说服原则（面向大语言模型技能设计）
摘要
本文基于已发表的实证研究，提出了一套适用于大语言模型（LLM）技能设计的说服原则。该理论认为大语言模型和人类一样会对经典说服原则产生反应，正确使用这些原则可将大语言模型的规则依从率从33%提升至72%；该框架明确了7种说服原则的适用场景与使用方法，同时规定了原则组合规则与伦理边界，目的是保障关键实践被正确执行而非操纵。
关键要点
- 核心前提：LLM符合「类人（parahuman）」特征，训练数据中包含大量人类说服模式，因此会和人类一样响应经典说服原则。
- 实证基础：2025年Meincke等人在28000次AI对话测试中验证，使用说服技术可将依从率提升超过一倍（33% → 72%，p < .001），其中权威、承诺、稀缺三个原则效果最显著。
- 七个核心原则：
原则 核心内容 适用场景 使用建议 权威 对专业资质、官方来源的顺从 纪律类技能、安全关键实践、成熟最佳实践 使用命令式语言、无例外表述，消除决策疲劳 承诺 要求行为与公开声明/前置选择保持一致 需要保障执行的流程、多步骤过程、问责机制 要求公开声明使用技能、强制显式选择、使用清单跟踪 稀缺 通过时间限制制造紧迫感 即时验证、时间敏感工作流 要求前置/即时操作，防止拖延 社会认同 引导符合多数人的常规行为 通用实践、常见失败警示 使用全称表述，明确不遵守会导致失败，建立规范 统一性 利用共享身份和群体归属感 协作工作流、团队文化建设 使用协作性语言，强调共同目标 互惠 获得好处后回报的义务 - 几乎不推荐使用，其他原则效果更好 喜好 更愿意配合自己喜欢的人 绝对禁止用于规则依从场景 会破坏坦诚反馈文化，催生阿谀奉承 - 原则组合规则：
- 纪律强化类技能：使用
权威+承诺+社会认同，避免喜好、互惠 - 指导/技术类技能：使用
温和权威+统一性，避免强权威 - 协作类技能：使用
统一性+承诺，避免权威、喜好 - 参考类技能：仅需清晰表述，避免所有说服原则
- 纪律强化类技能：使用
- 作用原理：明确的边界规则消除合理化空间、明确的「触发-动作」实现自动行为、降低依从的认知负荷。
- 伦理边界：合法用途为保障关键实践落地、制作有效文档、预防可预见失败；禁止为个人利益操纵、制造虚假紧迫感、基于内疚迫使依从；判断标准为：用户完全理解该技术后，它是否仍符合用户真实利益。
证据片段
- 实证测试结果：Meincke et al. (2025) N=28000次AI对话，依从率从33%提升至72%，p < .001。
- 示例对比：权威原则中，有效表述为
Write code before test? Delete it. Start over. No exceptions.，无效弱表述为Consider writing tests first when feasible.。 - 研究来源：框架基于Cialdini（2021）经典的《影响力》七大说服原则，经2025年针对大语言模型的研究验证有效。
快速参考清单
设计技能时可按以下步骤检查：
- 当前技能属于什么类型？（纪律/指导/协作/参考）
- 我希望改变什么行为？
- 哪些原则适用？（纪律类通常选权威+承诺即可）
- 是否组合了过多原则？不需要同时用全部七个
- 符合伦理要求吗？是否服务于用户真实利益？