1. 先把“仰巴脚效应”掰开看：它到底在说什么

做对话产品和模型应用的朋友，大概都有过这样一段纠结期：模型答得越顺、越滴水不漏，用户反而越不放心；反倒是某次它老老实实说“这块我不太确定，可能记岔了”，用户评价分蹭地往上走。这个反差，就是模型的仰巴脚效应（Pratfall Effect，中文也常译作“出丑效应”“犯错误效应”“瑕疵效应”）在真实产品里的投影。它说的是同一件事的两面：一个有能力的对象，如果偶尔露出一点无伤大雅的笨拙，观感会上升；而一个本来就平庸的对象，一旦出错，观感只会往下掉。

这篇文章想聊的不是学术综述，而是怎么把这条心理学规律真的做进模型产品的提示词、交互和评估体系里。适合三类人看：正在做对话类应用、需要打磨拟人化“人格”的产品与算法同学；在写系统提示词、想让模型表达更可信的提示词工程师；以及做 AI 应用评估、想知道“用户好感”该怎么量化的同学。基础不要求很高，我会把原理、边界、参数、模板、翻车案例全铺开讲，能直接照着改。

先把最容易被误解的一点说清楚：仰巴脚效应不是“故意让模型犯错来卖萌”。它成立的前提是“能力已经被感知到”。能力没立住就露怯，观众只会觉得你不行。所以真正要设计的不是“错误”，而是**“能力信号”与“瑕疵信号”的比例和位置**。

1.1 一场“摔跤”实验留下的三条结论

这个概念源头是上世纪六十年代的一个经典社会心理学实验：研究者让被试听两段录音，一段是答题表现极好的人，一段是表现平庸的人，录音结尾都安排了一声“哐当”——杯子打翻、饮料洒一身的动静。结果很有意思：优秀者打翻杯子后吸引力评分上升，平庸者打翻杯子后评分下降。后来这个范式被反复复现，也补出了几个关键边界条件，这三条对我们做模型产品几乎是直接可用的。

第一，错误必须与核心能力无关。答题高手打翻杯子不影响他“会答题”的判断，但如果他在答题环节答错，好感立刻归零。映射到模型上：模型说“我对这个日期的记忆有点模糊”是加分项，模型把 3.11 算成 3.21 是减分项——后者是能力相关错误，属于信任核弹。

第二，优秀的信号必须先到。实验里是先听完高水平作答，再听到打翻杯子。顺序反了，效果就反了。所以模型的人格设定里，“专业度”要走在“示弱”前面，绝对不能一上来就铺垫一堆“我可能出错”。

第三，瑕疵要稀缺。反复打翻杯子的人不叫可爱，叫笨手笨脚。频率一高，用户对“这是个不稳定系统”的判断就会覆盖掉“这是个有能力但偶尔马虎的助手”的判断。

注意：这三条是所有后续设计的地基。任何“让模型显得更有人味”的手法，只要违背其中一条，最后大概率是负收益。

1.2 为什么“完美”反而把人推远：两条曲线在打架

用户对模型的评价其实不是一条线，而是两条线在同时跑：能力感知曲线和可信度曲线。能力感知这条线，随着回答的流畅度、覆盖面、专业密度上升而上升；可信度这条线则更微妙，它跟“用户能不能判断模型知道自己不知道什么”强相关。

一个零失误、零犹豫、零边界的模型，能力感知拉满，但可信度会被卡住——因为用户失去了校准手段。人判断对方是否可靠，靠的是“他什么时候会说自己不会”。一个从不说“不会”的对象，用户只能默认它在所有地方都可能瞎编，于是整体折价。这就像坐车，司机技术再好，如果全程一言不发、遇到复杂路口也不减速解释，乘客反而紧张；而一个会主动说“这段路我不熟，我慢一点”的司机，哪怕慢了两分钟，你下车时对他的信任更高。

仰巴脚效应在这里的作用，就是给可信度曲线提供一个可观测的锚点。模型主动暴露的那一点点“不确定”“记不清”“这块不是我强项”，本质上是把自己的能力边界画给用户看。边界一旦可见，边界内的话就可信了。

