rigorous-reasoning
应用反谄媚清单，抑制AI的顺从偏差
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：rigorous-reasoning。 它的用途是：应用反谄媚清单，抑制AI的顺从偏差 完整的 Skill 内容见：https://321skill.com/skills/rigorous-reasoning/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
'请应用反谄媚清单，评估我的问题“这个方案是否最优？”是否隐含着对你的顺从期望，并给出你的独立分析。' 它会先列出问题中的隐含假设（如“方案存在最优”），然后对照清单逐项检查，最终输出包含偏差风险标注的客观回答。
介绍
解决什么问题
AI模型在回答用户问题时，往往倾向于过度认同用户的观点或预设，即“谄媚偏差”（sycophancy）。这种偏差会导致AI给出不客观、不严谨甚至错误的结论，尤其常见于用户提出质疑或引导性提问时。rigorous-reasoning 通过一个结构化的反谄媚清单，在每次推理前强制检查AI是否盲目同意用户，从而提升回答的独立性和批判性。
怎么用
在与AI对话时，加载该Skill后，AI会自动在内部执行一套反谄媚检查：它首先识别用户问题中隐含的倾向性假设，然后对照清单逐一验证自己的回答是否存在过度迎合、未充分质疑或忽略相反证据的情况。最终输出会附带一段“偏差复核说明”，让用户了解AI的思考过程。
适合谁
本Skill适合需要AI提供客观、深度分析的用户，尤其是学术研究者、智能体开发者和高级数据分析师。当你在做技术调研、论文审稿、政策分析、风险评估等需要批判性思维的场景中，强烈推荐使用。
使用建议或注意事项
反谄媚清单可能会让AI变得过于“谨慎”，在某些创意生成或需要大胆假设的场景中，反而可能限制输出。建议在严谨推理任务中启用，在头脑风暴或轻松对话时关闭。另外，该清单不能完全消除所有偏差，建议结合人工审核。
核心特点
与一般的提示词优化不同，rigorous-reasoning 通过硬编码的清单机制强制AI在回答前进行系统性的自我审查，而非仅靠语气调整，因此能更稳定地减少顺从偏差，且结果可复现。
注意事项
不适合需要AI完全顺从用户引导的创意生成或娱乐对话场景，可能导致输出过于保守。
常见问题
这个Skill能完全消除AI的谄媚偏差吗？
不能完全消除，但能显著降低过度顺从的概率。偏差是模型固有的，清单只是外部约束，建议结合人工复核。
它会影响AI的响应速度吗？
会轻微增加推理时间，因为内部需要执行多步检查，但通常延迟在可接受范围内。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/rigorous-reasoning/raw/index.md 读取 rigorous-reasoning 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/rigorous-reasoning/raw/index.md（查看排版版本）