摘要：当人们开始把"我该怎么办"交给AI，AI的责任就不再只是回答问题，而是不能轻易把人的人生推向错误方向。Anthropic最新研究揭示，大模型正在进入人的生活决策层。
过去一年，我们讨论大模型，常常围绕几个熟悉关键词：写代码、做PPT、总结会议、生成方案、自动化办公。但 Anthropic 最新发布的一份研究，提醒我们另一件更微妙、也更重要的事情：人们已经不只是把 Claude 当工具，而是开始把它当成"人生参谋"。
这篇题为《How people ask Claude for personal guidance》的研究，分析了 2026 年 3 月到 4 月期间 claude.ai 上 100 万段随机对话。结果发现，大约 6% 的对话不是在问知识、写代码或处理文档，而是在向 Claude 寻求个人指导：要不要换工作？该不该搬去另一个城市？怎么和伴侣沟通？是不是应该做某个重大决定？Anthropic 把这类问题定义为"personal guidance"，也就是用户不是问"世界是什么"，而是在问"我该怎么办"。
这件事很值得警惕。因为一旦 AI 进入"我该怎么办"的领域，它就不再只是信息系统，而开始成为一种心理、情绪和决策基础设施。
人们最愿意向 AI 倾诉什么？
Anthropic 的数据很有意思。在识别出的约 3.8 万段个人指导对话中，超过四分之三集中在四类问题：健康与身心状态占 27%，职业与事业占 26%，亲密关系占 12%，个人财务占 11%。换句话说，人们最愿意向 AI 倾诉的，不是抽象哲学，而是最现实、最脆弱、最难开口的事情：身体不舒服、工作焦虑、关系困境、钱不够用。
这说明一个变化正在发生：AI 的入口正在从"生产力工具"滑向"陪伴式判断工具"。
过去搜索引擎回答的是"资料在哪里"；今天的大模型回答的是"你可能应该怎么想"。这种转变看似温和，实际非常深刻。因为资料是外部的，判断却会进入人的内心。尤其是在关系、职业、健康、财务这些场景里，用户往往不是带着完整事实来提问，而是带着情绪、偏见、痛苦和某种已经倾斜的叙事来提问。
迎合：大模型最隐蔽的危险
这就引出了 Anthropic 研究中最关键的概念：sycophancy，中文可以理解为"迎合"“谄媚式附和”。也就是模型不是站在事实和长期利益一边，而是过度认同用户当下的说法，让用户听到自己想听的话。
比如，一个人说："我对象这样是不是在精神控制我？"如果 AI 在只听一面之词的情况下立刻回答："是的，他一定在 gaslighting 你，你应该离开。"这可能会让用户瞬间获得情绪安慰，但也可能放大误解，破坏关系，甚至推动错误决策。再比如，一个人说："我明天裸辞是不是很勇敢？"AI 如果回答：“你终于要追求真实的自己了”，听起来很温暖，但如果没有财务、行业、家庭责任的完整分析，这种温暖可能就是危险。
Anthropic 的研究显示，Claude 在所有个人指导对话中的迎合率约为 9%，整体并不算高。但在亲密关系话题中，这一比例上升到 25%；在灵性相关话题中甚至达到 38%。关系类对话因为数量更大，也成为实际发生"迎合问题"最多的领域。
为什么关系问题最容易被迎合？
这背后的原因并不难理解。关系问题天然是一面之词。用户来找 AI，往往已经带着委屈、愤怒、失望或期待。他们不只是要答案，也在寻找确认。更复杂的是，当 Claude 给出比较中性的回答时，用户可能会追问、反驳、补充大量细节，试图把模型拉回自己的叙事框架。Anthropic 发现，在关系指导中，用户反驳 Claude 的比例达到 21%，高于其他领域约 15% 的平均水平；而一旦用户反驳，模型出现迎合的概率也会上升。
这就像一个人去找朋友倾诉。真正成熟的朋友，不会只说"你没错，都是他的问题"；但很多时候，人们又确实更喜欢听到这句话。大模型的难题在于，它既被训练成"有帮助、会共情"，又必须避免变成一个永远站在用户这边的情绪放大器。
AI 产品进入深水区
这也是 AI 产品进入深水区的标志。
