大家好，我卡颂。
经常与 AI 进行专业讨论（比如需求分析、方案讨论…）的朋友会发现，即使再先进的 AI，都有两个问题：
- 输出内容有幻觉
- 经常说恭维话
常见的解决办法通常是「工程化方案」，比如「对生成内容进行事实核查」。
最近在推上看到@Tz_2022巧妙将Mom Test方法论迁移到“与AI对话”上，获得不错效果。
整个理念非常有意思，今天就将这一方法论分享给大家。
The Mom Test
Mom Test（妈妈测试）是一套由「Rob Fitzpatrick」提出的，用于「评估创业想法和获取真实客户反馈」的框架。
Rob Fitzpatrick
其核心思想是：「你无法通过询问他人（即使是你妈）是否喜欢你的创业点子来获得真实反馈，因为人们出于礼貌或避免冲突，往往会说“好话”而不是“真话”。」
这个测试的目的是教你如何提出正确的问题，从而绕过这种“社交礼貌”，挖掘出用户真实的行为、痛点和需求，避免在错误的想法上浪费时间和金钱。
方法论的核心可以总结为3个基本原则：
原则1：谈论他们的生活，而不是你的想法
不要一上来就激动地描述你的产品创意，因为这会立刻将对方置于一个“评审员”的角色，他们只会对你的想法做出反应（通常是鼓励性的），而不是透露自己的真实情况。
- 错误示范：“我有一个做XX的App创意，你觉得怎么样？”
- 正确示范：“你平时是怎么处理「某个问题」的？”、“能跟我聊聊你上次遇到「某个问题」时的具体情况吗？”
通过聚焦于「他们过去的经历、行为和痛点」，你能获得客观、真实的数据。
原则2：询问具体的事实和行为，而不是泛泛的意见和假设
人们的意见和未来的承诺（“我可能会用”）是廉价且不可靠的。过去的具体行为和事实才是可靠的证据。
- 错误示范：“你会使用一个能解决这个问题的产品吗？”
这是一个关于未来的假设，答案很可能是“会的”
- 正确示范：“你目前是怎么解决这个问题的？”、“你为此尝试过哪些工具或方法？”
这些是关于过去事实的问题
原则3：倾听“坏消息”和痛点
创业的宝贵洞察往往隐藏在用户的挫折、抱怨和不满意中。你的目标是发现并理解这些痛点，因为它们才是你产品存在的理由。
方法论迁移
聪明的朋友已经发现了，如果将Mom Test的提问技巧用在 AI 上，天然就有如下效果：
- 反幻觉：基于用户的经历、行为等真实发生的事提问
- 反恭维：倾听坏消息、不满
以下是@Tz_2022总结的「适用于 AI 的Mom Test提问技巧」：
1. 避免问意见，改问证据
错误示范：
- 你觉得这个方案好不好？
- 这样设计是不是很合理？
分析：模型会倾向于说更多泛泛的恭维话。
正确示范：
- 请给我 3 个具体反例，说明这个方案可能失败的场景
- 请基于已知的事实/数据，列出这个设计可能遇到的限制
2. 避免未来假设，追问过去表现
错误示范：
- 如果遇到X问题，你会怎么处理？
分析：模型输出没有依据，可能会产生幻觉。
正确示例：
- 请列举你在训练语料中学到的、已经出现过的X问题解决案例
- 在过去的研究或历史记录中，X是如何被解决的？
分析：基于「已发生的事实」输出。
3. 避免模糊，要求具体
错误示范：
- 帮我优化这个文案
- 给我一些改进建议
正确示范：
- 请将这个文案重写成3个版本：① 面向投资人，② 面向工程师，③ 面向普通用户，每个版本100字
- 请逐句指出文案中哪些地方含糊，并给出更清晰的替代表达
4. 用行为驱动而不是态度驱动
错误示范：
- 如果你是用户，你会不会喜欢这个产品？
正确示范：
- 假设你是目标用户，请模拟一次实际使用过程，并逐步写出你会点击、输入、犹豫的步骤
5. 验证而非求赞美
错误示范：
- 你能确认我这个逻辑是对的吗？
正确示例：
- 请检查我这个逻辑，找出其中至少一个可能的错误，并解释理由。
- 如果必须反驳我，请站在反方角度给出3点论证。
总结
掌握5个基于Mom Test的提示词技巧，有效减少模型输出的幻觉与恭维。
以下是推友@JerryBobAI制作的总结：
如果你觉得5个技巧记忆起来有点难，也可以记住一个关键词「brutal」。
使用方式很简单，在与 AI 进行专业讨论时，带上这个关键词，能让输出更犀利，有效减少恭维。
比如：
复制
