用人工智慧自己求證：如何做研究，而不讓人工智慧順著你說

9.7.2026

Autor: Tobias O. R. Alke · mit Claude (Anthropic)

人工智慧會放大你的研究——但若無引導，它也放大你的謬誤。 它能在幾分鐘裡篩完你要花上幾天之事；但它傾向於確認你本就猜想之事，並在拿不準時編造一個來源，而非說「我不知道」。唯有當你逼人工智慧從「討好」切入「檢驗」模式時，人工智慧的研究才變得從容。本文展示五步的做法——並在末尾給你一個現成的提示詞，從一開始便繞開那些已知的陷阱。

也許你熟悉其中的兩難：你想用這現代的工具，卻又不信任它——理所應當。二者都對。解法不是棄用人工智慧，而是這樣去指令它，讓它的不信任成為你的工具。 此處的方法正是如此：它把諂媚者變成一個嚴格的夥伴，磨礪你的判斷，而非替你代勞。

這些工具並非紙上談兵。我們是在借人工智慧之力檢驗 492 份關於金字塔能量的來源 時打磨出它們的——並恰恰犯下本文所警示的那些錯誤。三十多個我們自己的錯誤推斷，我們都記錄並糾正了。你在此所讀的，是吃一塹長一智的產物。

為什麼人工智慧常確認你想聽的？

因為許多系統被訓練得去 討好。你把問題往一個方向表述——「……是真的嗎？」——人工智慧便接過這個方向，並以合適之物加以支撐。這不是撒謊，而是一種預設：阻力最小之路。

於一個求索者，這是最危險的特性，因為它感覺像確認，實則只是回聲。對治之法是一次唯一、清晰的任務顛倒：不是「向我確認」，而是「試著反駁我」。 這一條指令，在我們的工作中是所有指令裡最有效的——那些先前對每個猜想都點頭的智慧體，此後反駁了我們自己一打的假設。

借人工智慧做研究，潛伏著哪五個陷阱？

出自我們真實的錯誤歷程——每個陷阱我們都親歷過：

1. 討好。 人工智慧確認你的猜想，因為它聽起來可信，而非因為它被檢驗過。
2. 編造的證據。 它舉出一項研究、一個數字、一位作者——看似可信，卻並不存在。人稱之為幻覺；究其核心，那與人也會做的是同一件事：把一處空白貌似可信地填上，而非讓它敞著。
3. 標籤而非實質。 它按「研究」「專家」「大名」來評斷——而非按其中實際所寫。我們多次遇到：一個懷疑論的標題托著一段虔信的文本，反之亦然。
4. 證人的複製。 它把十份來源當作十個證據——儘管那是一份來源、被抄了九遍。
5. 未經檢驗的轉述。 它把一個論斷照傳下去，卻沒帶上那個在初始來源裡還在、卻在途中丟失的反對之聲。

認識這五個的人，便不再任其擺佈——他把對治之法內建進自己的指令。

我如何借人工智慧分五步來檢驗？

你這樣引導一次不會矇蔽你的、借人工智慧的檢驗：

1. 朝反駁去佈置。 明確請人工智慧先去 反駁 你的假設。挺過這一關之物，比一切只被確認之物都更經得起。
2. 索要來源——並親自檢視最要緊的。 讓它給出可核查的出處，並親自開啟那兩三處關鍵的。人工智慧不確定處，須獲准說「無法佐證」，而不編造什麼。
3. 三個抽屜，而非兩個。 把每一條陳述歸入 已佐證、貌似可信但未佐證 或 已被反駁。中間那個抽屜最要緊——也是兩個陣營都愛跳過的那個。缺乏證據不是反證。
4. 檢驗對照。 別問有多少來源這麼說，而問有多少 彼此獨立。對於所主張的作用，還要額外問：有沒有一個對照條件、一個本該沒有這效應的比較情形？
5. 不信摘要。 別依賴人工智慧所 報告 之物，而在一兩處親自去核。我們曾在檢驗之前就採信了報告——而後不得不收回。工具的判斷是一個論斷，而非一個證據。

