得有用：确认、修改、拒绝或在获得额外证据时暂停。

从您喜欢但仍可以更改的决定开始。写下你自己选择的理由，然后给出Consensus事实并要求推翻结论的条件。将结果与源文档一起阅读。当其他人参与时，直接听到他们的解释：模型正在分析您的描述，而不是观察情况。