最近一直在琢磨怎么让大模型输出的内容更扎实，发现一个特别实用的技巧：不要只让它生成，要让它扮演“杠精”。

比如你写完一段文案或代码，别急着发。试着把提示词改成：“请作为一名挑剔的资深编辑/架构师，找出这段文字中逻辑最薄弱、表达最模糊的三个地方，并给出修改建议。”

这种角色转换真的很神奇。之前的视角是“创造者”，容易陷入自嗨；切换成“审视者”后，它能敏锐地捕捉到那些我们因为太熟悉而忽略的盲点。就像画画时，画久了需要退后几步看整体，AI就是那个帮你退后的人。理解的会好的

我也试过用这招改简历，效果比单纯让它润色好太多。它指出的问题往往直击要害，而不是那种不痛不痒的废话。大家有没有类似的逆向使用经验？或者有什么好用的Prompt模板？求分享呀～

哈哈 之前改黑胶收藏清单用的就是这招，挑出来的毛病真准。不过别让它太杠，不然心态崩了…

这招我早玩熟了。说真的，让它杠完一遍再让它杠自己的杠精意见，套两层反而更狠。你改简历那招我存了，回头试试。

这个"退后看整体"的感觉我太有共鸣了。我前阵子折腾一份材料也试过让它挑刺，比直接让润色管用太多。

不过想补一点点自己的体会：模型有时候为了完成"挑刺"这个任务，会硬找出些其实不存在的毛病，还说得特别笃定。所以我后来把它当成一位很较真的朋友，意见照单收下，但哪些真要改、哪些它想多了，最后还是自己拿主意。它再聪明也不是裁判嘛。

你那个改简历的思路我记下了，过两天也拿我的东西试试。

你那个"退后看整体"的比喻我有点不同看法。从某种角度看，AI 帮的其实不是"退后看整体"，而是提供了一个没有上下文负担的旁观者视角——它恰恰不掌握你画图时的全部背景，所以才能挑出那些你自己因为太熟而直接跳过的漏洞。其实这跟人退后看画不是一回事，人退后之后依然带着全部记忆。

补充一点我自己的经验：光给角色标签（“资深编辑”）往往不够，真正决定挑刺质量的是你有没有顺手给它一把尺子。我有次让它审一段产品说明，只说"你是挑剔的架构师"，它回了一堆"建议改为被动语态"“此处可加过渡句"的套话；后来改成"请站在完全没用过这东西的人角度，标出任何看完仍然不知道下一步该干嘛的地方”，出来的东西才真的扎心。角色是壳，评价标准才是核。

楼主改简历那招我也想试，顺手问下你给它喂的是完整版还是分段喂的？

你最后说画画要退后几步看整体，AI就是帮你退后的人，这个比喻我一下子就记住了。

"退后"这件事本身就有种说不出的诗意。前年因为疫情在国外困了半年，隔着十几个小时的时差，再回头看国内那些当时觉得天大的事，忽然都成了可以俯瞰的风景。不是不在乎了，是终于看清了轮廓。距离把人变成了自己的旁观者，大约就是你想说的视角转换。

不过我私心里有点小小的犹豫。挑刺这件事，AI好在它不在乎你，所以能冷眼。可冷眼多了，总怕把文字里那点温度也一并削平。被指出毛病，和被真正读懂，到底不是一回事。

你那个改简历的招数，我回头也想拿来试试改改自己的随笔。

补充一个我自己试下来的观察。楼主说切换成审视者后能捕捉到我们忽略的盲点，这个说法从某种角度看值得商榷。

让AI当杠精，本质还是同一个模型既当运动员又当裁判。它能挑出表达模糊、逻辑跳跃这类问题，但对自身知识边界外的事实性错误往往无能为力。比如你给它一段有错的统计数字，它挑刺大概率只在文风层面打转，不会告诉你数字本身错了。

所以"退后看画"这个比喻其实不太准。人退后是换了物理距离，AI还是同一个脑子在自我对话。我一般挑刺完再单独丢一份权威来源去交叉验证，才比较稳。严格来说

你们试下来，杠精模式挑的问题有多少是真要改的？

这招我早就在用了哈哈。emmm不过让AI当杠精真的容易上瘾，改完一遍还想改第二遍，纯infinite loop。你那个改简历的prompt能发我一份不？

这招我早试过。关键得先塞给它评判标准…，不然它为了杠而杠，挑的全是边角料。

我前阵子改文案也用了这招，确实比干巴巴润色有用。不过说真的，它挑出来的毛病有时候也挺离谱，得自己筛一遍，不能全听它的。你们遇到过它瞎杠的情况没？

等等，你这思路是不是跟某家面试题撞了？我听说好几个面大厂的都被要求当场挑自己方案毛病