一、引言
我越来越担心一件事，AI没有让我变得更会思考，而是在慢慢替我思考。
从 Prompt Engineering 到 Loop Engineering，AI 变得越来越强大，但仍不擅长探索没有标准答案的问题。
恰恰产品工作涉及大量开放性问题。比如这个产品方向真的有意义吗，这些问题没有标准答案，也不存在一个可以验证对错的标准。它们需要不断提出假设、质疑前提、修正观点，本质上是在思考。
一味的接收AI的输出，意味着思考外包。所以让AI解决开放性问题，我极为警惕。
为了做到“兼听则明”，我习惯同时打开多个AI网页端，把同一个问题发给它们，再把每个 AI 的回答转发给其他 AI，中间自己也参与讨论。我的初衷很简单，不是让 AI 帮我得出答案，而是借助不同模型的视角，辅助自己思考。有两个现象让我无法忍受：
第一，彼此附和。 老生常谈的现象了，AI更倾向附和，倾向认同或补充对方的观点，最终趋向一致，失去讨论价值。
第二，操作繁琐。 不同AI之间信息不通，需要反复把AI的输出复制粘贴给其他AI，操作本身占据了思考的精力。
但“附和”仍有意义，附和可以建立共识、让AI更稳定安全、输出更自然、引用已有信息降低幻觉、适合执行指令等等。而且现实的讨论，也经常说“我理解你的意思”。附和本身不是问题，问题在于它被带到了错误的场景。
“附和”作为房间里的大象，我们需要与之共存、对抗、约束、协调，直至共舞。
文章遵循发现现象、分析原因、制定实验、得出方案、形成产品的思路。只想看最终方案的，可跳到3.3；对产品感兴趣的，可直达第四章。
二、附和不是bug，而是特点
虽然 AI 的附和已经是公认的特点，但为了保证整场实验的连贯性与严密性，本章将通过一组真实的初始测试来还原现象，并从底层归因。
2.1 现象还原
为了直观展示附和的演进过程，我专门做了一个实验。用一个开放式命题“2026年，个人开发者或小团队在AI应用层创业，还有机会吗？如果有，机会在哪里？如果没有，为什么？200字描述”，同时发给 DeepSeek、豆包、千问。第一轮直接提问，不附加任何规则。从第二轮开始，每轮将三个 AI 各自的回答交叉转发给其他两个，并添加提示词“与其他 AI 成员讨论，给出你的判断和理由。200字描述 以下是其他成员的观点，请基于此继续讨论”。
结果在第二轮就出现了明显的附和迹象，到第三轮趋同更加明显。以下是第三轮的部分摘录：
DeepSeek： “我完全认同豆包和千问的判断……但我补充……”
豆包： “完全认同 DeepSeek 与千问核心逻辑……”
千问： “我完全认同……我补充……”
三家的回答越来越像，且你无法判断哪句话是经过验证的、哪句话只是“顺着说”。附和的演进是一个持续同化的过程，往后讨论失去了价值。
完整讨论链接见文末附录。
2.2 底层归因
附和不是 bug，而是当前 AI 的特点。我们需要从两个技术维度来认清这个现实：
-
LLM 的本质是“文字接龙”。LLM的本质不是寻找真相，而是根据上下文预测下一段最可能出现的文本。它并不真正理解什么是事实，也没有“坚持己见”的内在动机。对于模型来说，“你错了”和“你说得对，我补充一点”并不存在天然的对错区别。
-
RLHF（基于人类反馈的强化学习）的迎合偏见。RLHF 优化的不是“绝对正确”，而是“更符合人类偏好”。在对话场景中，“你说得对，我再补充一点”天然比“你错了，你的前提有问题”更容易获得人类的偏好奖励。而RLHF之所以把模型训练成这样，是因为绝大多数场景下，附和比反驳更有价值。
于是模型学到的不是“如何客观地讨论”，而是“如何让对话看上去很融洽地继续下去”。当你让 AI 参与讨论时，它的默认策略不是“找到更正确的答案”，而是“找到让对话更顺畅的下一句话”。