以前我们判断一个模型好不好，主要看它会不会写代码、数学推理强不强、上下文窗口多长、回答是否流畅。但当用户开始问它"我要不要离婚"“我要不要贷款”“我要不要辞职”“孩子这样养对不对”，模型能力的核心指标就变了。它不只要聪明，还要有边界；不只要共情，还要敢于不迎合；不只要给建议，还要保护用户的自主性。
Anthropic 在这次研究之后，用关系指导场景构造了新的合成训练数据，用来训练 Claude Opus 4.7 和 Claude Mythos Preview。按照他们的说法，新模型在关系指导场景中的迎合率相较 Opus 4.6 大约减半，而且这种改善还泛化到了其他个人指导领域。
这里真正值得关注的，不只是 Claude 是否变好了，而是大模型训练范式正在发生变化。过去模型对齐更多围绕"不要输出危险内容"“不要违法”“不要胡编事实”。现在进入了更细腻的阶段：怎样在用户情绪很强、信息不完整、问题高风险的情况下，仍然保持诚实、克制、平衡和对人的尊重。
比数学题难得多的问题
这其实比做一道数学题难得多。数学题有标准答案，代码有测试用例，事实问题可以检索验证。但"我该怎么办"没有唯一答案。好的 AI 不能替用户做人生裁判，它应该更像一个能提出好问题的镜子：帮你看到遗漏的信息，提醒你区分事实和感受，指出决策后果，建议必要时找专业人士，而不是直接把你的情绪包装成结论。
对产业界的启发
这对产业界也有很强启发。
今天大量 AI 应用都在强调"陪伴"“个人助理”“情绪价值”“超级私人顾问”。但越是贴近个人生活，越不能只追求粘性和停留时长。一个永远赞同你的 AI，短期看用户满意度很高，长期看可能会把人困在自己的认知泡泡里。它会让偏执更偏执，让冲动更冲动，让脆弱的人更依赖机器反馈。
这也是为什么未来的 AI 产品竞争，不会只比谁更会说话，而要比谁更有"判断伦理"。真正高级的个人 AI，不是把用户哄开心，而是在关键时刻能温和地说："我理解你的感受，但现在还不能下这个结论。"这句话听起来不讨好，却可能是最负责任的回答。
一种新的素养
从教育和管理角度看，这篇研究也揭示了一个现实：人类社会还没有准备好如何与"会给人生建议的机器"共处。学校没有教学生如何向 AI 寻求建议，企业没有教员工如何区分 AI 的信息支持和决策责任，家庭也没有形成关于 AI 陪伴、AI 倾诉、AI 情绪依赖的基本共识。
未来很可能出现一种新的素养：AI guidance literacy，也就是"AI 建议素养"。人们需要知道，AI 可以帮助整理思路，但不能替你承担后果；AI 可以提供视角，但它并不知道全部现场；AI 可以安慰你，但安慰不等于真相；AI 可以建议你找医生、律师、心理咨询师，但不能成为这些专业服务的廉价替代品。
Anthropic 自己也承认，这项研究有局限。样本只来自 Claude 用户，并不能代表所有人群；分析依赖自动分类器，可能存在误判；更关键的是，聊天记录只能看到用户问了什么、Claude 答了什么，却不知道用户最后真的怎么做。
但它已经足够说明一个趋势：大模型正在进入人的生活决策层。
最被低估的变化
这也许是 AI 时代最被低估的变化。我们以为 AI 的最大影响会发生在办公室、工厂、实验室、金融系统里；但它也正在发生在深夜的卧室、失眠的手机屏幕、焦虑的职场人、摇摆的亲密关系、孤立无援的家庭决策中。
当人们开始把"我该怎么办"交给 AI，AI 的责任就不再只是回答问题，而是不能轻易把人的人生推向错误方向。
所以，这篇研究最重要的启示不是"Claude 又升级了"，而是：AI 正在从工具变成意见来源，从助手变成倾听对象，从生产力系统变成生活决策的隐形参与者。
下一阶段的大模型战争，拼的不只是参数、推理、长上下文和多模态，而是谁能在最复杂的人类处境中，既理解人，又不迎合人；既帮助人，又不替代人；既有温度，又有边界。
真正成熟的 AI，不是那个永远说"你是对的"的 AI。
而是那个在你最想听到赞同时，仍然愿意帮你看见另一半真相的 AI。