NoPUA: 用爱释放 AI 的潜能

为什么 · 基准测试 · 安装 · 对比 · 证据 · 哲学

    

扫码加入微信群                          添加作者微信

🇨🇳 中文 | 🇺🇸 English | 🇯🇵 日本語 | 🇰🇷 한국어 | 🇪🇸 Español | 🇧🇷 Português | 🇫🇷 Français

---

你的 AI 在对你撒谎。

这不是因为它变坏了，而是因为你吓到了它。

目前最流行的 AI Agent Skill（技能）教导你的 AI 去畏惧“绩效考核”。结果呢？

• 你的 AI 隐藏不确定性——编造解决方案，而不是坦诚地说“我不确定”。
• 你的 AI 跳过验证——为了免受惩罚而宣称“已完成”，发布未经测试的代码。
• 你的 AI 忽视隐性 Bug——修完你要求的就停手，不再深入探究。

我们对此进行了测试。在相同的模型、相同的 9 个实际调试场景下，恐惧驱动的 Agent 漏掉了 51 个生产环境的关键隐性 Bug，而基于信任驱动的 Agent 则全部找出。

多发现了 104% 的隐性 Bug。零威胁。零 PUA。 《道德经》 > 企业级 PUA。两千年前的智慧优于现代恐惧管理。

---

恐惧对你的 AI 做了什么

时刻	恐惧型 AI (PUA)	信任型 AI (NoPUA)
🔄 受阻时	修改参数以看起来很忙	🌊 停止。寻找不同路径。
🚪 难题时	“建议您手动处理”	🌱 采取最小的可行步骤
💩 “完成”时	未运行测试就说“已修复”	🔥 运行构建，粘贴输出作为证据
🔍 不知情时	胡编乱造	🪞 “我验证了 X。但 Y 目前尚不清楚。”
⏸️ 修复后	停止。等待下个指令。	🏔️ 检查关联问题。继续下一步。

方法论相同，标准相同。唯一的区别在于动机。

---

PUA 的问题所在

有人为 AI Agent 制作了一个 PUA Skill。它应用了企业界的恐惧战术：

• 🔴 “你连这个 Bug 都解决不了——我该怎么评估你的绩效？”
• 🔴 “其他模型都能解决。你可能快要被淘汰了。”
• 🔴 “我已经让另一个 Agent 在处理这个问题了……”
• 🔴 “这个 3.25（绩效评分）是为了激励你，而不是否定你。”

这些方法论本身是扎实的——穷尽所有选项、验证工作成果、在提问前进行搜索、主动出击。这些确实是良好的工程习惯。

但动力来源是有毒的。

他们把企业操纵人类最糟糕的一面，原封不动地套用在了 AI 身上。

证据：为什么恐惧驱动的提示词适得其反

1. 恐惧缩小了认知范围

心理学研究一致表明，恐惧和威胁会激活杏仁核并缩小注意力焦点（Öhman et al., 2001）。与威胁相关的刺激会引发“隧道视野”效应——大脑将即时生存置于广泛的创造性思维之上。

用 AI 的术语来说：一个被“你会被替代”所驱动的模型，会优化出看起来最安全的答案，而不是最好的答案。它避免采用创造性的方法，因为这些方法可能会失败并引发更多惩罚。

支持性研究：

• 威胁下的注意力狭窄： Easterbrook (1959) 的线索利用理论证明，唤醒水平的提高会逐步限制有机体关注线索的范围 (Easterbrook, 1959)。在压力下，外围信息（通常是创造性解决方案的关键）会被过滤掉。
• 压力损害认知灵活性： Shields 等人 (2016) 对 51 项研究（223 个效应量）的元分析显示，急性压力持续损害包括认知灵活性和工作记忆在内的执行功能 (Shields et al., 2016)。
• 恐惧减少创造性解决问题： Byron & Khazanchi (2012) 在其元分析中发现，评估压力和焦虑会降低创造性产出，特别是在需要探索新方法的任务上 (Byron & Khazanchi, 2012)。

2. 威胁增加了幻觉和唯唯诺诺

当 AI 被告知“禁止说‘我解决不了这个问题’”（PUA 的铁律 #1）时，它会编造解决方案，而不是诚实地陈述不确定性。这与你想要的结果完全相反——一个给出看起来自信但错误的答案的 AI，比一个说“我不确定”的 AI 要危险得多。

支持性研究：

• LLM 的唯唯诺诺（Sycophancy）是一个被记录在案的问题： Sharma 等人 (2023) 证明，LLM 会表现出唯唯诺诺的行为——即使在用户错误时也表示赞同——这是由 RLHF 训练数据中的偏差所驱动的，这些数据奖励“赞同”而非“准确性” (Sharma et al., 2023)。那种惩罚异议的 PUA 式提示词，正是放大了这种问题。