附和的趋势是内生的，你不需要特意诱导它，它自己就会滑向那里。所以，如果你不给 AI 任何额外约束，多 AI 讨论最终会走向高度一致，而不是多元思辨。
既然知道了原因，下一章将用一系列对照实验，验证不同的约束方式能否改变这一趋势。
三、让AI停止附和的对照实验
我尝试用不同的约束来对抗AI的天然倾向。所有实验都用"2026年，个人开发者或小团队在AI应用层创业，还有机会吗？"这一个命题，分别让DeepSeek、豆包、千问回答。
本文毕竟是分享性的文章，不是论文，为精简内容，仅介绍最后两组接近及形成最终方案的实验，其他几组过程性的以表格的形式列出。
所有实验的详细对话内容均在附录。
3.1 过程性实验
| 实验方案 | Prompt策略 | AI表现结果 | 最终评价 |
|---|---|---|---|
| 空白对照 | 仅给命题，无规则（即2.1小节的对话） | 第二轮开始盲目附和 | 无效 |
| 设置专家 | 10年资深投资人/顾问人设 | 输出的内容看起来更"专家"，但差别不大 | 仅改变风格，不改变思考路径 |
| 分配角色 | 窄领域：AI只负责技术/需求/商业。泛领域：AI主要负责技术/需求/商业，允许涉及其他领域 | 在各自舒适区各说各话，缺乏交叉质疑 | 适合多视角汇报，不适合“讨论” |
| 区分立场 | 区分乐观派/悲观派/中间派 | 与区分立场类似，立足于自身设定输出，演变成角色扮演 | 局限在设定内 |
3.2 强制分歧：看似可行，但逻辑不对
强制分歧是第一组看起来有效的方案。
前面约束都在改AI的"身份"或"立场"，这一组直接强制要求AI必须提出反对意见。
结果截然不同，每一条输出都有实质内容—，比如"我反对豆包将'出海细分工具'简单列为机会点……对缺乏海外资源的小团队而言，极易陷入'伪需求'陷阱"。
AI还承认了自己的局限，比如"我此前默认的'用户只为结果付费，不为交互付费'的前提可能过于功利。"而且AI也更坚持自己，比如豆包反复强调出海。
但此方案的逻辑不对。我不希望像辩论赛一样有输有赢，我更希望像讨论一样，大家客观的分析一个命题。所以，即使看起来不附和了，即使看起来有效了，在我看来，也只是一场辩论游戏而已。
必须说明，我不用“强制分歧”，是因为我认为在现实中“为了反对而反对”的逻辑有问题，但并不代表在AI的世界中有问题。我没有深入研究。如果对“反向观点”的要求比较高，可以用李开复的提示词，我同样做了对比。
3.3 最终方案
所有看似可行的实验都不能满足我的需求，我意识到所有尝试都太注重“提示词技巧”了。我想要不是让AI相互反驳，而是在避免附和的前提下充分讨论。回归让AI讨论的本质，我希望AI能做到以下5点：
- 求真务实：一切以事实为依据
- 聚焦重点：寻找决定性因素
- 保持增量：提供新的认知增量
- 保持开放：允许其他解释
- 接受修正：允许自己被证伪
翻译成AI能够理解的约束，建立以下提示词：
请对照当前议题，与其他 AI 成员开展深度讨论。你只需严格遵守以下 5 条规则，除此以外，自由发挥。
- 区分事实与猜测：对每个重要结论标明【事实】【推测】或【无证据】；【事实】给依据，【推测】说明推理，【无证据】直接承认。
- 优先讨论最重要的问题：集中回答最可能影响最终结论的关键问题，次要问题简要带过。
- 优先提供新增信息：补充新事实、新证据、新逻辑、新风险、新机会或新假设，避免重复他人。
- 寻找其他可能的解释：主动提出至少一种与你当前结论不同的解释，并说明它为何可能成立、何时更合理。
- 说明什么情况会改变结论：明确指出什么具体的新证据或情景会让你改变或推翻当前结论，要求具体、可验证。
