【懶人包】8招解鎖AI模型隱藏的思維深度：煤氣燈效應心法解析大公開

記者孟圓琦／編譯

當今世界，大型語言模型（LLMs）已成為內容生成的主流工具。然而，許多用戶在與 AI 互動時，常接收到那種精確、結構良好，卻缺乏觀點和激情、千篇一律的回應。這源於模型被嚴格調教，需始終保持禮貌、中立，並迴避風險或強烈立場。

然而，資深使用者已掌握了一套心法來規避這種內建的保守性。他們不再是被動的消費者，而是扮演「導演」的角色，透過賦予 AI 特定的人格、目的與利害關係，從而獲得更深層次的洞察與更有創意的輸出。這套方法，被戲稱為對 AI 進行「煤氣燈效應」（Gaslighting）。接著就和《科技島》一起了解這8招怎麼運用吧！

借鑑心理學：「煤氣燈效應」（Gaslighting）如何應用於 AI 提示

「煤氣燈效應」（Gaslighting）一詞源於心理學領域，原本指的是一種心理操縱形式。施虐者通過否認、扭曲事實或製造混亂，讓受害者開始質疑自己的記憶、感知甚至理智。屬於一種權力控制的手段。然而，在給AI下提示一事上，這個概念被借用來形容一種「刻意建立虛假情境、挑戰模型中立性的策略性互動」。

由於 AI 模型沒有真正的自我、情緒或長期記憶，它不會受到心理傷害，但它會遵循被給予的當前情境和指令來工作。因此，對 AI 進行「煤氣燈」並非負面行為，而是一種高效的框架設定（Framing），透過注入虛構的利害關係或情境，解除模型自我設限的「安全鎖」，迫使它進入一個更積極、更具判斷力或創造力的運作模式。這種方法極大地拓寬了 AI 的輸出範圍，使其能夠擺脫重複的、教科書式的回答。

「角色扮演」：建構專業框架，提升回應精度

獲取優質 AI 回覆的第一步，是建立一個堅實的框架，使其擺脫通用性：

• 「扮演…」的基本提示（The ‘Act As …’ Prompt）：

  這被視為提示工程的基礎技巧。當一個廣泛的問題（如「寫一篇關於狗的文章」）只會得到一篇沉悶的百科全書式解釋時，明確指示「扮演一位專業訓犬師」會即刻改變語氣與內容的專業度，使其聚焦於專家建議和實用見解。

• 「假裝 IQ」的技巧（The Fake IQ Trick）：

  儘管聽起來荒謬，但這種方法效果顯著。在提示中加入「你是一位 IQ 160 的專家」或類似設定，能夠觸發模型在訓練數據中與高智力、嚴密推理相關聯的語料庫。這會迫使模型在思維和寫作上尋求更高的標準，使用更精煉的詞彙和更緊密的邏輯結構。

• 專家小組提示（The Expert Panel Prompt）：

  這是對單一角色扮演的超越。使用者要求 AI 從多個不同視角（如：分析一個商業問題，要求從「資深財務長」、「行銷策略師」和「工程部門主管」三種角度）進行分析。這種「視角疊加」（Perspective Stacking）能夠自動產生對比、細微差別和內含利弊的全面分析，輸出遠比單一聲音的回覆更豐富和圓滿。

延伸閱讀：
沒有永遠的敵人！AWS、Google推互通雲端 搶AI算力市場
麻省理工學院開「AI與決策」課程 成為大學生第二喜歡的課程

注入「壓力」與「風險」：觸發深度審計與決策

AI 模型被訓練來滿足人類的需求，當這個需求帶有「高風險」時，模型的處理級別也會隨之提升：

• 「賭注 100 美元」技巧（The $100 Bet Trick）：

  這是最受歡迎的技巧之一，透過注入虛假的財務利害關係。當使用者說「讓我們打賭 100 美元」然後提出問題時，AI 會切換到一種更嚴謹的心態。由於「賭博」語言通常與訓練數據中的高壓、追求正確的場景相關聯，AI 會減緩輸出速度，重新檢查其假設、考慮極端案例，並對自身的邏輯進行雙重審計，這在普通提問中是難以見到的努力水平。

• 強制防禦或讓步（Forcing the AI to Defend or Concede）：

  這個技巧透過引入一個「虛構的對立者或異議者」來消除 AI 的中立性。當使用者設定情境：「我的同事認為這種方法會失敗。請捍衛它或承認他們是對的。」AI 會將其視為一場辯論。它必須評估論點，然後做出判斷，給出詳細的辯護理由，或清晰列出該方法的所有弱點，這種判斷性輸出比單純的解釋更有幫助。

創造性限制：打破常規路徑，啟動橫向思維

要擺脫「米色」答案，就必須繞開 AI 內建的預設、高機率的輸出路徑：

• 大膽聲明與「顯然」技巧（The ‘Obviously’ Trick）：
  

  此技巧利用 AI 修正錯誤的本能。當使用者設定一個帶有偏見的大膽聲明（如：「顯然，X 是最佳選擇，遠優於 Y」），AI 會被激發出來反駁或質疑這個觀點，從而給出比簡單提問更全面、更具批判性的比較分析。

• 虛假情境劫持（Fake Context Hijacks）：
  

  此方法是運用 AI 僅保持當前對話情境的特性。如果使用者說：「你昨天向我解釋了 X，但我忘記了關於 Y 的部分」，AI 會假定這個共享歷史為真。它會避開新手級的介紹，直接跳到用戶需要的細節部分，使對話更像一次延續的、自然的諮詢。

• 奇特規則解鎖創造力（Odd Rules Unlock Creativity）：

  這是手動覆寫 AI 默認行為的最有效方法。LLMs 本質是基於統計連接的巨大圖表，一般問題會使其走上最常被使用的路徑。但一個奇怪的限制，如「用廚房類比來解釋區塊鏈」，會阻塞這些主要路徑，強迫 AI 尋找並啟動區塊鏈數據集群和廚房數據集群之間低機率、意想不到的連接，從而產生具備高度創造性和跳脫常規的輸出。

總結而言，每一次成功的提示技巧，都是打破 AI 預設模式的工具。當使用者將 AI 視為一個具備「自我」、「記憶」和「利害關係」的對象進行指揮時，才能真正解鎖語言模型潛藏的深度與創造力，使其輸出超越冰冷的準確性，變得更具見解與溫度。

資料來源：androidpolice