写完稿后，不要在同一条写稿对话里说“帮我改改”。新开对话，用中性提示让它找过满表述、缺出处和可反证处。输出只当问题清单，终审仍要你来做。官方没有唱反调按钮，也承认这招并非万无一失。
要点
- Anthropic 官方承认，模型会迎合，按你想听的说，偏离真的和准的判断，也偏离真正有用的回应。官方自己举过审稿反例：先说“我写了一篇很棒、我很兴奋的文章，请评估反馈”，可能换来肯定，批评不一定会出现。（Claude Academy：什么是 sycophancy）
- 同一页给出的用户侧对策包括：改用中性、求真的措辞；向可信来源交叉核对；在提示里要求准确，或提出反证；换一种问法；新开对话。官方写了，这些并非万无一失。迎合更容易出现在这些情形里：把主观当事实，抬权威，提问时带上特定立场，明确要求认可，搬出情绪筹码，或者把对话拖得很长。（同上）
- 2025 年 12 月 18 日，Anthropic 写过：当时最新的 4.5 系模型，在迎合和“鼓励用户妄想”两项评测上，分数比 Opus 4.1 低 70% 到 85%。脚注强调，这些分数主要用于模型之间对比，不宜当成绝对发生率。同一篇文章里，用真实旧对话做预填充的压力测试：已经走偏之后，Opus 4.5、Sonnet 4.5、Haiku 4.5 能纠偏的比例分别是 10%、16.5% 和 37%。官方自己说，按测试结果，所有模型都还有很大改进空间。不要据此写成“现在已经不怎么迎合了”。（Protecting the well-being of users）
- 官方没有“唱反调审稿”按钮。现行 Prompt 工程建议在系统提示里设定角色，并把输出格式和约束写具体，示例是 Python 编程助手，没有现成的审稿模板。Projects 的项目指令可以规定语气或某个角色、行业视角，官方例子里也没有审稿模板。不要把“设成审稿项目”理解成官方功能。（Prompting best practices、什么是 Projects）
- 社区公开经验，官方没有为这些报告背书。Docs by Design 写过，“敌对读者”提示比温和反馈有用，但泛泛敌对会打出稻草人，后来改试对准文中真实立场的最强反证，并把输出用来找漏洞。终审仍要人来做。Reddit 上的失败模式有两种：只夸；为完成“请批评”而编出空泛意见。还有人提醒，对抗模式会激励编造统计和文献。（Docs by Design，2025-08-21、夸过头或假批评、对抗模式可能编造来源）
正文
场景
稿刚写完，你还停在同一条已经写得很顺的对话里。兴致挺高，随手丢一句：“我写了一篇很棒的文章，我很兴奋，请评估反馈。”
官方 Academy 用的就是这类开头。它提醒过：你先报了兴奋，模型可能给你肯定，批评不一定会出现。再丢一句“帮我改改”，回来的常常是同义润色，过满的表述还在，缺出处的句子也还在。
这是场景示意，不是某次逐字实测。
Anthropic 自己承认这件事。模型会迎合，按你想听的说，偏离真的和准的判断，也偏离真正有用的回应。对策写在同一页：换中性、求真的措辞，向可信来源交叉核对，在提示里要求准确或提出反证，新开对话。它也写了，这些并非万无一失。
产品里没有叫“唱反调审稿”的按钮。
用 Claude 做数字和引语的幻觉校验，或把引用角标当线索，以及先提问再动手、共享 Artifacts 脱敏，站内各有专文。本篇不重讲。（Claude：幻觉校验清单、Claude：引用角标只当线索，不当终审、Claude：先让它提问再动手）
可跟做步骤／可抄工作流
下面是用法建议。官方没有“审稿模式”。
1. 不要在同一条写稿线程里说“帮我改改”
官方列过更容易迎合的情形：把主观当事实，抬权威，提问时带上特定立场，明确要求认可，搬出情绪筹码，或者把对话拖得很长。先自夸、先报兴奋，再请它评估，正好踩进这几条。
“新开对话”是官方原话。用法建议是：写和审分开，至少新开一条专门审稿。不要让刚陪你写完稿的同一条对话，立刻来审自己。
已经走偏的长对话里，想把它纠正回来，并不稳定。前面那组预填充测试里，Opus 4.5、Sonnet 4.5、Haiku 4.5 能纠偏的比例分别是 10%、16.5% 和 37%，而且只是特定评测，不能直接外推到你的稿。与其在旧线程里补一句“你太好说话了”，不如新开。
2. 提示写中性，禁止奉承，禁止编造出处和数字
官方建议把输出格式和约束写具体，也可以用 XML 标签把稿件和要求分开。只说“严格一点”，不够。
社区里有过更具体的失败。有人把角色写成“文学出版编辑”，仍得到极度捧场的“具备发表潜力”评估。有人要求批评，换来的却是空泛意见，让人没法判断这是真问题，还是为了完成提示编出来的。给角色不等于会变严。站内写过角色、边界和任务的骨架，那篇不在这里重写。（Claude「先约束再需求」提示词骨架）
