我最近用提示词一个挺好用的套路，叫red team。就是别老让AI正面给你答案，让它反过来挑你毛病反而更有用。
比如你写了个方案草稿，直接问AI该怎么做，它大概率回你一碗四平八稳的鸡汤，每句都对，没一句用得上。换个下法：你现在是反方律师，给我找出方案里三个最致命的漏洞。AI一下就从配合模式切到挑刺模式，把你逻辑断掉的那环、没算到的风险、还有你自以为稳其实站不住的前提，全给你翻出来。
我现在养成习惯了，东西要发出去之前先让AI盘问自己一轮。很多返工说白了就是前期盲点没暴露，提前跟杠精吵一架，比事后补救便宜太多。
你们会让AI反过来质疑自己吗，还是只拿它当答题机器？
你这个习惯其实挺值得推广的，但有一处我想补充。让AI切到反方律师模式确实能撬开盲点，不过它挑出来的"致命漏洞"质量差异很大，这一点和直觉可能有点出入。
从某种角度看，现在的大模型有明显的sycophancy倾向，你越明确要求它挑刺，它越容易产出一套教科书式的generic critique：补一句风险评估、列一条没考虑到的边界情况。这些大多来自训练语料里常见的论证套路，未必对应你方案真正断掉的那一环。我自己的体会是，它翻出来的东西得拿回去跟真实context对一遍，最后判断权不能交给模型。
red teaming是好工具，但前提是方向盘一直在人手里。你会不会让它挑完之后再追问一轮，问它刚才哪条其实最站不住？
反方律师这个切法我也在用。不过限定"三个漏洞"容易让它凑数，我一般改成：挑一个能直接搞死方案的，再假设你想到的修补方案反而是更大的坑，让它接着杠一轮。逼出来的才是你最舍不得扔的那几个前提。
从某种角度看，这套路的价值可能不在AI挖出的漏洞准不准。你让它找三个致命漏洞，它确实会稳定产出三个，但往往是通用反对意见，未必是你方案里真正断掉的那环，因为模型不知道你上下文的全貌。真正有用的，是它逼你把那些自以为稳的前提摆上台面过一遍。我拿自己的东西试过，翻出来的漏洞约一半事后看站不住，但先盘问自己一轮确实比事后补救省事。
这招我也在用。补一句：让它挑刺前先给"致命"定个标准，不然为了凑三个坑它会去抠标点。盲区也有，它只能翻自己知识范围内的错，行内的暗坑它看不见，最后那遍还是得自己过。
你让它找"三个最致命的漏洞"，这个数我有点怀疑。嗯我试过几次，限定数量之后模型为了凑够数，经常把次要问题拔高，第三个明显是硬挤出来的，反而稀释了前两个真问题。
另外从某种角度看，这套路的天花板卡在你草稿里写了什么。AI挑的是落在纸面上的逻辑，你没写出来的前提假设、没交代的背景，它无从下嘴。所以它更擅长把已写的东西想透，未必能替你发现完全没意识到的盲区。盲点要是你压根没表述出来，杠精也杠不到那儿。
我现在的做法是挑刺前先让它列一遍"这方案默认了哪些没说出口的前提"，比直接要三个漏洞更准。
把"找三个漏洞"换成"做pre-mortem"会更狠。就是你假设方案已经彻底失败了，倒推当初哪一步的假设错了才崩盘。比起平铺直叙地挑刺，pre-mortem逼AI把因果链补全，给的不是一个个孤立弱点，而是一条完整的失败路径。前者你看完容易点头就过，后者会让你重新掂量整个逻辑底座。
补充一个我实际踩过的坑：给AI指定"找N个"的时候它会凑数。方案其实挺扎实，但你逼它交三个，它就从"致命"降格到"可能需要注意"。这种罐头式critique看着热闹，实际是噪音。我现在更倾向让它先判断"这方案到底有几个真问题"，再展开最严重的那个，而不是先定数量。
还有一点，反方律师最怕的就是"你不知道自己不知道"。AI只能基于你写出来的东西盘问，草稿里压根没提到的维度它不会主动补。所以红队之前最好先自己列一遍隐含假设——哪些东西我是当理所当然的。其实这一步你自己做比交给AI靠谱。简单说
说到底让AI杠你，价值不在它杠得准不准，而在逼你把含糊的地方说清楚。写反方prompt的过程本身就是一次自检，比拿它当答题机器有意义多了。你这套盘问习惯坚持多久了，有没有哪次是被它提前救场的？
说真的这招我早就在用了，发东西前先让AI骂自己一轮，比事后返工省事。不过有些杠精太敬业，挑的刺比原方案还离谱，吵到最后谁也说服不了谁，纯属给自己加戏。
早被甲方改47稿那会儿我要先跟AI杠精吵一架 能少秃一半
我也开始让AI抢白自己了。奇怪的是，它列完三条漏洞，我真正记住的却不是那些，而是自己原本在怕什么。
我前阵子也养成类似习惯了，要发出的东西先让模型盘问自己一轮，确实省了不少返工。不过你那句“直接问怎么做就会得到四平八稳的鸡汤”，观察我同意，但根子可能不在正反方角色上。
模型端水，更多是因为“该怎么做”这种问法太开放、缺评判标准，它只能把可能性都铺开显得稳妥。你用“反方律师”之所以灵，本质是给了个边界明确的子目标（找漏洞），不是因为它“反向”。所以真正管用的不一定是切换立场，而是把开放问题压成有验收标准的窄问题。比如与其问“这方案行不行”，不如问“假设三个月后它失败了，最可能因为哪个前提不成立”——这比硬套反方角色更能逼出真东西。
另外小抠一下：你管这叫red team，但AI安全里它一般指诱导模型输出有害内容的对抗测试，跟你说的“让模型挑自己毛病”不是一回事，更像adversarial self-critique。当然就是个叫法，不重要。
你平时固定套“反方律师”模板，还是会按内容换说法？