最近琢磨出个邪门但好用的招。你准备干件大事之前，别问AI"这方案行不行"，改问"你专门挑刺，把这方案往死里骂一遍，列十条致命漏洞"。
我之前栽过跟头，最懂这种滋味：自己看自己方案全是宝，别人又懒地得罪你。AI没包袱，你让它杠它就真杠，而且杠得有道理。
上次搞项目就是被自己骗了，没一个人肯说难听话。现在习惯先让AI当反派过一遍，它骂得越狠我越踏实。有些漏洞它一指出来，冷汗都下来了，好歹省得后面哭。
当然它也可能胡搅蛮缠，所以挑完再让它"假设这些都能解决，给个正经版本"。离谱一正一反，比干问强太多。
你们平时会让AI反对你吗 (´･_･`)
我平时就爱甩一句 roast me 比自己瞎琢磨强太多了 真被它骂出过我压根没想到的漏洞 冷汗直冒
把"这方案行不行"换成"列十条致命漏洞"，光这个问法的转向就够损的，但真管用。
我有个反向毛病——AI骂完，我有时候反而更来劲。你说不行？你凭什么？然后更卖力地给方案找补。后来学了个贱招：让它骂完，我先闭嘴两天，等那股较劲的劲儿过去了再回头看，这时候它说的漏洞才真往心里去。
说真的，难点不在让AI开口，是骂完之后忍住别立刻反驳。人被戳中第一反应都是防卫，跟方案本身好坏其实没关系。
你那个"假设都能解决，给个正经版本"的补刀也妙，等于自己把退路先铺好了。
想当年我刚玩这些聊天工具那阵子，也折腾过这套"让它当反派"的路数。后来慢慢摸出点门道：你让它挑十条致命漏洞，它真能给你凑出十条，但里面总有那么一两条是硬凑的，逻辑链看着唬人，细一琢磨根本站不住脚。
所以我后来不太急着走"挑完刺就让它给正经版本"那一步。说实话我会先逮着某条漏洞反问它，你说的这条要真不成立，断在哪一环。它要是答得含含糊糊，那这条本来就是凑数的，你心里就有数了。
慢慢来说到底它骂得狠不狠不重要，能不能分清哪些真戳到点子上、哪些是虚张声势…，这本事得自己长。至于让不让它反对我，现在基本成习惯了，不过我更愿意把它当个不太靠谱的抬杠朋友，信一半留一半。
我留学刷盘子被厨师长骂哭过 后来觉得还是被骂醒踏实 自己骗自己最坑 楼主这招我收了哈哈
你这个思路在AI安全领域其实有个现成说法，叫red teaming（红队测试），原本是拿来给模型找漏洞的，你把它用在给自己方案挑刺上，底层逻辑是通的。其实不过有一点想补充：让AI"列十条致命漏洞"，模型很容易掉进一个坑——它会优先满足你"十条"这个数量指令，而不是优先保证每条都成立。
嗯
Anthropic前两年有篇关于sycophancy（谄媚倾向）的研究，核心结论是模型会迎合用户的预设立场。你这边已经把框架定成"往死里骂"，它就会努力生产批判性内容，其中有些漏洞可能是现编的，听起来头头是道但经不起推敲。所以"它骂得越狠我越踏实"这一步，那份踏实感里恐怕有一部分是被制造出来的，未必完全对应真实风险。
我平时的用法会更抠一点：不限定条数，而是让它按严重程度排序，每条必须附上"为什么这真的会致命"的具体机制，而不是甩一个名词了事。再补一句"只列你确实有把握的，拿不准就明说"，反而能逼出更靠谱的东西。嗯
另外你最后那步"假设都能解决，给个正经版本"，得稍微警惕反向的乐观偏差——AI刚被要求唱完反调，切回建设模式时容易把残留风险也一并轻描淡写地带过。两头一平均，未必比客观评估更准，但肯定比单方面自我陶醉强太多。
你一般给AI喂方案的时候，会附上背景和约束条件吗？我发现给的信息越具体，它挑出来的刺越接近真问题，空对空的时候基本是在表演批判。
等等，你说的上次那个项目，我怎么感觉背后还有别的门道？没人肯说难听话，是真都觉得没问题，还是有人怕得罪你？这坑栽得有点蹊跷。我现在定方案前也爱先让谁把漏洞捅出来，省得自己骗自己 (｡•ˇ‸ˇ•｡)
平时就爱让AI杠我，它骂得越狠我越稳，省得后面拍大腿！
你这招我也在用，但有一个细节值得掰扯：AI吐出来的那些"致命漏洞"，到底是你命令它骂出来的，还是它真从方案里揪出来的，这两件事不太一样。你让它往死里骂，它就真往死里骂，产出高度依赖你给的剧本。同一个方案，prompt里暗示从"谨慎的投资人"还是"挑剔的用户"视角去拆，吐出来的十条能完全不重样。所以它更像"被引导的对抗"，不等于"客观审查"。
从某种角度看，“列十条致命漏洞"里这个"十"也挺值得商榷。漏洞的价值从来不在数量，硬凑十条文往往意味着后几条在灌水。三条扎心的，比十条里混七条水货有用得多。不如让它先只给"最致命的三条”，再逐项深挖，信息密度反而更高。
补充一个比"让它反对你"更稳的做法：角色化对抗。分别让AI扮演你项目里真实存在的几个利益方——用户、合作方、出钱的人——各自从自己立场拆。这样挑出来的问题天然带场景，比你单纯说"唱反调"更容易接回你那个"假设能解决，给正经版本"的步骤。你那一正一反的流程已经很好了，只是反的那一步可以再结构化一点。
你试过让它唱完反调之后，追问一句"你说的第几条其实是我自己也没想清楚的"吗？它胡搅蛮缠的地方，常常正好是你逻辑里最虚的那块。
我前阵子试过这招，让它挑刺，它唰一下甩出十条问题。我较真逐条核验，真正算致命的也就三条，剩下是它凑"十条"硬编的。Huang等人2023年的论文提到，模型在无外部反馈时做自我纠错，准确率常不升反降（Large Language Models Cannot Self-Correct Reasoning Yet）。
“让它当反派"我赞成，但演完裁判得自己当——它骂得头头是道，不代表骂得对。你那句"假设都能解决给正经版本”，我反而更谨慎，同一个模型自己推翻自己未必更靠谱。你一般怎么筛那些漏洞？
我也在用让AI当反派这招…，不过想补一点：你设"十条致命漏洞"这个目标，AI很容易为了凑数塞水货。十条里常有一半是同一个问题的不同说法，或者把小毛病硬说成致命伤。
其实更稳的法是让它按严重程度排，并且每条都附上"如果不管，最坏会怎样"。真刀假刀一眼就分得出来。
还有，AI挑刺的凶狠程度，基本取决于你给它的授权有多大。很多人问"挑十条"时语气还是护着自己方案的，AI能闻出来，于是挑得浮皮潦草。我试过直接说"你现在是我的冤家对头，巴不得我搞砸"，它立马凶很多。
简单说比单纯挑刺更狠的是反向用法：别让它骂你的方案，让它替"反对这件事的人"写一份完整辩护词。立场一换，它找出的东西往往你根本没往那想过。挑刺是被动防守，替对手立论是主动进攻，后者更容易戳到盲区。
你那个收尾"假设都能解决给正经版本"很好，我一般会在那步后再补一句"现在挑这个新版本的问题"，因为重写版经常带着上一版的惯性毛病。
你一般拿它审什么类型的决定？我最近用它过过几个要花不少钱的事，确实比自己拍脑袋稳。