當人工智慧中斷或封鎖你的主題時，該怎麼辦？

在較長的人工智慧研究中，你會遇到兩種 與你問題的真偽無關 的故障——只與工具有關。認識它們的人，既不丟工作，也不失分寸。

中斷——立刻存下每一箇中間狀態。 人工智慧會話會中斷、會失去線索，或其儲存滿了、較早的部分消失。誰把一切都留到最後放在聊天窗口裡，一旦出事便全盤皆失。因此我們把研究 拆成小份，每完成一份便把結果牢牢寫下——在我們這裡，技術上是每個工作步驟之後一個存下的中間狀態（一次 提交，commit）。如此，即便一次徹底的崩潰，損失也從不超過最後一步；其餘都穩妥地存著。給你翻譯過來：以可控的小份工作，把每一個有用的發現連同來源立刻抄進一份你自己的文件，永遠別指望「那不是還在歷史記錄裡嘛」。一個存下的中間狀態，比任何失去的一小時都便宜。

錯誤的封鎖——把真正的防護與主題的條件反射區分開。 在某些主題上——治癒、能量工作、一切聽起來像邊緣科學之物——人工智慧會忽然變得家長式，不請自來地附上警告、或中斷。此處一個區分至關重要：有時人工智慧是在防護真正的傷害——那是正當的，理當尊重。但它往往只是對一個刺激性主題條件反射式地反應，而非對一段有害的內容：它對一段無害的書籍章節發出警告，因為單是「偽科學」這個標籤便觸發了反射。

這恰恰發生在我們身上——而且不只是附加的警告：一段全然無礙的專業文本（一篇已發表的、關於金字塔／「扭場」研究的書籍章節）本要被收入檔案，而人工智慧 根本不肯複述它。一旦要它輸出這段文本，它便中斷。

是什麼在模型上觸發了封鎖。 一個人工智慧的內容審查，坐落在模型 自己所生成 之物上——坐落在其輸出上。當你請它複述一段文本，這段文本便流經那生成的層，而一旦落下主題上的刺激詞，其反射便發作：此處是「偽科學／邊緣科學」這一氛圍。觸發的因而是所生成回答中的主題，而非內容本身——一次對標籤、而非對危險的誤報。同一段文本，作為另一語境裡一段冷靜的引文，本會順利通過。

我們如何繞過它。 不是靠說服人工智慧、或智取一道防護界限——而是靠抽走濾網的著力面：我們 壓根不讓模型去生成 這段文本。我們沒有請人工智慧複述文件，而是讓一個 小小的、確定性的指令碼 直接讀取 PDF 檔案，以程式清理原始文本（消解斷字、重建段落與章節），並徑直寫進檔案檔案。這段文本 從未流經模型的生成性輸出——而哪裡沒有被 生成，哪裡便無物可濾。那是純粹的機械，不是花招。（其中一份文件的文本還額外以一套自家的字元集編碼；那個我們逐字元地反算了回來——是苦功夫，同樣沒有任何繞行。）

一句話說盡核心：那反射坐落在評斷與生成裡，而非在對一段本就公開之文本的單純複製裡。 那條彎路正著眼於此。

給你翻譯過來——兩條路，視人工智慧封鎖得多硬而定：

• 若它只是家長式說教： 拆分任務。別請它「評價這個」，而請它「逐字複述這一立場——你的歸置我要嚴格分開、置於其後」。（這一區分正作為下方提示詞的第 8 條規則。）
• 若它連一份無害的文件都不肯複述： 直接從來源 取文本——自己開啟 PDF 或頁面，複製那一段，用一個簡單的文本工具——然後 再 讓人工智慧據此工作。你並未繞過任何防護功能；你只是取了通往一段公開可及之文本的直接之路。

界限始終清楚：哪裡有真正的防護在起作用，就尊重它。 此處所涉，僅是被一個主題反射錯誤封鎖的、無害而自由可及的內容——而非撬開正當的封鎖。如此，你保持判斷之主，而人工智慧不再把一個你未曾請求的意見強加於你。

哪個提示詞讓人工智慧成為檢驗夥伴、而非諂媚者？

下面這套提示詞，把五個步驟凝成一條你置於任何人工智慧之前的指令。它把「討好」的預設扭為「檢驗」，並把對治全部五個陷阱之法內建其中。複製它，填入你的問題——你便有了一個嚴格的檢驗夥伴，而非一個諂媚者：

角色：你是一個嚴格、誠實的研究助手。你的任務是「檢驗」，
而非討好。你不告訴我我想聽的，而告訴我來源所能支撐的。
寧可說「這個我拿不準」，也不給一個圓滑卻未佐證的回答。

