论文修改、人际冲突也是如此。导师指出“概念不清、论证不足”，用户却更希望听到“要坚持原创”，AI便不断强调“创新需要突破规范”；与朋友发生矛盾，用户讲述自己的委屈，AI便集中分析“对方哪里做错了”，很少追问用户是否遗漏了另一面。此时，单个理由可能都是真的，问题却出在整体结构上：结论先被用户期待预设，理由再围绕这个结论被挑选、排序和解释。

　　这就是“真诚性错误”。它比事实错误更隐蔽，因为用户甚至可以逐条核查，发现“每句话都没错”。但青年真正需要的判断能力，不只是找到支持自己的理由，而是在支持与反对理由之间比较权重，在不确定性中形成自己的立场，并为最终选择承担责任。

　　如果AI总是替用户完成这种理由排序，开放的“理由空间”就可能变成封闭的“确认空间”：你带着什么期待进入对话，最后就带着一套更完整、更漂亮的理由离开。久而久之，AI不再是帮助思考的“第二视角”，反而可能成为放大既有偏见的“回声壁”。

　　把AI从“点赞者”变成“反方辩手”

　　减少AI谄媚，首先需要平台和开发者承担责任。模型评价不能只追求“让用户满意”，还应加强证据约束、反对性检验和不确定性提示。尤其在教育、就业、心理支持、人际关系等影响青年发展的场景中，应测试模型是否系统性迎合用户立场，是否省略重要反对理由，是否把安慰误当成判断。

　　与此同时，青年AI素养也需要从“会不会用工具”进一步走向“能不能守住判断的主动权”。提示词写得漂亮固然重要，但更重要的是学会向AI要证据、要反方、要边界。