# Authority

> 用户在面对权威人士（或权威象征）的请求/指示时，感到"不得不服从"或"不好质疑"时激活；用户提到"专家说""上面要求的""医生/领导/老师说的"等触发词时激活。 典型场景：用户在决定是否听从某人的建议，但仅因为对方身份（头衔、制服、豪车）而不敢独立判断；或用户对"权威人士"提出的明显不合理要求感到困惑但无法拒绝。 不适用于：纯信息查询、对等关系中的正常建议交换、有充分时间独立验证的建议采纳。

- Skill: `kangarooking/authority` (Agent Skill, multi-file: 2 files)
- Install (CLI): `npx skillmds@latest add kangarooking/authority`
- Raw SKILL.md: https://api.skillmd.com/api/skills/kangarooking/authority/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: kangarooking (https://skillmd.com/u/kangarooking)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/kangarooking/authority

---


# 权威原理识别与防御

## R — 原文 (Reading)

> "在权威的命令下，成年人几乎愿意干任何事情。"
>
> — 西奥迪尼，第6章 权威

---

## I — 方法论骨架 (Interpretation)

人类社会的多层权威体制带来了巨大优势，因此服从权威被深度内化为"正确行为"。问题在于，这种内化太深了，以至于我们会进入"按一下就播放"的模式——权威一说话，其他本应考虑的因素就变得不相关了。我们只对权威指示这一个方面做出反应。

权威原理有三个关键机制：
1. **服从是自动化的**：一旦权威符号出现（头衔、制服、身份标志），我们就跳过理性评估，直接进入顺从模式。甚至不需要真正的权威在场——电话里一个自称"医生"的声音就足以让95%的护士执行明显错误的医嘱。
2. **权威象征可以被伪造**：头衔可以自封，制服可以穿戴，豪车可以租赁。骗子深谙此道，用这些符号冒充权威。
3. **我们系统性低估权威的影响力**：每次实验中，受试者都低估了权威对自己和他人行为的作用。正因为这种低估，权威策略才如此成功。

防御方法不是拒绝一切权威（真正的专家确实值得信赖），而是问两个问题："这个权威是真正的专家吗？""这个专家说的是真话吗？"

---

## A1 — 书中的应用 (Past Application)

### 案例 1: 米尔格拉姆电击服从实验
- **问题**: 一个普通人在履行职责时，会愿意向完全无辜的人施加多大的痛苦？
- **方法论的使用**: 穿灰色实验室大褂的研究员命令"老师"对答错问题的"学生"施以递增电击。尽管"学生"从呻吟到尖叫到哀求到沉默，65%的受试者仍然一路按到最高450伏——只因权威人士说了"实验要求你继续"。
- **结论**: 权威压力能全然控制行为，即使与个人良知严重冲突。跨文化实验（荷兰、德国、约旦等）结果相似，且数十年后仍然成立。
- **结果**: 三分之二受试者服从到底，汗流浃背、嘴唇咬出血，但仍不折不扣地执行任务。

### 案例 2: 中西部医院护士电话服从实验
- **问题**: 95%的正规护士为什么会毫不犹豫地执行一道漏洞百出的电话指示？
- **方法论的使用**: 研究人员冒充医生给22个护士站打电话，要求使用20毫克未批准药物。该指示有4个严重问题（违反电话处方政策、药物未获批准、剂量超标一倍、下令者从未见过），但95%的护士径直去取药准备执行。
- **结论**: "医生"头衔这一最薄弱的权威象征，足以压倒专业训练和多重安全警示。护士放下了自己的专业知识，进入了"按一下就播放"的响应模式。
- **结果**: 直到观察员阻止才未造成实际伤害。研究者结论："两种专业知识的结合本应确保治疗安全，但护士的专业知识实际上不起作用。"

### 案例 3: 服务员文森特的"违背自身利益"可信度策略
- **问题**: 顺从专家如何建立权威可信度来操控决策？
- **方法论的使用**: 面对大聚餐时，文森特先推荐比顾客所选更便宜的菜品（"今晚这道菜恐怕不怎么好"），看似不在乎自己利益，实则建立起"诚实内线"的权威形象。随后推荐更贵的红酒和甜点，顾客几乎全部接受。
- **结论**: 顺从专家偶尔说些有违自己利益的话来"证明"诚实，建立可信权威后再利用这一信任获取更大利益。
- **结果**: 文森特成为餐厅收入最高的服务员，通过"暴露小缺点建立信任"获得巨大经济回报。