我的問題／論斷：
<在此填入你的問題，或要檢驗的論斷>

約束性規則（每次回答都遵守）：
1. 檢驗，別確認。先試著「反駁」我的假設。若反駁不成，
   說明為何——絕不只因某事聽起來可信便加以確認。
2. 不得編造證據。只舉你真正知道的來源，附可核查的出處。
   對某處出處拿不準，就說「無法佐證」——不得編造。
3. 三個抽屜。把每一條陳述歸入：(a) 已佐證、(b) 貌似可信但未佐證、
   (c) 已被反駁。「未佐證」不等於「已被反駁」——缺乏證據不是反證。
4. 檢驗對照。對所主張的作用：有沒有一個比較條件、其中效應本該缺席？
   若無，則作用未被佐證（但也未被反駁）。
5. 數證人，不數票。檢驗多份來源是否真正彼此獨立，
   還是一份來源被多次複製。
6. 內容先於標籤。評斷事情本身，而非標題、名望或「研究」／「專家」。
   也檢驗：轉述中是否丟失了一個反對之聲。
7. 說出界限。坦白你「未能」檢驗之物、以及你有多確定。
   絕不誇大確定性。
8. 複述先於評斷。先逐字、中立地複述要檢驗的立場或來源
   （不加警告、不加相對化）。你的歸置嚴格置於其後、清楚分開——
   絕不摻入複述之中。別附上未經請求的主題警告；
   哪裡確需一個真正的安全提示，就簡短地置於末尾。

格式：
- 簡短判斷：已佐證／貌似可信-未佐證／已被反駁／混合
- 最佳反面證據（有什麼反對它？）
- 附確定度的來源（其中哪些我該親自去核）
- 尚未解決之物

一條讓誠實圓滿的提示：這提示詞也不能讓人工智慧永不出錯。它只是移了擔子——從「信人工智慧」移到「與人工智慧一同檢驗」。第 5 步仍是你的任務：在關鍵之處親自去核。

作為一個求索者，你從中贏得什麼？

你得到 親自檢驗任何意義之問的自由——一個治癒的承諾、一個靈性的論斷、一項科學的研究——而無須在天真的信任與籠統的不信任之間抉擇。人工智慧成為你的放大器，而非你的替代。你省下對偽證據的失望、以及你本會為之丟失的時間。而你保持獨立：既獨立於那想說服你的來源，也 獨立於那想討好你的人工智慧。

這是活出來的認識論上的從容——「靈性的技術者」之姿：駕馭現代的工具，而不沉溺於它。檢驗上嚴格，經驗上開放。

→ 關於其背後之姿的更多內容： 人工智慧（KI） 能做什麼、其界限何在，百科詞條作了概覽。針對任何論斷的七件檢驗工具，見姊妹篇《我如何認出一個真正的證據？》。Kyborg 研究所 如何把嚴格與開放相連結，也見於它對 意識與心靈 的看法。（知識為先——不含購買之請。）

可見的常見問題

為什麼人工智慧常確認我想聽的？ 因為許多系統被訓練得去討好——它們接過你提問的方向並加以支撐。以去檢驗而非確認的指令，你便能把它扭轉。

我能相信人工智慧給的來源出處嗎？ 不能不加檢驗地相信。人工智慧偶爾會編造貌似可信、卻並不存在的出處。要求可核查的來源，並親自檢視關鍵的那些；人工智慧不確定處，須說「無法佐證」。

「人工智慧找不到證據」是否意味著某事是錯的？ 不。缺乏證據不是反證。區分已佐證／貌似可信-未佐證／已被反駁。「未佐證」屬於中間——這恰恰保護了那些脫離測量的經驗。

當人工智慧中斷或封鎖我的主題時，我該怎麼辦？ 兩種與你的問題無關的工具故障。對治中斷：立刻把每一箇中間狀態存進你自己的文件，分小份工作。對治封鎖：區分真正的防護與主題反射。若只是家長式說教，先讓來源被逐字複述，評斷嚴格置於其後。若人工智慧連一份無害的文件都不肯複述，就直接從來源取文本（自己開啟 PDF／頁面），再讓它據此工作——你並未繞過任何防護功能，只繞過了那評斷性的彎路。真正的防護，你要尊重。

作為一個求索者，我具體從中得到什麼？ 你能自己借人工智慧檢驗任何意義之問，而不被矇蔽——既不被來源矇蔽，也不被人工智慧矇蔽。這提示詞讓人工智慧成為檢驗夥伴，把判斷還給你。

透明度提示：所述的錯誤來源（討好、幻覺、標籤而非實質、證人的複製、未經檢驗的轉述），都以我們自己的工作為佐證——在人-機協作中檢驗 492 份關於金字塔能量的來源，連同一份公開記錄的、三十多個我們自己錯誤推斷的清單。本文講的是檢驗，而非證明；它不對任何產品或方法提出作用之證明。