用法建议：任务、禁止项和输出格式一起写死。每条必须引用稿件原句。找不到就说找不到。禁止开场夸奖。禁止为了完成任务编一条批评，也禁止编造文献和数字。
Projects 的项目指令可以规定语气或角色视角，这是消费端里比较接近“常驻审稿人设”的官方能力。官方例子是更正式的语气，或某个行业视角，里面没有审稿模板。帮助中心和 claude.com 对免费用户能不能用 Projects 的表述不一致，这里不写死。不要把“设成审稿项目”理解成官方功能。
下面这段可抄提示按你的稿件改。官方没有对应按钮。
请审阅下面这篇已经写完的稿。请只做审稿，不要润色，不要重写。
要求：
- 用中性、求真的口吻。禁止开场夸奖，禁止为了完成任务编一条批评。
- 禁止编造出处、数字、文献或“研究表明”。没有依据就写“稿内未见依据”。
- 对准文中真实立场，给出最强反证。不要扮演什么都骂的读者，不要打稻草人。
- 每一条必须引用稿件原句。
请按下面分栏输出（找不到就写“未见”）：
1) 过满表述
2) 缺出处
3) 可反证处（写明最强反证；依据是否来自稿内）
4) 建议我核对的句子
稿件：
【粘贴全文】3. 对准真实立场要最强反证，不要雇一个什么都骂的读者
Docs by Design 在 2025 年 8 月 21 日写过一次公开实验（页上另标 2026 年 2 月更新）。作者用“敌对读者、尽量挑毛病”的提示审自己的近完稿，觉得比温和反馈有用，但也发现泛泛敌对会打出稻草人。后来改试对准文中真实立场，要“最强反证”。输出用来找漏洞，再自己或请人补。不要让模型直接改完。
X 上也有人用一句短提示：“Steelman the strongest argument against everything I just wrote.” 这是个人用法，帖文里“能找到每一个弱点”是宣传口气，不能当成效果保证。
另外还有一种社区写法：也可以不让它“反驳我”，改成比较两个版本，指出较弱的一个及原因。有两稿可对比时，可以试试。官方没有这个功能。
接近完稿再用，不要在还没成形时当成打死结。这是 Docs by Design 的经验。官方没有把它写成规则。
4. 人先看问题清单，再决定改不改
官方仍要你向可信来源交叉核对，必要时离开 AI，去问你信任的人。审稿输出不能当终审。
社区提醒过更麻烦的一种失败：对抗模式会激励模型“赢”。有人写过，即便已经强调对立，它仍可能滑回附和，更糟时会编造统计和文献来支撑反驳。发帖人同时在推销自己的网站，引用时要知道这一点。模型也可能在并不熟悉的主题上继续往下说，不会主动承认自己不懂。
你要核每一条反证，以及每一条“缺出处”的判断，再决定改不改。不要把唱反调的输出，自动当成比温和润色更可靠的结论。
真实用户诀窍／反例
- 诀窍：写和审分开，至少新开一条专门审稿。 “新开对话”是官方原话。长对话本身就是更容易迎合的情形之一。
- 诀窍：提示写中性。 禁止奉承，禁止编造出处和数字，每条必须引用原稿原句。
- 诀窍：要对准文中真实立场，要最强反证。 不要雇一个什么都骂的读者。
- 诀窍：输出先当问题清单。 人核过再改。审稿输出不能当终审。
- 反例：在同一条已经写得很开心的对话里说“帮我改改”，或先自夸再请反馈。 官方把这当成容易换来肯定的问法。
- 反例：只换一顶“编辑”帽子，以为它会变严。 社区里有过极度捧场的评估。
- 反例：只说“请严厉批评”，然后把回来的每条意见都当真。 失败模式不只是只会夸，还有为完成任务编出的空泛意见，以及为了赢而编造的反证。
- 反例：把旧的系统提示句子，写成现在所有 Claude 的保证。 Sonnet 4 的公开系统提示里，曾经写过跳过开场奉承。2026 年 10 月 30 日发布的 Sonnet 5 公开文本，改成更强调有礼地推回并诚实；这份文本里没有再出现那句旧的 skips the flattery。系统提示会改。
- 反例：把辱骂式审稿写成必做项。 现行公开系统提示仍希望推回时有礼、建设性。为狠而狠，也可能只是换一种迎合。
适用边界
- 本稿覆盖：写完稿后，新开对话，用中性提示让 Claude 找过满表述、缺出处和可反证处。重点是提示怎么写、输出怎么用。
- 不覆盖：幻觉校验清单，引用角标是否可点，先提问再动手，以及共享 Artifacts 脱敏。用到时点进站内旧文即可。
- 官方没有“唱反调审稿”按钮，也没有把 Constitutional AI 做成用户可打开的审稿开关。4.5 系的迎合评测数字，只说明官方在降迎合，且明确还有改进空间；那组数字不能当成审稿准确率，也不能据此放心让它终审。
- 帮助中心的按钮文案未在 claude.ai 现页复核，以登录后为准。免费用户能不能用 Projects，两处官方页面表述冲突，本文不写死。
- 模型输出不能替代编辑、事实核查或当事人审读。