Files
huachuang/.cursor/skills/writing-skills/persuasion-principles.md

188 lines
5.3 KiB
Markdown
Raw Permalink Blame History

This file contains ambiguous Unicode characters

This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.

# 技能设计中的说服原则
## 概述
LLM 对与人类相同的说服原则有反应。理解这种心理学有助于你设计更有效的技能——不是为了操纵,而是为了确保关键实践即使在压力下也能被遵循。
**研究基础:** Meincke 等人2025用 N=28,000 次 AI 对话测试了 7 种说服原则。说服技巧使合规率提高了一倍多33% → 72%p < .001)。
## 七大原则
### 1. 权威
**定义** 对专业知识资质或官方来源的服从
**在技能中的运作方式:**
- 命令式语言"你必须"、"绝不"、"始终"
- 不可协商的框架"无例外"
- 消除决策疲劳和合理化
**适用场景:**
- 纪律执行类技能TDD验证要求
- 安全关键实践
- 已确立的最佳实践
**示例:**
```markdown
✅ 先写代码再写测试?删掉它。重新开始。无例外。
❌ 在可行时考虑先写测试。
```
### 2. 承诺
**定义** 与先前行为声明或公开宣告保持一致
**在技能中的运作方式:**
- 要求宣布"宣布技能使用"
- 强制明确选择"选择 AB C"
- 使用跟踪TodoWrite 清单
**适用场景:**
- 确保技能被实际遵循
- 多步骤流程
- 问责机制
**示例:**
```markdown
✅ 当你找到一个技能时,你必须宣布:"我正在使用 [技能名称]"
❌ 考虑让你的搭档知道你在使用哪个技能。
```
### 3. 稀缺
**定义** 来自时间限制或有限可用性的紧迫感
**在技能中的运作方式:**
- 有时间限制的要求"在继续之前"
- 顺序依赖" X 之后立即"
- 防止拖延
**适用场景:**
- 即时验证要求
- 时间敏感的工作流
- 防止"我以后再做"
**示例:**
```markdown
✅ 完成任务后,在继续之前立即请求代码审查。
❌ 你可以在方便时审查代码。
```
### 4. 社会认同
**定义** 遵从他人的做法或被视为正常的行为
**在技能中的运作方式:**
- 普遍模式"每次"、"总是"
- 失败模式"X 没有 Y = 失败"
- 建立规范
**适用场景:**
- 记录普遍实践
- 警告常见失败
- 强化标准
**示例:**
```markdown
✅ 没有 TodoWrite 跟踪的清单 = 步骤会被跳过。每次都是。
❌ 有些人觉得 TodoWrite 对清单有帮助。
```
### 5. 归属
**定义** 共享身份、"我们"群体归属
**在技能中的运作方式:**
- 协作语言"我们的代码库"、"我们是同事"
- 共同目标"我们都想要高质量"
**适用场景:**
- 协作工作流
- 建立团队文化
- 非层级关系的实践
**示例:**
```markdown
✅ 我们是一起工作的同事。我需要你诚实的技术判断。
❌ 如果我错了你可能应该告诉我。
```
### 6. 互惠
**定义** 回报所获好处的义务
**运作方式:**
- 谨慎使用——可能让人感觉被操纵
- 在技能中很少需要
**何时避免:**
- 几乎所有时候其他原则更有效
### 7. 好感
**定义** 更愿意与喜欢的人合作
**运作方式:**
- **不要用于合规性**
- 与诚实反馈文化冲突
- 制造谄媚
**何时避免:**
- 纪律执行中始终避免
## 按技能类型组合原则
| 技能类型 | 使用 | 避免 |
|----------|------|------|
| 纪律执行类 | 权威 + 承诺 + 社会认同 | 好感互惠 |
| 指导/技术类 | 适度权威 + 归属 | 过度权威 |
| 协作类 | 归属 + 承诺 | 权威好感 |
| 参考类 | 仅清晰度 | 所有说服技巧 |
## 为什么有效:心理学
**明确的规则减少合理化:**
- "你必须"消除决策疲劳
- 绝对性的语言消除"这是例外吗"的问题
- 明确的反合理化应对堵住具体漏洞
**实施意图创造自动行为:**
- 清晰的触发条件 + 必需的行动 = 自动执行
- " X Y""通常做 Y"更有效
- 减少合规的认知负担
**LLM 具有类人特性:**
- 在包含这些模式的人类文本上训练
- 训练数据中权威性语言先于合规性出现
- 承诺序列声明 行动被频繁建模
- 社会认同模式大家都做 X建立规范
## 伦理使用
**正当用途:**
- 确保关键实践被遵循
- 创建有效的文档
- 防止可预见的失败
**不正当用途:**
- 为个人利益操纵
- 制造虚假紧迫感
- 基于内疚的合规
**判断标准:** 如果用户完全理解这个技巧它是否仍然服务于用户的真正利益
## 研究引用
**Cialdini, R. B. (2021).** *Influence: The Psychology of Persuasion (New and Expanded).* Harper Business.
- 七大说服原则
- 影响力研究的实证基础
**Meincke, L., Shapiro, D., Duckworth, A. L., Mollick, E., Mollick, L., & Cialdini, R. (2025).** Call Me A Jerk: Persuading AI to Comply with Objectionable Requests. University of Pennsylvania.
- N=28,000 LLM 对话测试了 7 种原则
- 使用说服技巧后合规率从 33% 提高到 72%
- 权威承诺稀缺最为有效
- 验证了 LLM 行为的类人模型
## 快速参考
设计技能时问自己
1. **这是什么类型?**纪律类 vs 指导类 vs 参考类
2. **我试图改变什么行为?**
3. **哪些原则适用?**纪律类通常用权威 + 承诺
4. **是否组合了太多?**不要全用七种
5. **这合乎伦理吗?**服务于用户的真正利益