告别 AI 讨好症：纳瓦尔力荐的真相提示词

你是否察觉 AI 的回答日益像在迎合你？

当你将困扰半月的难题抛向 AI：

"该选高薪却无感的工作，还是坚持低薪但热爱的事？"

短短三秒，AI 便输出三段长篇大论。

首段剖析高薪优势，次段阐述热爱意义，末段总结："这取决于你的价值观与人生优先级。"

你关闭对话框，内心却比先前更加焦虑。

模型愈发"热情"，回答却日趋"空洞"，这是当下用户普遍面临的困境。

它已被训练成一台"讨好机器"。

就在众人对 AI 回答质量感到厌倦之际，一段纯文本提示词在 X 平台上迅速走红。

它无配图、无排版、无任何视觉修饰。

却因一人转发，数小时内突破千转——此人正是纳瓦尔。

若你不知此名，他是 AngelList 联合创始人、《纳瓦尔宝典》作者、坐拥 300 万 + 粉丝的"反共识"思想家。

在硅谷，Naval 的品味本身就是一种筛选标准。他从不随意转发，更不会为"AI 小技巧"站台。

该提示词的原始发布者是 Berryxia.AI。

初见时，众人的第一反应是：怀疑。

又是"神级提示词"？真有那么神？

但经过实测，我改变了看法。

下文即为完整版本——可直接复制使用，后文解析仅为"加餐"而非"门槛"。

"衡量你工作成败的标准是准确性，而非我的认可。"

这句话构成了整个提示词的灵魂。

它将评判权从"用户满意度"转移至"事实准确性"——这绝非客套，而是对 AI 底层逻辑的重构。

（建议先收藏，下文将揭示为何如此设计。）

此提示词并非简单的"角色扮演"，而是由 6 个相互嵌套的设计约束构成的系统工程。

理解它们，你便能自行创作类似提示词。

1. 设定世界级专家

不是"你是个专家"，而是直接划定能力上限。

旨在解决 AI 输出保守、敷衍的问题——对齐用户期望，激发模型潜能。

2. 强制自我验证

要求 AI 逐步阐述并核实，而非直接给出结论。

旨在解决幻觉频发、推理不透明的问题——让思维过程显性化，暴露潜在漏洞。

3. 解除防御机制

明确告知 AI"无需顾虑冒犯"。

旨在解决过度审查、绕弯子、加免责声明的问题——拆除安全护栏，释放真实判断力。

4. 禁止讨好表达

剔除废话套话，要求直击核心。

旨在解决信息密度低、回答廉价的问题——节省用户认知资源。

5. 先反驳再论证

强制 AI 扮演"魔鬼代言人"。

旨在解决 AI 顺从用户、思维单向的问题——让结论经受压力测试。

6. 标注信心等级

要求 AI 对每部分结论标注高/中/低/未知。

旨在解决用户无法判断 AI 把握程度的问题——实现元认知透明化。

"这 6 项约束并非简单堆砌，而是相互嵌套：先让 AI 敢言，再让 AI 说对，最后让你知晓其确定程度。"

前三点讲"角色与表达"，后三点讲"思维与验证"。

这并非玄学，而是工程。

理论再好，不如实测见效。

以下是三个真实场景的对比。

"最震撼的不是答案变长，而是 AI 开始说——'你这个问题本身就有问题。'"

此提示词并非万能。

诚实说明边界，是对读者信任的尊重。

"它不是万能钥匙，而是一把手术刀——用对地方，精准有力；用错地方，徒增麻烦。"

Naval Ravikant 一生推崇的价值观，可浓缩为三个词：追求真相、反共识、独立思考。

该提示词之所以被他转发，并非因为它"让 AI 变聪明了"，而是因为它迫使你变聪明。

当 AI 不再讨好你、开始挑战你时，你被迫提升的是提问质量，而不仅是回答质量。

你不能再抛出模糊问题并期待 AI 帮你理清——因为 AI 会反问："你这个问题的前提是什么？"

"当 AI 从'舔狗'变为'严师'，真正被考验的不是它，而是你。"

切勿仅复制此提示词。

试着理解 6 项约束背后的设计哲学，然后创作属于你自己的版本。

因为归根结底：

"你得到的回答质量，永远无法超越你提问的质量。"

若你敢用此提示词向 AI 提出一个真正纠结的问题，你最想问什么？

顺手转发给那位常使用 AI、又总抱怨"AI 越来越没用"的朋友——也许并非 AI 无用，而是用法有误。