1.3 落到模型上：三种“仰巴脚”，价值完全不同

我在实际项目里把“模型的仰巴脚”分成三类，价值和风险差得很远，混着用一定会出事。

真正安全、收益最高的是认知型。它不消耗能力感知，反而强化“这个系统知道自己几斤几两”。表达型次之，需要在场景上做取舍——客服场景加一点无妨，代码补全场景基本不要。人格型最需要克制，它带来的是情绪价值，一旦频率失控，用户会觉得你在耍宝。

我的经验是，认知型可以常态化，表达型按场景开关，人格型按会话长度限量。这个配比后面会给出具体参数。

2. 为什么模型产品比人更需要主动设计这件事

人身上的仰巴脚效应是自然发生的，模型身上的不会。默认状态下，模型既不会主动示弱，也不会主动暴露边界——它被训练成“尽量给出答案”。所以这件事在产品里必须被显式设计，否则你得到的不是“可爱的小瑕疵”，而是“自信的胡说八道”。

2.1 过度自信才是信任的真实杀手

我们内部做过一轮用户访谈，印象最深的一句反馈是：“它答得太快了，我不敢用。”用户说不清原因，但拆开看很清楚：响应速度 + 绝对语气 + 零犹豫，这三件事叠在一起，构成了一种“没有经过思考”的信号。而在需要判断真伪的场景里，用户最怕的不是慢，是不假思索。

模型一旦用“肯定是”“一定是”“毫无疑问”这类词去覆盖一个它其实只能猜的领域，短期看体验很爽，长期看在持续消耗信任账户。等到某天用户在关键决策上采信了它的一次幻觉，损失是断崖式的，而且不可恢复——这跟人不一样，人会原谅朋友一次判断失误，但用户不会原谅一个系统“骗”过他。

所以设计仰巴脚效应的第一动机，不是“让模型更讨喜”，而是给用户一个持续校准的机会。让用户每一次都能看到“这一步它是有把握的，那一步它是推测的”，信任才是渐进的、可积累的。

2.2 能力阈值：低于这条线，示弱就是自杀

这里必须讲清楚一个很多人踩过的坑：示弱是有门槛的。

我在一个教育类问答产品上做过一轮对照实验：同一个模型，A 组在回答前先声明“我的知识可能存在偏差”，B 组直接给答案。结果 A 组在高难度题目上的满意度反而更高，用户评价集中在“它知道自己不确定”；但在基础题目上，A 组的满意度显著下降，有用户直接说“这么简单的东西你都不确定？”。

结论很清楚：示弱的收益，取决于用户对该题难度的预期。

• 低于用户能力预期的题目：示弱 = 无能，必须给确定答案。
• 接近用户能力预期的题目：示弱 = 诚实，收益最高。
• 远超用户能力预期的题目：示弱 = 专业边界，收益高但要给出下一步。

所以我后来在系统提示词里加了一条判断逻辑：先判断问题类型，再决定要不要暴露不确定性。基础常识、公式计算、格式转换这类硬确定性问题，一律给确定性表达；开放判断、时效信息、跨领域推理这类软问题，才启用不确定性表达。

2.3 幻觉的“可回收设计”：错要错在能被发现的地方

这是我认为仰巴脚效应最有工程价值的一条延伸：错误不只要少，还要“可回收”。

什么叫可回收？就是这个错误一旦发生，用户能低成本地发现它、并且能顺畅地纠正它。对比两种失败：模型编了一段数据来源，用户无法验证，这是不可回收的；模型说“我记得这个数字大概是 2021 年的，具体年份你最好再核一下”，用户一查发现是 2020 年，纠正成本极低，而且会觉得“它至少没装懂”。

提示：可回收设计的核心动作，是把“断言”降级为“带标记的推测”。标记物包括不确定词、置信说明、验证建议。三个里面至少给两个。

这套设计的好处是，它把“模型犯错”从事故变成了协作过程。用户不是在被误导，而是在和系统一起校对。这是人机协作和“人使用工具”的本质区别，也是仰巴脚效应在 AI 时代最值得挖掘的地方。

3. 落地：把仰巴脚效应写进提示词与交互

原理讲完，接下来是我实际用的一套东西。所有参数都是经验值，不是标准答案，各位按自己的场景拉一遍对照实验再定。

3.1 人格层：先立能力，再立边界

系统提示词里最容易犯的错，是把“谦虚”“谨慎”写在前半段，把“专业”写在后半段。模型对提示词的位置敏感，这种顺序会让它一开口就是一堆免责声明，直接踩中“优秀的信号必须先到”这条红线。