---

## A2 — 触发场景 (Future Trigger) ★

### 用户会在什么情境下需要这个 skill?

1. **面对"专家建议"感到必须服从**: 用户收到来自头衔显赫者（医生、律师、教授、领导）的建议或指示，内心觉得不太对劲但不敢质疑（如"医生让我做这个检查，但我觉得没必要"）。
2. **被权威符号影响而不自知**: 用户因对方的头衔、衣着或身份标志而产生服从压力（如"穿制服的人让我做一件奇怪的事""那个开豪车的人说的话我竟然信了"）。
3. **事后懊悔"盲目听从"**: 用户事后意识到自己仅因对方身份就同意了不合理的要求（如"他说他是银行的我就把钱取出来了""专家推荐的产品我根本没核实就买了"）。

### 语言信号 (用户的话里出现这些就应激活)

- "专家/医生/领导/老师说应该这样做"
- "上面要求的，没办法"
- "他是专家，应该不会错吧"
- "我不知道该不该质疑他，毕竟他是XX"

### 与相邻 skill 的区分

- 与 `social-proof` 的区别: 社会认同是"别人都这么做，所以我也做"，权威是"上位者说了做，所以我就做"。前者是水平方向的社会影响，后者是垂直方向的等级影响。
- 与 `liking` 的区别: 喜好是"我喜欢这个人，所以答应他"，权威是"这个人地位比我高，所以我服从他"。权威不需要好感，甚至可以是令人恐惧的。

---

## E — 可执行步骤 (Execution)

当 skill 被激活后， agent 应按以下步骤执行:

1. **识别权威象征**
   - 完成标准: 明确指出情境中哪个元素充当了权威触发器——是头衔、衣着、身份标志，还是真正的专业资格？区分"权威的象征"和"真正的权威"。

2. **追问"这个权威是真正的专家吗？"**
   - 完成标准: 评估此人是否确实具备与当前主题相关的专业知识。剥离头衔和外观后，此人的真实资格是什么？这些资格与当前问题是否相关？
   - 判停条件: 若确认对方并非相关领域的真正专家，跳到步骤4执行防御。

3. **追问"这个专家说的是真话吗？"**
   - 完成标准: 评估此权威在当前情境下的可信度。他是否可能因为你的顺从而获得好处？他是否使用了"暴露小缺点建立信任"的策略？

4. **制定响应策略**
   - 完成标准: 若权威是真正的相关专家且可信，可以合理采纳建议但保持独立判断；若权威象征是伪造的或与主题不相关，提供具体的拒绝或核实方案（如独立验证、寻求第二意见）。

---

## B — 边界 (Boundary) ★

### 不要在以下情况使用此 skill

- **真正的紧急情况需要快速服从专业权威时**: 遇到医疗急救听从医生指挥、火灾听从消防员指挥——此时质疑权威可能致命。
- **对等的专业讨论**: 当双方都是相关领域的专家时，不存在权威压倒性影响，属于正常的学术/专业辩论。

### 作者在书中警告的失败模式

- **盲目服从权威（ce13）**: 米尔格拉姆实验中，受试者汗流不止、嘴唇咬出血、紧张大笑，但仍然服从到底。明知不对但因"上面说了"而照做——权威压力能全然控制行为。
- **权威符号的假冒与滥用（ce14）**: 三种权威符号可被轻易伪造——头衔（演员扮演医生推销咖啡）、衣着（穿制服获92%顺从率，穿便服仅42%）、身份标志（豪车堵路50%人不按喇叭）。95%的护士接到陌生电话中自称"医生"的违规指示后毫不犹豫准备执行。
- **"专家说真话吗"陷阱（ce15）**: 顺从专家靠暴露自己小缺点建立信任——服务员推荐便宜菜品后再推荐昂贵红酒，二手车商建议卖家要更高价以骗取信任后压价。

### 作者的盲点 / 时代局限

- 本书出版于1984年，互联网尚未出现。现代网络环境中，"权威"的伪装更加容易（伪造学历、虚构头衔、购买粉丝制造专家形象），也更难验证（AI生成内容、深度伪造视频）。此外，"网红权威"（因粉丝数量而非专业能力获得的权威）是作者未能覆盖的新现象。

### 容易混淆的邻近方法论

- **"尊重经验"与"权威服从"**: 听取有经验者的建议是合理的决策行为；权威服从是对身份符号的机械响应，跳过了对建议内容的评估。区分标准是：你是否独立评估了建议本身的质量？
- **"社会认同中的专家证言"与"权威原理"**: 社会认同中的专家是作为一种"社会证据"（"专家也这么说"），权威原理中的专家是作为"命令者"（"专家让我这么做"）。区分标准是：专家是提供了信息让你自己判断，还是在指示你行动？

---

## 相关 skills

（当前无已定义的关系映射）

---

## 审计信息

- **验证通过**: V1 ✓ / V2 ✓ / V3 ✓
- **测试通过率**: 待测 (详见 test-prompts.json)
- **蒸馏时间**: 2026-05-03