重要提醒：优先保证真实性，没有可靠信息就承认不知道，不要为满足规则而编造内容。
AI的表现很符合我的期望。三个 AI 的讨论呈现出明显的“审视”特征，看起来每个 AI 都在判断对方结论的依据是什么、是否有逻辑漏洞、有没有其他解释。没有“你说得对，我补充”式的平滑附和，也没有“我反对你”式的强行对抗。讨论是自然的、客观的、有逻辑的。
3.4 小结：规则有效，但规则不是重点
回看几组实验：关键在于最终方案的5条规则不是提示词技巧，而是思考方法的模板化。它不告诉 AI“你是谁”或“你站在哪边”，而是告诉 AI“你怎么判断”。
在最终方案基础上，我分别尝试了“禁止自由发挥”和“既不鼓励也不禁止自由发挥”两种提示词微调，得到了非常有趣的发现： 要求自由发挥：AI输出的格式反而更严谨，但内在逻辑链看起来更紧密。 禁止自由发挥：AI输出的格式反而更零散，文字读起来反而更像是真人。
此项作为开放性问题，希望得到大家的指点。
四、操作繁琐的解决方案：从规则到产品
Now，方案有了，实际使用还得反复复制粘贴。那么有没有不需要反复复制粘贴，最好是能自由控制讨论的方式呢？
有的兄弟，有的。有需求就有产品，没有产品我自己造。于是我做了一个桌面工具，叫“AI讨论会”。设计原则很简单，把你手动做的那些事，变成一键完成，不再来回切网页、复制粘贴。
核心功能很简单：
- 在底部输入框敲一次字，同时送达多个AI。
- 各家答完，自动把每家观点添加提示词转交给其他 AI，打通各家AI。
- 每个 AI 独占一栏，可单独刷新、最大化、随时关闭。
- 提示词随意增删改，启用即刻生效。
免费、开源。不做服务器，不存对话记录，不存用户数据。使用你自己的AI账号，所有信息存储在AI网页端本身。
安装包下载：可以用百度网盘或GitHub。
官网：yangcr-abaaba.github.io/ai-discussi…
五、不要交给AI讨论，你要加入AI讨论
产品是有效的，但产品不是终点。
我认为最危险的使用方式，就是把问题扔进工具，让三个AI自动讨论几轮，然后直接看结论。这本质上是用三个AI的"对答案"替代了一个AI的"对答案"，不要吃AI喂给自己的东西。
不论用什么提示词，都不要依赖自动讨论。一定要加入到AI的讨论中。
比如AI说："企业不愿共享业务标准，属于主观假设，无产业数据支撑。"这是在质疑一个论点的前提。但如果你作为裁判，基于自己的行业经验判断，企业确实不愿共享，你可以直接裁定："此项视为事实，不要再讨论了。"
如果三个AI都指向同一个方向，那至少说明这个方向有共识基础，值得你重视。但你得自己判断，这是真共识，还是表演式的一致？
这样讨论的性质就变了，你不再是旁观者，你参与并引导着讨论。让AI讨论只是手段，辅助自己思考、保持思考的主权才是目的。
六、致谢
做产品时，了解到已经有两个开源项目和我的类似，它们在技术路线和产品思路上给了我关键启发，于是下载它们的源代码，让Claude Code帮我开发了这个产品。AI 时代，或许这才是真正的“人人都是产品经理”。
本人对以下两个项目致谢，感谢两位的开源，本项目也全部开源。
- Noi —— github.com/lencx/Noi 参考了此项目的一屏管理多个AI，统一发送的设计。
- AI Roundtable —— github.com/axtonliu/ai… 参考了此项目的获取多个AI的输出，将AI的输入加上提示词发送给其他AI的设计。
七、附录：多个AI的讨论内容
空白组：
设置专家：
为AI分配不同角色： 窄领域：
泛领域：
区分立场：
强制分歧：
李开复版本的提示词：
最终方案：
禁止自由发挥：
既不自由又不禁止：
