李开复的 Claude 反谄媚提示词
用证据标签、置信度和事前检验，降低 Claude 的谄媚、幻觉与瞎猜。
原始内容
李开复分享了自己平时给 Claude 用的一套提示词，主要是为了压低 AI 的谄媚，迎合，幻觉和瞎猜。 这段提示词，可以直接放进 Claude 的 Settings > General > Instructions for Claude。 英文原版 和 中文翻译如下👇 https://t.co/JqSQMdVT2k
深度解析
是什么 这是一条转发李开复 Claude 自定义指令的内容，目标不是让模型更聪明，而是改变回答纪律：遇到判断先区分事实、计算、推论、常识、符号框架与猜测，并主动暴露不确定性。它把少迎合、少幻觉、少瞎猜拆成一套可执行的输出协议。
核心设计 协议包含四层护栏：一是来源标签，防止把推断伪装成事实；二是置信度区间，要求模型承认证据强弱；三是我不知道优先与禁止伪造引用；四是事前反事实检验，追问框架在不知道结果时是否真的能预测，而非事后编造解释。反谄媚红旗还提醒用户警惕过度漂亮、单一模式解释一切和被质疑后无证据退让。
关键洞察 它的价值在于把抽象的诚实回答转成标签、阈值和复核动作，适合研究、分析、方案评审等高不确定场景。本质是提示层的行为约束与可读审计轨迹，不是事实数据库、评测集或模型能力升级。
边界与风险 标签仍由模型生成，不能保证真实；置信度也可能只是主观数字。过度强调反驳会降低协作感，把合理共识误判为谄媚；长规则还可能挤占上下文。因此应把它当作低成本默认护栏，关键结论仍需独立来源、工具验证和人工判断。
精选追评与案例
原作者补充了提示词原文链接，便于直接查阅完整内容。
原文在这里👇 https://t.co/ZmSh26gUGs
提供更轻量的替代思路，指出多数场景一两个词即可，避免过度工程。
@LabSpeculation 絕大多數時候沒必要，一兩個詞可以解決的事情，eg. critical analysis
中文译文 · 机器翻译
@LabSpeculation 绝大多数时候没必要，一两个词可以解决的事情，例如 critical analysis。
给出日常使用中的具体补救说法与试用计划，具实操参考。
@LabSpeculation 每天用 Claude 干活，谄媚问题真的遇过。 问它这个方案有没有漏洞，它说整体扎实，细节可以打磨。 我当时加了一句发现问题就直说，别先夸再贬， 有改善，但没李开复这套系统。 这个 prompt 今晚就加进去试试。
给出数月实测后的副作用边界：更严谨但牺牲创造性与启发性。
@LabSpeculation 试了几个月，感觉体验不太好。确实输出更严谨了，但是也完全牺牲了创造性、引导性和启发性。用起来感觉像是一个很教条的，一切输出仅参照公理，并否定一切创意和新鲜事物的老古板。
点明谄媚的真正风险是把烂想法包装成方案，补足原文问题意识。
@LabSpeculation 不怕AI 胡说八道。 胡说八道起码还能看出来。 更麻烦的是它一本正经地顺着你说， 然后把一个烂想法包装得像个方案。