让大模型批判一段论证，它通常会给你列出一堆看似合理的意见：样本量不足、逻辑可能有漏洞、建议进一步验证。这些话不能说错，但几乎没有切中要害的杀伤力。真正的批判性思维不是套模板，而是能够拆解论证的地基，质疑那些连作者自己都没意识到的隐含假设。苏格拉底式提问法恰好提供了一套系统的追问框架，把这个框架注入到推理模型的提示词中，可以显著提升模型输出的批判深度。本文将从问题成因、方法原理、落地模板和实战演示四个层面完整展开。
一、推理模型的批判为什么会流于表面
要解决问题，先要理解问题的根源。推理模型的浅层批判主要来自三个机制层面的原因。
第一是迎合倾向。模型在训练过程中被大量人类反馈校准，倾向于给出温和、平衡、双方都不得罪的回答。当你让它批判一段论证时，它的最优策略往往是各打五十大板：先肯定合理之处，再列几条不痛不痒的不足。这种输出形式上像批判，本质上是一种礼貌性的回避。
第二是缺乏假设挖掘。人类深刻批判的起点通常是发现论证背后未被言明的假设，比如一篇论证某产品策略的文章，其隐含前提可能是市场环境稳定，而这个前提一旦动摇，整篇论证全部失效。模型默认在显式文本层面工作，很少主动下探到前提层。它会把注意力放在措辞、数据引用这些表层瑕疵上。
第三是单轮交互的天花板。批判性思考本质上是一个迭代过程，一个问题引出下一个问题。而常见的使用方式是一次性要求模型给出全部批判，模型只能在第一层思考上展开，无法形成层层递进的追问链条。即便模型具备推理能力，没有外部引导时它也倾向于尽快收敛到结论，而不是持续发散质询。
二、苏格拉底式提问法的核心框架
苏格拉底式提问法的精髓不是问得多，而是问得有层次。教育学家将这套方法归纳为五个递进的追问维度，每个维度对应批判的一个不同深度。
第一个维度是澄清概念。很多论证的崩塌从概念模糊开始，追问的形式包括：你说的这个词具体指什么、能否举个例子、这个说法和通常理解有什么差别。第二个维度是检验证据。针对论证的支撑材料发问：这个数据的来源可靠吗、样本能代表总体吗、有没有相反的证据被忽略了。
第三个维度是探查视角，这是最容易被忽略也最有杀伤力的一层。追问包括：换一个利益相关方来看这个结论还成立吗、有没有群体被这个论证排除在外、作者立场如何影响了问题框架本身。第四个维度是追问后果与含义：如果这个结论为真，会推导出什么、这些推论是否荒谬、结论的适用边界在哪里。
第五个维度是元问题审视，即对问题本身发问：为什么这个问题会被这样提出、这个问题预设了什么答案、换一种问法会不会得到完全不同的结论。到了这一层，批判就从针对内容上升为针对思考框架本身，这也是深度批判与浅层评论的分水岭。
三、落地实践：可直接套用的提示词模板
理解框架之后，关键在于把它转写为模型能执行的提示词。下面给出一个经过实践验证的模板，核心设计是强制模型分层输出、禁止一次性给结论，并显式要求挖掘隐含假设。
你是一位使用苏格拉底式提问法的批判性思考教练。 我即将给你一段论证，你的任务不是直接评判对错， 而是按照以下五个层次逐步对我提问，每次只问一个层次， 等我回答后再进入下一层： 1. 澄清概念：指出论证中2-3个含义模糊的关键概念，问我它们的确切定义 2. 检验证据：针对论证中最核心的支撑依据，问我来源、样本和反例 3. 探查视角：找出被论证忽略的利益相关方，问我结论在他们视角下是否成立 4. 追问后果：推导该结论为真时的3个推论，问我是否接受这些推论 5. 审视元问题：分析这个问题本身的提法预设了什么，问我能否换一种问法 规则： - 每层至少提出2个具体问题，不允许笼统带过 - 必须先指出论证中至少1个未言明的隐含假设 - 禁止使用"总体而言""具有一定道理"等调和式表述 - 只有五层全部完成后，才允许给出你的综合批判结论
这个模板有三个关键设计点值得注意。首先是强制单层推进，通过要求模型每轮只处理一个层次，人为制造了思考的迭代结构，弥补了单轮交互的缺陷。其次是显式禁止调和式表述，直接切断了模型各打五十大板的退路。最后是把隐含假设挖掘写成硬性规则，因为这是模型最不会自发执行、但对批判质量提升最大的动作。
如果你希望一次性获得结果而非多轮对话，可以把模板中的逐层提问改为逐层自答：要求模型在每个层次下先模拟提问，再基于原文自行回答，最后汇总。这种方式牺牲了交互的针对性，但保留了分层的思考结构，适合批量处理长文档。
四、实战演示：多轮追问如何逼出深度批判
假设有一段论证：我们的用户调研显示80%的受访者对新功能满意，因此应当全量上线该功能。用普通方式让模型批判，得到的往往是"样本量是否足够""满意度如何测量"这类泛泛之问。而在苏式框架下，对话会呈现完全不同的走向。
在澄清概念层，模型会先追问：满意的具体定义是什么，是表示不反对，还是 actively 推荐给他人？这两者对上线决策的含义天差地别。在检验证据层，它会问：受访者是如何被选中的，是否存在自选择偏差，比如只有活跃用户才愿意参加调研，而不满意的用户早已流失，根本不在样本里。
到了探查视角层，批判开始触碰到论证的盲区：80%的人满意，那么剩下20%的不满意者是谁？他们是轻度用户还是高价值客户？如果这20%贡献了40%的收入，全量上线的决策是否还成立？在追问后果层，模型会推演：如果满意度调研可以直接推导上线决策，那么未来团队是否会倾向于设计诱导满意的问卷，从而使这个决策机制自我腐化。
最后在元问题层，批判抵达最深处：为什么这个论证把上线与否设定为唯一决策选项？是否存在分阶段灰度发布这个被问题框架排除掉的中间方案？可以看到，经过五层追问，批判已经从数据挑错上升为对决策框架本身的质疑，这才是有实质价值的深度批判。相比之下，普通提示词的输出只能算格式工整的敷衍。
五、适用边界与常见误区
这套方法并非万能，使用时需要清楚它的边界。第一个误区是过度追问导致效率坍塌。五层追问对关键决策值得，但如果对每一封邮件、每一段日常文本都执行完整流程，时间成本会超过收益。建议根据论证的重要性分级使用，日常场景可以只取检验证据和探查视角两层。
第二个误区是把提问当成拖延。有些模型学会框架后会生成大量华丽的问题，但问题之间缺乏逻辑关联，变成形式主义的苏格拉底表演。判断标准很简单：好的追问链条中，后一个问题应该依赖前一个回答，问题之间有明显的递进依赖关系，而不是并列罗列。如果发现模型在机械填空，应当在提示词中追加要求，即每个新问题必须引用上一轮回答中的具体内容。
第三个边界是事实核查类任务不适合此方法。当问题本质是某个数据或事件是否属实，苏式提问的推理链条无法替代外部检索，强行套用反而会诱导模型在缺乏事实基础的情况下进行貌似深刻的空转推理。此时正确的做法是先让模型识别论证中的可核查事实点，完成检索验证后，再进入假设与视角层面的批判。把事实层和推理层分开处理，两类任务才能各得其所。