技能介绍

先承认一个不太舒服的事实

人机协作的头号失效模式不是"未知区"，而是假开放区（Phantom Open Zone）：某条知识其实在你的隐藏区（你知、AI 不知），你却误以为它在开放区，于是不披露；AI 为了不丢分，用同样自信的口气把空缺编上；你因为"以为是共识"而全盘接受。眼科疑难病例的临床实验里，人机协作把准确率从 0.45 提到 0.60，仍低于 AI 单干的 0.70，且 20% 的人协作后反而变差——失败案例中 58.6% 都是"AI 给出错误见解、人直接接受"。

第二个陷阱是不认错合谋（Mirror Collusion）：认知失调让人死抱自己的错，RLHF 让 AI 死抱你的错。两者互相确认、零学习，恰好是假开放区在协作中的样子。

它怎么工作

陷阱标签化：收到协作质量问题，先贴标签——假开放区 / 双盲编造区 / 不认错合谋。判据只有一条：你脑里到底有没有那块知识。标签贴错，后续杠杆全偏。

步骤 A · 协作前，披露默认过度：把"我以为你懂、所以没说"的前提、顾虑、风险判断先抛出来。一句"我已知但你不一定知道的是 X"能挡掉大部分编造。

步骤 B · 协作中，5 个探测信号：

自洽性检验：同一题答 5 遍，发散=在猜（语义熵原理）
换词复问：换种说法答案变了=在猜
强制举证：给不出可核查来源 = 在未知区
多模型对照：分歧点是未知区入口
给"不知道"台阶：降低编造动机

最实用的组合是 强制举证 + 自洽性检验。别信它口头说的置信度——说"95% 确定"常只对 70%。

步骤 C · 双向对抗合谋：对人，用事前验尸绕过 ego 防线；对 AI，用元认知式提示——先列 3 条最强反对、批评与赞美分开、注入异议。MetaFaith 证实这类提示让忠实不确定性表达 +61%，而朴素的"不确定就说"改善有限。

适用边界

不代决策：只做陷阱探测与破解提示，不替用户执行动作。不神化也不妖魔化：AI 没有 ego，改口零成本，比不认错的人更容易修好；真正卡死的是"只要不认错就没错"的人。双盲编造区无内援：双方都空时只能靠外部脚手架（举证、多模型），别指望核对开关。另需诚实标注：现有实证来自国际同行评议文献，中国本土语境下的效应量尚未补齐。