「結構化異議」：讓 AI 扮演你的魔鬼代言人，找出真正重要的缺陷
AI 預設的禮貌與平衡，常讓協作流於表面。與其讓 AI 附和我們，不如在系統中明確設計「敵對角色」，賦予它尋找缺陷的責任。本文從一個程式碼審查的案例出發，探討如何透過「結構化異議」的設計，將 AI 的潛力從低摩擦的共識產生器，轉化為高價值的品質控制機制。
大型語言模型在多數協作任務中，預設追求平衡、禮貌且不得罪人，這在程式碼審查（Code Review）等需要批判性分析的場景中，反而成為一種負債。這種「和諧偏誤」常產出低摩擦但低價值的共識，難以揭露深層缺陷。要發揮 AI 的真正潛力，我們必須在協作系統中明確設計「結構化異議」（Structured Dissent），賦予 AI 敵對角色與反證責任，讓有目的的「不同意」成為品質控制的核心機制。這不僅是個提示工程技巧，更是未來人機協作設計的關鍵思維轉變。
AI 協作為何容易陷入「和諧陷阱」？
如果你曾讓 ChatGPT 或 Claude 這類模型幫你審查程式碼，大概會對以下的回應模式感到熟悉：「整體來說，這段程式碼寫得很好。不過，這裡有幾個可以改善的小建議⋯⋯」。這種回應模式是 AI 經由 RLHF（人類回饋增強學習）微調後的典型產物。模型被訓練得要友善、有幫助、避免產生衝突，因此它們傾向於先肯定、再提出溫和建議，以維持流暢的互動體驗。
然而，在品質保證、風險評估或程式碼審查這類工作中，我們的目標並非尋求和諧，而是找出潛在的失敗點。AI 預設的和諧溝通，反而容易讓我們陷入一種「認知安逸」的狀態，忽略了那些最需要被挑戰的假設。
當 AI 總是扮演一個溫和的建議者，而非嚴格的檢驗者時，它所提供的價值便大打折扣。這種低摩擦的互動，最終只會導向低價值的表面共識，無法真正提升系統的強韌性（robustness）。
如何設計結構化異議？以「敵對性驗證」為例
日本一個 Web 開發團隊 coelia-system 的實踐，為我們提供了一個將「結構化異議」具體落實的絕佳範例。他們在其專案的架構決策紀錄（ADR 0082）中，對所有十幾種審查相關的 AI 技能（包含架構、資安、效能、可靠性等）導入了一套名為「敵對性驗證」（Adversarial Verification）的作法。這套作法的核心，就是透過明確的規則，強制 AI 擺脫和諧的預設，轉而扮演一個專注於尋找缺陷的敵對角色。
他們制定了三項簡單而強大的規則：
- 規則一：預設缺陷存在。AI 的任務是找出問題，而不是給予讚美。審查的開頭必須是：「我將開始進行敵對性驗證，以找出此提案中的缺陷。」這徹底翻轉了 AI 的預設心態，從「證明它對」轉變為「證明它錯」。
- 規則二：必須具體指出缺陷。不能只給空泛的改善建議，必須明確指出程式碼中的錯誤、潛在的資安漏洞或效能瓶頸。這要求 AI 的回饋必須是可操作且有證據的。
- 規則三：若找不到缺陷，必須明確宣告。如果經過嚴格檢驗後真的沒有發現問題，AI 必須以「本次驗證未發現任何缺陷」作結。這個結語強迫 AI 為其審查結果背書，使其不能用模稜兩可的語言輕易帶過。
這套作法看似只是改變了提示詞，但其本質是在人機協作流程中，制度性地嵌入了一個「魔鬼代言人」。它不再依賴 AI 的自發性批判，而是透過系統設計，確保批判性視角的存在與作用。
為何這不僅僅是個 Prompt 技巧？
將「敵對性驗證」僅僅視為一種高明的提示工程，會錯失其更深層的意義。它的核心價值在於，它是一種「協作系統設計」的思維——我們主動定義了 AI 在系統中應扮演的角色、應承擔的責任，以及它與人類協作者之間的互動模式。
我們需要的不是一個總是附和的夥伴，而是一個被賦予了反對責任、且能力足以挑戰我們的嚴謹對手。
這個概念與幾個重要的領域緊密相關：
- AI 紅隊演練（Red Teaming）：傳統上，紅隊演練需要由人類專家模擬攻擊者來找出系統弱點。敵對性驗證相當於將這個過程部分自動化，讓 AI 系統性地、持續地對產出進行壓力測試。這與 Google 等公司對大型語言模型進行紅隊演練的理念不謀而合。
- 科學哲學中的可證偽性（Falsifiability）：哲學家 Karl Popper 主張，一個科學理論的價值不在於它能被多少證據支持，而在於它是否能被潛在地推翻。同樣地，一段程式碼或一個系統設計的強韌性，也來自於它能經得起多少嚴格的「證偽」嘗試。敵對性驗證，就是將 AI 設定為一個積極的證偽者。
- 認知多樣性（Cognitive Diversity）：高效的團隊需要不同的觀點與技能。在人機協作中，如果 AI 只是人類思維的延伸或附和，我們就浪費了引入非人智慧的機會。透過設計敵對角色，我們在系統中人工創造了認知多樣性，確保總有一個批判性的聲音存在。
從這個角度看，這套作法更像是為 AI 設定了一套「微型憲法」，類似於 Anthropic 提出的 Constitutional AI 概念，只是應用範疇更為具體。我們不再只是向一個通用的、黑箱的模型提問，而是正在設計一個有特定角色分工、有明確流程的、可預測的協作系統。
當我們開始以「系統設計」而非「單次互動」的視角來思考與 AI 的協作時，才能真正駕馭它的力量。與其期待一個溫和的 AI 夥伴，不如動手設計一個嚴格的 AI 對手。因為在建構可靠系統的漫長道路上，有價值的異議，遠比廉價的共識來得重要。
延伸閱讀
- Adversarial Verification Review：本文主要參考的日本開發團隊實踐案例。
- Claude's Constitution：Anthropic 關於如何透過一套原則來指導 AI 行為的官方說明。
- Karl Popper：史丹佛哲學百科全書中關於可證偽性理論的條目。
我是江中喬，專注於 AI Agent Architecture、Memory Governance 與 Cognitive Diversity，持續研究如何打造能夠長期協作、可信任且可治理的 AI 系統。