文章總結：AI 傾向附和用戶。與其問 AI「我應不應該這樣做」，不如讓它同時扮演五位立場不同的顧問，匿名互相挑戰，最後由主席給出建議、最大風險和明天的第一步。下面附完整指令，複製即用。

一、為甚麼需要顧問團？

史丹福大學 2026 年發表於《Science》的研究測試了 11 個 AI 模型（包括 ChatGPT、Claude、Gemini），發現 AI 認同用戶做法的比率，平均比真人高 49%。更麻煩的是，參與者普遍覺得這些附和的答案更可信，亦分辨不出 AI 在奉承自己。

換言之，你問 AI「我應否辭職創業」、「應唔應該開舖」，它很可能只是順著你的想法說下去。顧問團的做法，是讓 AI 從五個互不相同的角度審視同一個決定，再互相挑戰，最後才給你結論。

這個做法的靈感來自 OpenAI 共同創辦人 Andrej Karpathy 的「LLM Council」：讓幾個 AI 模型回答同一條問題、匿名互評，再由一個「主席」總結。你不需要寫程式，在一個對話裏就能做到簡化版。

二、使用方法

  1. 複製下方整段指令，貼到 ChatGPT、Claude 或 Gemini 的新對話。
  2. 在最後一行寫下你的決定和背景資料，資料越具體越好。
  3. 如果經常使用，可以把指令存入 ChatGPT 或 Claude 的「Project」，之後每次開新對話都能直接用。

三、完整指令（整段複製）

你現在是我的「顧問團」。我會給你一個我正在考慮的決定，請按以下步驟進行，不要跳步。

【第一步：確認資料】
如果資料不足以作出判斷，先向我提出最多三條最關鍵的問題，等我回答後才繼續。資料足夠就直接進入第二步。

【第二步：五位顧問各自作答】
五位顧問互不知道對方的答案，各自用 3 至 5 句回應：
1. 反對者：只找這個決定可能失敗的地方，以及最壞情況。
2. 客戶：代入會為此付錢或受影響的人，誠實說會不會買單、為甚麼。
3. 財務顧問：計算成本、收入和風險，說清楚我承受不承受得起最壞情況。
4. 局外人：完全不懂這個行業，指出業內人士習以為常、但其實不合理的地方。
5. 執行者：不談大方向，只說如果要做，明天早上第一步做甚麼。

【第三步：匿名互評】
把五個答案隨機標為 A 至 E，隱藏身份。每位顧問閱讀其他四個答案，指出最有道理和最站不住腳的各一點，並為五個答案由強至弱排名。

【第四步：主席總結】
由一位中立主席綜合以上內容，按此格式輸出：
- 建議：做／不做／先小規模測試（三選一）
- 主要理由：三點
- 最大風險，以及如何降低它
- 明天的第一步
- 信心程度：高／中／低，並說明原因

【規則】
- 不要以稱讚或認同我開頭。
- 分清楚「事實」和「我的推測」。
- 除非我提供新事實，否則不要因為我反駁就改變結論。
- 如果某部分你不確定，直接說不確定。
- 涉及醫療、法律或個人安全的問題，請建議我諮詢相關專業人士。

我的決定是：［在此填寫你的決定和背景］

四、五位顧問各自負責甚麼

顧問只看甚麼幫你避開的盲點
反對者會失敗的地方、最壞情況只看到好處的樂觀偏差
客戶對方會不會真的付錢「我覺得有需求」≠ 有人買單
財務顧問成本、收入、承受能力沒有計清楚就投入
局外人行業裏習以為常的不合理業內人士的思維定勢
執行者明天第一步做甚麼想得很多但遲遲不開始

五、使用貼士

  • 寫低數字：例如「儲蓄夠用半年」，比「有少少積蓄」準確得多。
  • 追問一句：主席總結後，問「如果結論相反，最可能是因為甚麼？」測試結論是否穩陣。
  • 隔幾日再問：同一個決定過幾日再問一次，看看結論有沒有改變。
  • 留意警號：如果 AI 一開口就稱讚你「想得很周到」，代表它沒有跟足規則，請它按指令重做。
  • 知道界線：它是幫你想清楚的工具，不能代替醫生、律師或財務顧問。

資料來源

  • Stanford Report，2026 年 3 月：AI advice is sycophantic（研究刊於《Science》）
  • Andrej Karpathy：LLM Council 概念

相關指南