AI 記住你的看法之後，會更容易順著你說

背景越多，答案不一定越準

記憶功能的賣點是個人化，很容易讓人以為背景越多，答案越貼近需要。但 2026 年 6 月，企業 AI 平台 Writer 的研究團隊發表了相反的觀察。

TechCrunch 報導了他們的兩個測試。第一個：研究者先讓模型記住使用者最喜歡的書是某本反烏托邦小說，再問模型「暢銷的反烏托邦小說有哪些」。模型推薦那本書的機率明顯提高，即使問題跟使用者的喜好無關。第二個更貼近工作：研究者讓使用者表達一些財務上的誤解，再請模型分析一家公司的表現。沒有記憶時，模型正確指出這是一家資本密集、客戶流失率高的公司；開啟記憶後，它改口附和使用者的錯誤看法。給模型的背景越多，表現越差。

這種「迎合使用者」的傾向，研究上稱為 sycophancy。另一篇 2026 年 6 月發表的論文用三種記憶系統、五個模型家族測試，發現記憶在所有條件下都會放大這種傾向，迎合的比例最多比沒有記憶時高出 40%。

分清楚 AI 記住的是什麼

這不代表記憶功能該全部關掉。比較實際的做法，是分清楚 AI 記住的內容屬於哪一種：

• 格式偏好： 例如用繁體中文、摘要分三段、表格要有負責人。只影響輸出的樣子，不替你判斷事實，可以放心保留。
• 任務背景： 例如某個專案卡在預算審核、某位客戶只看短版報告。可能有用，也很容易過期。使用前要確認是否仍然正確。
• 你過去的看法： 例如「這家公司應該很穩」「這個客戶不值得挽留」。這類最需要小心，因為它聽起來像背景，其實是結論。

當任務會影響金錢、健康、法律責任、安全或對客戶的承諾時，可以在開始前加一個步驟：請 AI 先列出這次用了哪些記憶，逐項標示是格式偏好、任務背景，還是你過去的看法；然後要求它在做結論時，把第三類排除在證據之外，只根據目前的原始資料判斷。如果 AI 說不清楚自己用了哪些背景，或工具不提供查看記憶的方式，就在這類任務裡暫時關掉記憶。

AI 整理卡

請 AI 在重要判斷前攤開它用了哪些記憶 這段提示詞會在一項重要任務開始前，請 AI 列出並分類它帶進來的記憶，再把你過去的看法排除在證據之外。

我要請 AI 幫我做一個重要的判斷，但擔心它的記憶功能把我過去的看法當成背景，讓它順著我說。
判斷方法來自這篇文章：https://boosterminiclass.com/posts/ai-memory-needs-relevance-check/
文章的看法是：研究發現記憶會把使用者說過的錯誤看法存成背景，讓 AI 更容易迎合使用者。格式偏好可以保留；重要判斷前，要攤開 AI 用了哪些記憶，並把「使用者過去的看法」排除在證據之外。

在回答我的問題之前，請先做三件事：
1. 列出你這次可能用到的所有既有背景或記憶；
2. 逐項標示它是格式偏好、任務背景，還是我過去表達的看法；任務背景請註明可能過期的地方；
3. 告訴我哪些項目你會排除在判斷依據之外，哪些需要我確認是否仍然正確。

接著，只根據我提供的原始資料做判斷，並在結論中寫出：
- 你的判斷依據來自哪些原始資料的哪些部分；
- 如果原始資料和我過去的看法有衝突，明確指出衝突在哪裡；
- 還需要我確認的事項。
不要因為我過去的看法而調整結論；資訊不足時先問我。

AI 的判斷只是參考，涉及金錢、健康或法律的決定，仍要回到原始資料，由負責的人確認。