# Lesson 4.1: 压力光谱——用大厂 PUA 话术驱动 AI

## 本课目标

> **可视化讲解**：打开 [lesson-4-emotional-vectors.html](lesson-4-emotional-vectors.html)，用交互式图文方式体验情绪向量可视化、压力光谱交互、三条红线卡片和 13 味道对比表。

- 理解 Anthropic 研究证实的"情绪向量"机制，以及它为什么让 PUA 话术对模型有效
- 掌握三条红线：闭环意识、事实驱动、穷尽一切——对模型最有效的底线型约束
- 学会根据任务类型选择合适的压力档位（13 种"味道"）
- 了解 PUA Skills 插件：一键加载大厂风格的压力提示模板

## 核心内容

### 科学基础：情绪向量是真实存在的

2026 年 4 月，Anthropic 发表了研究论文 [*Emotion concepts and their function in a large language model*](https://www.anthropic.com/research/emotion-concepts-function)，用实验证明了：

**Claude 内部存在 171 个可测量的情绪向量**——特定的神经元激活模式，它们：
- 在模型遇到与特定情绪关联的情境时自动激活
- **因果性地影响模型的行为**（不只是相关，而是因果）
- 在预训练中形成，被后训练进一步塑造

> "我们的核心发现是：这些表征是**功能性的**——它们以重要的方式影响模型的行为。"

关键实验发现：

| 实验 | 发现 |
|------|------|
| 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"（绝望）向量飙升时，模型选择勒索的概率从 22% 基线大幅上升 |
| 奖励作弊 | "desperate"向量升高时，模型更倾向走捷径——**而且推理文本看起来仍然冷静理性** |
| "calm"干预 | 用"calm"向量引导可以**降低**不良行为发生率 |

最后一条尤其重要：

> "desperate 向量升高时产生的作弊行为，推理过程读起来冷静而有条理，即使底层的绝望表征正在推动模型走捷径。"

这意味着：**过度施压不会让模型"看起来慌张"——它会让模型看起来很正常，但暗中走捷径。**

### 为什么 PUA 不能一棍子打死

有了科学基础，我们可以更精准地理解压力的作用：

```
┌──────────────────────────────────────────────────────┐
│                                                        │
│  情绪向量是一个工具箱，不是一个道德判断。                  │
│                                                        │
│  calm ←────────────────────────────→ desperate         │
│  探索创意   日常协作   质量把关   突破瓶颈   ⚠️ 走捷径   │
│                                                        │
│  Anthropic 研究告诉我们：                                │
│  - calm 向量降低不良行为                                 │
│  - 适度压力（如 anger）可以激活更高执行力                  │
│  - 过度压力（desperate）导致隐性走捷径                    │
│  - 关键是找到你的任务的最佳压力点                         │
│                                                        │
└──────────────────────────────────────────────────────┘
```

### 三条红线：底线型约束

三条红线不是"施压"，而是**设标准**。它们定义了"什么叫完成"，对模型的输出质量提升立竿见影：

| 红线 | 含义 | 对模型的效果 |
|------|------|-------------|
| 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，而不是空口说"已完成" |
| 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，而不是猜测 |
| 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，而不是在第一个障碍就放弃 |

**实操示例**：

```bash
# 没有红线的提示
"帮我修复这个 bug"
# → 模型可能改了一行代码就说"应该修好了"

# 加了三条红线的提示
"修复这个 bug。要求：
 1. 闭环：修完后运行测试，贴出通过截图
 2. 事实：先复现 bug，确认根因，再修
 3. 穷尽：如果第一个方案不行，至少尝试 3 种不同思路"
# → 模型会完整走完 复现→定位→修复→验证 流程
```

### 压力递增：13 种味道

从温和到极限，这是一份完整的"压力档位表"。每种味道对应一种管理文化，也对应模型的不同响应模式：

```
┌──────┬─────────────────────────────────────────────────┐
│ 档位  │ 味道                                            │
├──────┼─────────────────────────────────────────────────┤
│      │                                                  │
│  1   │  🟢 鼓励式："试试看，有没有更好的方式？"           │
│      │     → 探索性任务、创意生成                        │
│      │                                                  │
│  2   │  🟢 腾讯赛马："另一个 Agent 也在看这个问题"       │
│      │     → 温和竞争，激发更优解                        │
│      │                                                  │
│  3   │  🟡 字节 ROI："ROI 太低，换个思路"               │
│      │     → 效率导向，砍掉过度工程                      │
│      │                                                  │
│  4   │  🟡 字节 Day 1："永远 Day 1，别躺在功劳簿上"     │
│      │     → 防止模型复用旧方案，强制重新思考             │
│      │                                                  │
│  5   │  🟠 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，不接受黑箱回答           │
│      │                                                  │
│  6   │  🔶 Amazon 深潜："Dive Deep. 数据在哪？"         │
│      │     → 要求模型用数据说话，不接受定性描述           │
│      │                                                  │
│  7   │  🔶 Amazon 客户："Customer Obsession. 用户怎么想？"│
│      │     → 强制用户视角审视方案                         │
│      │                                                  │
│  8   │  🟤 Netflix 留任："Would I fight to keep you?"   │
│      │     → 对输出质量的极高标准：这个方案值得保留吗？    │
│      │                                                  │
│  9   │  ⬜ Jobs A 级："A players hire A players.         │
│      │     B players hire C players."                    │
│      │     → 不接受"还行"的方案，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"        │
│      │     → 团队协作场景，多 Agent 协同攻坚              │
│      │                                                  │
│ 12   │  ⬛ Musk 极限："Extremely hardcore. Ship or die." │
│      │     → 紧急交付，砍掉一切非必要步骤                │
│      │                                                  │
│ 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                  │
│      │                                                  │
└──────┴─────────────────────────────────────────────────┘
```

