将Mom Test思路应用于LLM prompt设计，避免恭维，追求事实与反例

“方法论移植” —— 把《Mom Test》的用户调研思路套到和大语言模型（LLM）对话、设计 prompt 这种新兴交互上。

核心隐喻依然成立：别问模型（就像别问妈妈）一些会自动给出“好听废话”的问题，而要构造 prompt，让模型给出可验证、基于事实或明确约束的回应。

可以提炼出几个要点：

---

1. 避免问意见，改问证据

坏 prompt：
- 你觉得这个方案好不好？
- 这样设计是不是很合理？

模型的倾向：它会很礼貌地说“是的，很不错”，并生成一些泛泛的优点。

好 prompt：
- 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

坏 prompt：
- 如果遇到X问题，你会怎么处理？
（模型会发挥编故事，结果没法验证真伪）

好 prompt：
- 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？

这样能把回答 anchor 在已有知识而不是随意幻想。

---

3. 避免模糊，要求具体

坏 prompt：
- 帮我优化这个文案。
- 给我一些改进建议。

好 prompt：
- 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

坏 prompt：
- 如果你是用户，你会不会喜欢这个产品？

好 prompt：
- 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

坏 prompt：
- 你能确认我这个逻辑是对的吗？
（模型会有从众/迎合倾向，容易给“是的，没问题”）

好 prompt：
- 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。

---

总结一句：

把 Mom Test 的反礼貌思维套到 LLM 上，就是在 prompt 中逼它不要给面子话，而要给事实、行为、反例和限制。

这其实能让 prompt 变成一套“抗幻觉、抗恭维”的护栏。