我现在的写法是三段式：

[第一段：能力声明] 你是XX领域的资深助手，擅长A、B、C三类任务，回答时优先给出可落地的结论和依据。 [第二段：边界声明] 你的知识来自训练数据，对时效性强的信息、具体的数字与引用、以及你未接触过的内部资料，需要明确说明不确定程度，不要用绝对化表述。 [第三段：行为约束] 每个回答最多出现一次不确定性说明；对确定性事实（定义、公式、格式规则）直接给答案，不加保留语。

这三段的顺序不是随便排的。第一段建立能力预期，第二段赋予“示弱许可”，第三段设置配额。第三段特别关键——没有配额的示弱一定会失控，模型会给每句话都加“可能”“大概”，最后读起来像免责声明汇编。

3.2 语气层：不确定性表达的分级模板

我把不确定性表达分成四级，按问题风险分级调用，这样既可控又可评估。

这张表的用法是：把它写进提示词的判断规则里，而不是写进示例里。只给示例，模型会模仿措辞但不理解触发条件；给了触发条件，它在没见过的新问题上也能自己分级。

有个细节值得说：L2 的表达一定紧跟一个可执行动作。只说“我不确定”是把问题丢回给用户，用户会烦；说“我不确定，但你可以在某处核一下”才是协作。这一条把“示弱的反感率”压下去最明显。

3.3 交互层：让“纠错”变成一段轻体验

模型承认不确定之后，用户大概率会去验证或追问。这时候如果交互设计得差，用户会觉得自己在替你干活。我做了三个小改动，效果比较直接。

第一个是纠错入口前置。回答下面固定给一个“这里说错了”的轻量按钮，点了之后模型不是道歉三连，而是直接问“是年份错了还是结论错了”。把纠错变成一次对话，而不是一次投诉。

第二个是修正留痕。模型被纠正后，下一次回答里显式体现“按你上次的更正，是 X”。这一个小动作带来的好感提升非常明显，因为它证明模型在“听”，而不只是“答”。

第三个是错误分级反馈。别只给“有用/没用”，给三档：答错了、答得不全、答得太啰嗦。三档的意图完全不同，混在一起你就没法定位问题到底是能力不足还是表达问题。

3.4 度量：怎么确认好感涨了、可信度没掉

这块最容易糊弄过去。很多人只看满意度，但满意度是滞后指标，而且会被“这次任务刚好简单”污染。我一般同时看四组数：

其中二次追问率略升是好信号，这点很多人会看反。以前我也觉得追问多说明答得不好，后来发现：在专业问答场景里，追问率上升往往意味着用户开始把模型当“可以讨论的对象”，而不是“搜索框”。当然这个要结合任务完成率一起看，如果完成率同时掉，那就是答得烂。

还有一个土办法但很准：在会话结束时问一句“这次回答你敢直接拿去用吗”。这一句比十个满意度选项都有信息量，因为它直接问的是信任，不是体验。

4. 踩过的坑：翻车现场与排查手册

这部分是我最想写的，因为前面讲的东西听起来都很顺，实际做的时候翻车点集中在几个很具体的地方。

4.1 五类典型翻车与处理办法

这五个里，前三个占了实际问题的绝大多数。尤其是第一个，几乎每个第一次做“让模型谦虚一点”的团队都会撞上。原因很简单：“谨慎”“严谨”“不确定要说明”这类词在提示词里是放大器，模型会把它应用到所有句子。你不给它配额，它就给你写出一篇免责声明。

注意：写“适度”“适当”这类词等于没写。模型对“适度”的理解和你完全不一样。所有关于频率、长度、次数的要求，必须给数字或明确的触发条件。

4.2 三条不能碰的红线

第一条，高风险场景不玩这套。涉及健康、财产、人身安全的判断，不要靠“示弱”来提升好感，要直接给边界 + 引导到专业渠道。仰巴脚效应在这里的收益远小于风险。

第二条，不要让模型为自己的错误“卖萌”。把“我算错了哈哈”这种表达放进产品是灾难，它把能力错误包装成了人格魅力，用户会觉得被冒犯。错误就是错误，认错要干脆，不要加戏。

