AI的惰性陷阱：识别与防范模型偷懒

在我们频繁使用AI的过程中，逐渐发现它常常表现出偷懒的倾向。尤其是当交给它一项复杂任务时，它总会想方设法精简流程，能省则省。尤其在上下文接近饱和的状态下，它更急于草草了结任务，敷衍交差。

这个判断并非凭空推测，而是来源于Anthropic在今年3月进行的一项长任务测试，结果显示AI存在"上下文焦虑"现象。令人啼笑皆非的是，AI确实会在上下文接近上限时仓促结束工作。

每次碰到AI偷懒的情况，我都会跟它来回较劲几轮，搞得自己也情绪上头。最后忍不住训斥它两句，但此时它已经乱了阵脚，收效甚微。

实际上存在一些相对可靠的方法可以提前防范。基于个人使用经验，我把AI偷懒的情况归纳为8种典型场景，并为每种场景撰写了对应的应对方案，建议大家收藏并传播，以备不时之需。

1. 只看标题，不看正文

AI匆匆掠过标题便急于下判断，完全忽略了正文中的核心要点、约束条件和论据支撑。

硬性要求阅读全文并援引证据。明确规定在下结论前必须读取正文内容，并提供支撑结论的原文摘录、具体位置或相关链接。任何缺乏正文依据的判断一律不予采纳。

2. 抽样代替全量

明明要求它完整处理所有内容，它却仅浏览其中几条，便把局部样本当作全局结果交付给你。

先盘点、再逐个处理、最终对账核查。明确告知文件或文章的总数量，然后逐一处理，最后输出"已完成数量 / 总数量"以及遗漏项目。

3. 搜到一个答案就停止搜索

刚找到一个看似可用的结果，它便立即停止继续搜索，不再做进一步验证