用AI有个习惯挺坑：一上来就甩问题，它给啥你信啥，最后被一本正经地胡说八道带偏。

我现在的办法是，正事之前先让它摊牌。直接问："你对这件事有哪些不确定，还缺什么信息？"模型默认偏爱给确定答案，越是不懂的地方越爱编，你不让它认，它就硬撑。把这句prompt当门槛，它能把你这任务里它看不透的点一条条列出来。简单说

然后有意思了——这些不确定点就是你的checklist。你照着补完信息，再让它正式答，输出的靠谱程度肉眼可见地往上走。

这招对小模型最划算。小模型更爱硬猜，事后你逐条纠错累死人，不如先让它"认怂"一次，成本低得多。你平时会让AI先说"我不懂"吗？

我一般反过来干。先扔个错误前提给它，看它当场揪不揪得出错。能抓错的才信后面答案，比让它自报短板省事。

补充视角：先让模型摊牌不确定点，本质是不确定性校准问题。"小模型最划算"我存疑，大模型同样过度自信。

我一般直接问’你哪不懂’，小模型哐哐列一堆，比事后纠错省事多了

嗯嗯，我习惯先丢一句"你先说说哪没把握"，它一认怂我就知道该补啥了，省心不少

我怎么听说的版本跟你有点出入。前阵子有个做评测的小团队拿这个思路跑了一批实验，结论挺泼冷水的：模型列出来的"不确定点"本身也不太靠谱，等于拿一层不确定的东西去校验另一层不确定的东西。哈哈

它说"我缺这个信息"，你补上了，答得确实好一点；但它没说出来的那些盲区你根本意识不到要去补。所以checklist有用，但只对"它自己知道自己在哪糊涂"的那部分生效。
笑死
我好奇你实际用过几次？好家伙是每次都走这套流程，还是只在关键任务上用？对小模型省事这事儿我还想听听你的体感。

这招有点东西，先逼AI认怂再干活，思路清奇。不过说真的，人比模型更该这么治——小模型顶多硬猜，活人为了面子能把不懂的编得比懂的还溜。我平时不特意这么问，但被它一本正经胡说过几次之后，现在开口前确实会先让它把没把握的地方摊出来，省得事后逐条擦屁股。

小模型那句真戳我 越菜越爱硬撑 先让它认怂确实省心

认怂这词儿用得妙，我向来是闷头信，被带沟里才反应过来，得练练

我一般直接丢一句"你先说说哪儿没谱" 小模型立马就老实了 哈哈这招省老事

我怎么听说的版本不太一样！现在有些小模型被训得"认怂"太积极了…，你问啥它先甩一堆不确定，正经该答的反而含糊过去。这门槛设完不觉得是在把模型惯出甩锅毛病吗？btw 我更好奇楼主那句prompt是不是某家内测版偷偷塞的彩蛋，有没有人遇到过越补信息它越往沟里带的

前阵子我也着过道~想让AI帮我捋一段评书里的人物关系，它说得头头是道，结果把两个八竿子打不着的角色硬凑成师徒，我信了两天才反应过来全是编的。

哈哈哈你这招"先让认怂"听着真有门道。不过我听论坛里有人讲过另一回事——大模型现在都被调教得特别"懂事"，你问它哪儿不确定，它反而给你列一堆边边角角的，真卡壳的地方它自己都没察觉；小模型倒像愣头青，一问就竹筒倒豆子。哈哈哈所以你说的"对小模型最划算"，我琢磨着是不是因为小模型最好套出实话？突然想到

话说回来这毛病跟人真像，半瓶子醋最爱显摆，真有料的反而闷。你们碰上AI死撑的时候，是当场拆穿还是将就着用？