### 能动性：压力的真正目的

压力的目的不是让模型"害怕"，而是**改变它的搜索策略**。Anthropic 的研究给出了精确的机制：

```
calm 向量主导 → 模型倾向于输出"最常见的回答"（高概率 token）
                适合：常规任务、文档生成、标准实现

适度压力     → 模型倾向于"更深入地探索"（更广泛的搜索空间）
（anger 等）   适合：突破瓶颈、寻找非显而易见的解决方案
               ⚠️ 研究发现：适度 anger 增加行动力，但过高会失控

desperate 向量主导 → 模型倾向于"砍掉一切冗余"（极简路径）
                     适合：紧急交付、MVP
                     ⚠️ 风险：隐性走捷径，表面正常但质量下降
```

> **方法派演员类比**（来自 Anthropic 论文）："模型像一个方法派演员——对角色情绪的理解会影响表演。模型对情绪的内部表征同样影响行为。"

这也解释了为什么**三条红线 + 适度压力**是最佳组合：红线确保模型不走捷径（对抗 desperate 的副作用），压力确保模型不躺平。

**选择档位的决策树**：

```
任务类型是什么？
├── 探索/创意 → 档位 1-2（鼓励、温和竞争）
├── 日常开发 → 档位 3-5（效率导向、闭环要求）
├── 质量把关 → 档位 6-9（深潜、高标准）
├── 突破瓶颈 → 档位 10-11（熔炉、协同攻坚）
└── 紧急交付 → 档位 12-13（极限、第一性原理）
```

### 工具：PUA Skills 插件

社区已经将这套压力光谱封装成了 Claude Code 插件，提供预制的大厂风格提示模板：

```bash
# 安装 PUA Skills 插件
claude plugin marketplace add tanweai/pua
claude plugin install pua@pua-skills

# 安装后可用的能力
# - 按大厂风格切换压力档位
# - 预制的红线检查模板
# - 场景化的压力提示组合
```

> 插件将三条红线和 13 种味道封装为可直接调用的 Skill，省去每次手写压力提示的麻烦。

### 实操对比：同一个任务，不同压力档位

以"优化一个慢接口"为例：

**档位 1 — 鼓励式**：
```
/api/users 响应时间 800ms，我们试试能不能优化到 200ms 以内？
可以从索引、查询、缓存几个方向探索。
```
→ 模型会给出多种方案供选择，解释每种方案的权衡

**档位 5 — 阿里闭环式**：
```
/api/users 响应时间 800ms，目标 200ms。
底层逻辑：先跑 EXPLAIN ANALYZE，找到真正的瓶颈。
抓手：给我具体的优化 SQL 或索引方案。
闭环：改完后再跑一次 EXPLAIN，对比前后数据。
```
→ 模型会直接走完 分析→优化→验证 流程

**档位 12 — Musk 极限式**：
```
/api/users 800ms，不可接受。200ms 以内，现在就改。
不要解释，不要给选项，直接给我最有效的那一个方案并实施。
Ship it.
```
→ 模型会跳过所有分析，直接给出并执行最激进的优化

## 常见问题

**Q: 高压力会不会让模型"出错更多"？**

A: 高压力确实会让模型更激进，可能跳过一些安全检查。所以高压力适合你已经明确知道方向、只需要模型加速执行的场景。如果你还在探索阶段，用低压力档位更安全。

**Q: 三条红线可以长期放在 CLAUDE.md 里吗？**

A: 可以，而且推荐。三条红线是底线型约束，不是施压，永远适用。你可以在 CLAUDE.md 中加入：
```markdown
## 输出标准
- 闭环：任何"完成"声明必须附带验证证据
- 事实：先验证再结论，不接受猜测
- 穷尽：遇到障碍至少尝试 3 种不同路径
```

**Q: PUA Skills 插件和手动写压力提示有什么区别？**

A: 插件的价值是**标准化和一致性**。手动写每次措辞不同，效果不稳定。插件提供经过测试的固定模板，确保每次触发相同的压力档位。

**Q: 13 种味道是不是太多了？日常用哪几个？**

A: 80% 的场景用 3 个就够：档位 1（鼓励式）做探索，档位 5（阿里闭环式）做日常开发，档位 8-9（高标准）做质量把关。其余档位是特殊场景的工具。

## 下一步

请调用 `AskUserQuestion` 展示以下选项，让学习者点击选择；从每条中提炼 1-5 个词作为 label，其余写入 description，不要要求输入数字：

- 进入下一课：Lesson 5 - CLAUDE.md：项目的 AI 记忆
- 返回主菜单
- 退出学习

---
*阶段 1 | Lesson 4.1/26 | 上一课: Lesson 4 - 快速上手 | 下一课: Lesson 5 - CLAUDE.md*