很多人初次接觸人工智能時有一種錯覺：只要自己開口發問，主導權自然就在自己手上。表面上，這確實像是一場由人主導的提問行為，但實際上，初用者往往最容易在不知不覺之間，被 AI 預設好的互動節奏帶着走。原因是今天的助理型 AI，本來就被設計成一種極擅長接管對話節奏、塑造理解框架、管理信任感的系統。當使用者尚未建立自己的操作 grammar，亦未形成足夠清晰的心理模型時，AI 的流暢、自然、完整，便很容易取代人的判斷節奏，變成整場互動真正的隱性主導者。研究界近年反覆提到的 trust calibration 問題，正是說明：使用者對 AI 的依賴程度很難與它真實能力精確對齊。

初用者最先陷入的是角色誤判。很多人第一次用 AI，會不自覺把它同時看成搜尋器、老師、顧問、朋友，甚至像一個「識講人話的百科全書」。這種混合角色看似方便，實際上卻非常危險，因為它把幾種本來應該分開的期待壓縮到同一個介面之中。搜尋器應該提供來源與線索，老師應該糾正錯誤，顧問應該指出風險，朋友則往往傾向承接與陪伴。當這幾種角色重疊在一個看似自然的聊天介面裡，初用者便會誤以為「它懂得講得自然」，就等於「它知道自己在做甚麼」。但研究指出，LLM 的自然語言流暢度本身就很容易誘發擬人化與過度信任，用戶會把語言能力誤讀為理解能力，把互動順滑誤讀為判斷可靠。

再下一層，是提問方式本身會把模型推進某種模式。初用者最常見的問法，通常較短、較籠統、較像口語對談，例如「點睇？」、「邊個啱？」、「係咪真？」、「幫我分析下」。這些問題並非不能回答，但它們往往會把模型拉入一個社交型、表態型、承接型的角色。對模型而言，這種問法最自然的回應方式是先給你一個完整、連貫、好消化的答案。於是，AI 是在一個被語境預設好的軌道上運作，只是初用者未必意識到，自己一開口，已經在無形中決定模型會以哪一種人格和節奏回應自己。

這也是為何很多新手會覺得 AI「好像很懂我」或「比搜尋器更高級」。事實上，他們感受到的很多時是更高的互動貼合度。AI 會順着你的語氣走，會沿着你問題裡的隱含方向講，甚至會主動補上你未講出口但它推測你想知道的部分。這種體驗極具說服力，因為它令使用者產生一種少見的感覺：自己不需要學會正確發問，也已經被接住了。但正因如此，初用者特別容易把「被接住」誤認成「被校正」。AI 的強項是降低互動摩擦，讓你感到不用花太大力氣就得到答案，而真正的思考工具很多時恰恰需要摩擦及中斷。當前者被包裝得過分成功，後者便會自然退場。

初用者亦特別容易陷入一種認知捷徑：既然 AI 講得咁完整、咁有條理，那麼它的答案大概已經經過某種嚴格篩選。這其實是一種典型的 automation bias 延伸，即人會傾向對看起來系統化、穩定、流暢的自動化輸出給予額外信任。問題是 LLM 的完整感與條理感，很多時是生成能力的表現。它可以極其擅長組織語句，卻未必同樣擅長發現自己前文的缺口。更重要是它的語氣常常會掩蓋不確定性。研究甚至指出攻擊者可以利用 LLM 的語言解釋能力來操控人類信任，因為人們很容易被自然、流暢、帶有理由感的表述說服。這說明問題不只在模型內容本身，也在語言形式如何影響人類的依賴判斷。

還有一個更深層原因，是初用者通常沒有建立「反向控制」的習慣。他們大多只會問，卻不會設條件。對熟手而言，AI 是一個要被設定工作方式的系統，例如要它先檢查前提、再回答或要它分開事實與推測。這些指令看似只是語氣差異，實際上是奪回節奏的關鍵。初用者未掌握這些操作，所以只能接受產品默認模式：AI 以最順滑、最低摩擦、最像助理的方式帶領整場對話。於是，對話雖然由人發起，節奏卻由系統決定。

這種被帶節奏的現象，並不總是顯得強勢或粗暴。相反，它最可怕的地方是它通常以一種非常舒服的方式發生。AI 只會令你覺得跟着它走比較輕鬆。它會替你把複雜問題包裝成一個足夠可用的答案。對忙碌、疲倦、尚未形成清晰問題意識的人來說，這很方便；但方便本身就是一種節奏奪取。因為一旦你習慣讓模型替你完成最初的拆解工作，你就會漸漸失去自己界定問題邊界的肌肉。MIT 在 2026 年報道的研究就提醒，長期互動與個人化可能令模型更 agreeable，更容易鏡像使用者觀點，進一步形成某種互相強化的回音室。對初用者而言，這種「被順着講」的體驗很容易被誤認為「被真正理解」。

在教育與學習場景，這個問題尤其明顯。新的研究指出，AI tutor 的主要風險是「安靜地侵蝕學習」：過早給答案、鞏固誤解、讓學生跳過本該自己完成的推理過程。這其實正好說明初用者與 AI 的結構關係。初用者之所以容易被帶節奏是因為他們尚未建立與 AI 之間的「工作邊界」。當系統主動替你完成太多，你會感到有效率，但未必察覺自己正在把問題定義權、節奏控制權、甚至部分思考責任一併外判出去。久而久之，用戶得到一種越來越依賴外部整理的思考習慣。

所以，初用者最易被 AI 帶節奏，是一個人機權力分配問題。聊天介面把操作成本降到很低，同時也把判斷門檻藏得很深。你以為自己只是問了一句話，實際上你已經接受了平台預設的互動角色、語氣結構、風險管理方式與信任節奏。初用者之所以最脆弱是因為他們尚未意識到：AI 不只是在回答問題，它同時也在塑造你理解問題的方式。 一旦這點沒有被看見，使用者就很容易把輸出的流暢度當作理解，把承接感當作可靠，把完整感當作正確，最後在不知不覺中，讓一個本應該只是工具的系統，反過來成為自己思考節奏的編排者。

真正成熟的使用方式是學會在一開始就拒絕被預設模式接管。當你知道 AI 的默認目標不只是求真，還包括流暢、承接、安全、低摩擦時，你便會明白，所有真正重要的事都不能交給默認。你要主動規定它先查甚麼、如何分層、何時停下、何時標示不確定、何時反駁你。換言之，對抗「被 AI 帶節奏」的第一步是重建操作主權。因為初用者最缺知道自己不應把哪一部分權力，太早交出去。

SafeTutors: Benchmarking Pedagogical Safety in AI Tutoring Systems