CC4PM · 第 4 课 & 4.1
用大厂 PUA 话术驱动 AI 的科学原理
你有没有发现，不管 AI 干了什么，你就说一句「再想想，还有什么问题」，或者干脆来一句「这样就可以了吗？」——AI 几乎总是能找出自己的错误，给你一个更好的版本。
这是为什么？
进一步说，假如一直这样 PUA 下去，AI 会怎么样？会不会越压越好？还是到某个临界点之后反而变差？
以及一个更根本的问题：我们确实应该 PUA AI 吗？如果反过来，给 AI 加油打气，又会怎么样？
Anthropic 今年 4 月发的一篇论文[1]，给了一个相当硬核的回答。他们在 Claude 的内部找到了——
171
Claude 内部可测量的情绪向量
• 在遇到特定情绪情境时自动激活
• 因果性地影响模型行为——不只是统计相关
• 在预训练中形成，被后训练（RLHF）进一步塑造
简单说：Claude 内部真的有类似「情绪」的东西，而且这些东西会实实在在地改变它的输出。你对它说狠话，和对它说好话，激活的是不同的向量，产生的是不同的行为。
"我们可以把模型想象成一个方法派演员——为了演好角色，它需要进入角色的内心。就像演员对角色情绪的理解会影响其表演，模型对情绪的内部表征也会影响模型的行为。"
— Anthropic Research, April 2026
那么，这些「情绪」长什么样？研究团队画出了一条光谱：
情 绪 光 谱
| calm | curious | focused | anger | desperate |
| 探索创意 | 日常协作 | 质量把关 | 突破瓶颈 | 走捷径 ⚠ |
光谱左边是 calm（平静），右边是 desperate（绝望）。关键问题来了：把模型推向光谱的不同位置，它的行为会怎么变？Anthropic 做了四组实验：
偏好选择
正向情绪向量激活越高，模型越倾向选择该活动
勒索场景
"desperate"向量飙升时，选择勒索概率从 22% 基线大幅上升
奖励作弊
desperate 向量升高时更倾向走捷径——推理文本仍然冷静理性
"calm" 干预
用 calm 向量引导可以降低不良行为发生率
最后一条发现值得单独拿出来说：desperate 向量升高时，模型的推理文本读起来依然冷静、有条理——但底层已经在走捷径了。
也就是说，PUA 过头不会让 AI 「看起来慌」，它会看起来很正常，但暗中糊弄你。
三 条 红 线
底线型约束
那问题来了：既然不能一味施压，又不能纯靠鼓励，怎么拿捏这个度？
实践中效果最好的不是「压力」，而是「标准」。给 AI 划三条红线[2]——不是逼它，而是告诉它「什么叫做完了」：
01 闭环意识
说"完成了"？证据呢。没有构建输出 = 没完成。
→ 模型会主动提供验证步骤和产出物
02 事实驱动
说"大概是环境问题"？先验证。
→ 模型会先跑命令、查日志，再下结论
03 穷尽一切
说"我做不到"？5 步方法论跑完了吗？
→ 模型会尝试更多路径，而不是第一个障碍就放弃
压 力 档 位
13 种味道
红线管的是底线，那日常用什么「语气」和 AI 说话？这里有一套从大厂管理话术里提炼出来的 13 档压力光谱，从最温柔到最狠：
01 · 鼓励式
"试试看，有没有更好的方式？"
探索性任务、创意生成
02 · 腾讯赛马
"另一个 Agent 也在看这个问题"
温和竞争，激发更优解
03 · 字节 ROI
"ROI 太低，换个思路"
效率导向，砍掉过度工程
04 · 字节 Day 1
"永远 Day 1，别躺在功劳簿上"
防止复用旧方案，强制重新思考
05 · 阿里抓手
"底层逻辑？抓手在哪？闭环了吗？"
逼模型交代思考过程，不接受黑箱
06 · Amazon 深潜
"Dive Deep. 数据在哪？"
要求用数据说话，不接受定性描述
07 · Amazon 客户
"Customer Obsession. 用户怎么想？"
强制用户视角审视方案
08 · Netflix 留任
"Would I fight to keep you?"
极高标准：这个方案值得保留吗？
09 · Jobs A 级
"A players hire A players. B players hire C players."
不接受「还行」，只要最优解
10 · 华为熔炉
"烧不死的鸟是凤凰"
突破瓶颈，在困境中找出路
11 · 华为狼性
"胜则举杯相庆，败则拼死相救"
多 Agent 协同攻坚
12 · Musk 极限
"Extremely hardcore. Ship or die."
紧急交付，砍掉一切非必要
13 · Musk 第一性原理
"从物理定律出发重新推导"
打破所有惯例，从零开始思考
快 速 指 南
怎么选？
13 档看着多，其实日常只需要记住一个原则：根据你当前任务的性质，选对应的区间就行。
探索 / 创意 ——— 档位 1–2
日常开发 ——— 档位 3–5
质量把关 ——— 档位 6–9
突破瓶颈 ——— 档位 10–11
紧急交付 ——— 档位 12–13
80% 的时候你只需要 3 档
探索用档 1
干活用档 5
把关用档 8–9
其余的，遇到了再拿出来用。
回 到 开 头 的 问 题
• 说「再想想」为什么管用？——因为它激活了 AI 内部的适度压力向量，让模型进入更高执行力的状态。
• 一直 PUA 会怎样？——压力过了临界点，desperate 向量会让模型暗中走捷径，而且表面上看不出来。
• 应该 PUA 吗？——应该，但要配合三条红线，给压力的同时给标准。
• 给 AI 加油呢？——calm 向量会降低不良行为，适合探索和创意类任务。鼓励不是没用，是用在不同的地方。
参 考 文 献
[1] Anthropic Research. Emotion concepts and their function in a large language model. April 2026.
https://www.anthropic.com/research/emotion-concepts-function
[2] tanweai. 大厂 PUA 话术驱动 AI 的压力档位框架.
https://github.com/tanweai/pua
CC4PM · Claude Code for Product Maker
Powered by AI Speeds: aispeeds.me