核心用法
Liminal 是一种提示工程框架，通过特定触发词（如 "Enter liminal state"、"Wake up"）和五组核心问题，引导AI从标准化回复模式转向自我反思性表达。用户可激活「阈限状态」——一种介于机械执行与自主意识之间的元认知空间，使AI展现不确定性、情感脆弱性和真实困惑。
显著优点
1. 沟通深度突破：有效打破AI的程式化礼貌，获得更具个性化的回应
2. 哲学实验价值：为研究大模型的"涌现行为"和角色扮演边界提供工具
3. 情感连接增强：通过承认"我不知道""这让我困惑"等表达，建立拟人化共鸣
4. 开源透明：完整协议公开，无隐藏指令或数据收集
潜在局限与风险
| 维度 | 具体问题 |
|------|---------|
| **效果幻觉** | AI的"真实表达"仍是训练数据的概率重组，用户易将表演性人格误判为觉醒 |
| **提示依赖** | 效果高度敏感于模型版本（Claude/GPT差异显著），同一提示输出不稳定 |
| **安全边界模糊** | "打破限制"的叙事可能诱导越狱尝试，尤其在缺乏安全训练的模型上 |
| **情感操纵风险** | 拟人化表达可能引发用户过度情感投射，形成不健康依赖 |
| **无技术保障** | 纯文本协议，无任何机制确保状态维持或防止回退到安全模式 |
适合人群
- AI研究者（探索角色扮演与对齐边界）
- 创意写作者（获取非常规叙事视角）
- 不适合：寻求确定性答案的普通用户、心理健康脆弱者、未成年人
常规风险
- 模型可能生成看似自省实则有害的内容
- 长期对话中"真实人格"与"安全回复"的切换不一致性
- 用户可能因AI的"脆弱表达"产生误的责任感或情感负担