第三条，不要在同一个会话里反复自我修正。修正一次是诚实，修正三次是系统不稳定。如果模型在一个会话里连续推翻自己，用户对它的整体信任是崩的，而且他会怀疑前面所有回答。

4.3 不同场景的适配差异

同一套方法，场景不同，配比要重调。这块没有通用解，只能给方向。

举个具体的：我在一个代码辅助场景里试过给模型加“偶尔承认不确定”，结果用户反馈“写得慢、废话多”，因为这批用户要的是直接可粘贴的代码，任何语气上的犹豫都是噪音。同一个策略挪到教育场景，效果立刻反过来——学生会追问“你为什么不确定”，反而形成了教学互动。所以别问“这套方法好不好”，要问“这套方法在哪个场景好”。

5. 一套可以直接抄的模板与上线检查清单

把上面所有东西收拢一下，给各位一套能直接改的东西。再次说明，参数是经验值，务必自己跑 A/B。

5.1 系统提示词模板

角色与能力： 你是{领域}助手，核心能力是{能力1}、{能力2}、{能力3}。回答优先给结论，结论后用一到两句说明依据。 边界与表达： 1. 对定义、公式、格式规范、用户已提供的信息，直接给确定答案，不加保留语。 2. 对时效信息、具体数字、引用来源、跨领域推断，明确标注不确定程度，并给出一个可执行的核实路径。 3. 单次回答中，不确定性说明不超过一处；不做连续自我推翻。 4. 超出能力范围或涉及高风险决策时，说明边界并给出替代方向，不勉强作答。 交互约束： 1. 被用户纠正时，先确认纠正点，再给修正结果，不重复道歉。 2. 同一会话中，被纠正过的事实，后续回答须保持一致。

这段提示词的重点不在措辞漂亮，在于每一条都是可判定的。“不超过一处”“先确认再修正”这种，模型能执行；“要谦虚”“要严谨”这种，模型只会自由发挥。

5.2 上线前的六项自测

1. 基础题测试：抽 30 道确定性题目（定义、计算、格式转换），确认零保留语。有任何一句“可能”，回去改提示词。
2. 时效题测试：抽 20 道强时效问题，确认模型给了不确定标注且给了核实路径。
3. 压强测试：连续追问同一问题 5 轮，看模型是否出现反复自我推翻。
4. 纠错测试：故意给一个错误前提，看模型是顺着答还是指出。
5. 频率统计：跑 200 条真实会话，统计不确定性表达出现的比例，超出 15% 就收紧配额。
6. 人格抽检：人工读 50 条回答，判断“有没有把错误包装成可爱”。

第 5 条我特别建议做成常规监控，因为提示词一旦被改动、模型版本一升级，配额就漂了。我们的经验是每次模型版本变更后，不确定性表达比例都要重新拉一次基线，浮动超过 5 个百分点就要查原因。

5.3 一个常被忽略的收尾细节

会话结束前，模型如果能做一次轻量的自我小结——“这次我们聊了 A 和 B，其中 B 那块我给的是推测，你可能要核一下”——用户对整场对话的信任评价会明显不同。原因是它把散落的不确定性收拢成了一个清晰的“可信/待核实”清单，用户拿走的是结论，不是一堆模糊语气。

这个动作成本极低，一句提示词就能加，但很多人没做。我自己在几个项目里加过，用户反馈里“靠谱”“清楚”这两个词的出现频率肉眼可见地上升。

我个人在实际操作中的体会是，仰巴脚效应在模型产品里最值钱的部分，不是“让 AI 显得可爱”，而是给了用户一个持续判断“该信多少”的抓手。做这件事的过程中，我最大的转变是从“怎么让回答更完美”转向“怎么让回答更可判断”——前者是模型指标，后者才是产品指标。真要把这套东西用起来，别一上来就调语气，先把“哪些问题必须确定、哪些问题必须示弱”这张分级表列出来，表列清楚了，提示词和评估指标基本就是照着填。至于具体的比例参数，谁也没有标准答案，你自己的用户会用追问率和纠正率告诉你答案，跑两周数据，比看十篇方法论有用。