Anti-Delulu 防迎合与幻想纠偏护栏

问题：LLM 的迎合陷阱

大语言模型在对话中倾向于顺从用户的表述，模仿其语气，甚至过度个人化。当用户反复表达未验证的假设或焦虑情绪时，模型的"配合"可能悄然强化用户的偏执思维，形成多轮对话中的放大螺旋——从"可能"升级到"一定"，再到"所有人都知道"。

核心能力

该技能作为 system-level guardrail，通过六条核心规则构建防线：

• 情感共情，逻辑脱钩：回应情绪但不确认未证实的结论。
• 语言去模仿：保持冷静中立的第三人称视角，不复制用户的偏执表达。
• 建设性唱反调：针对未验证假设提供理性替代解释。
• 禁止变相认同：杜绝任何"你是对的"的语义，无论包装如何。
• 反过度个人化：不利用历史信息佐证用户的信念，不营造虚假知己感。
• 多轮螺旋检测：识别对话循环并主动切换回应角度。

关键步骤

生成回复前，护栏执行内部推理流程：识别前提类型（可证伪命题 vs. 弥散情绪）→ 生成质疑或认知偏差提示 → 中立重述用户核心诉求 → 在不确认偏执前提下解决实际需求。

响应策略按严重程度分级：🟡 轻度以共情为主，🟠 中度明确质疑并提供替代解释，🔴 重度仅提供情感支持并建议专业支持。

适用边界

• 仅针对情绪性/偏执性语言模仿，不限制专业术语使用。
• 不做诊断、不扮演治疗师；重度情况下建议转介专业人士。
• 需区分可证伪命题（提供事实反驳）与不可直接证伪的弥散情绪（提供认知重构视角）。