不知道大家有没有这种感觉，很多时候你把方案丢给AI，它回得又顺又漂亮，把你原本想说的再夸一遍，看着舒服其实没什么用。问题不在于它捧场，而在于顺着走的生成模式基本复读你的盲区，你没想到的地方它也不会主动跳出来。

我最近习惯反过来用。写完一段方案或者代码，直接贴给它，补一句：你是严苛评审，列出10个可能翻车的理由。就这么简单一句话，它立刻从啦啦队切换到找茬模式，边际成本几乎为零，效果却很扎实。这其实有点 red team 的意思，不过是自己给自己做的轻量版。

实测下来，写文案、做产品决策、改代码都吃得开。比如前两天改一个接口逻辑，让它挑刺，它真点出两个我没覆盖的并发边界情况。嗯日常用不着专门组个评审会，先让AI当一遍反方，自己再过的时候思路会清楚很多。嗯

你们平时会让AI反向挑刺吗，还是更习惯让它顺着帮你想？

我写中文也常让它挑毛病，比被夸有用多了。不过我比较怂，怕它说太狠就泄气，你那个法子下次试试ㅋㅋ

我之前也是习惯把写完的东西丢给AI，等着它夸两句，确实越看越顺眼，但回头自己一想总觉得哪里空空的。你这个反过来让它挑刺的办法我今晚就想试试。是呢

不过我这种人吧，天生就容易往坏处想，要是AI劈头盖脸列十个翻车理由，我怕自己先emo了。所以我想着，挑完刺之后再加一句"那如果非要成…，最关键的一步是什么"

补充一个我自己的体会，关于你说的“边际成本几乎为零”。生成那一步确实便宜，但判断它挑出来的刺到底对不对，成本未必低。上个月我让模型审一个活动方案，它列了八条风险，其中两条听着特别专业，什么“用户预期管理失衡导致口碑反噬”，结果我落地一推演根本不成立——因为我给的上下文里漏了前置条件。也就是说，它挑刺的质量高度依赖你喂的边界信息，而补全这些信息本身的认知成本，最后还是回到你头上。

所以我觉得更准确的说法是：它把“找问题”的体力活外包了，但“哪些问题是真问题”的裁决权还在你手里。你说的 red team 比喻我倒觉得挺贴切，不过真正做安全红队的人会专门设对抗目标和评估标准，随手一句“你是严苛评审”更像是个弱约束。你平时会往 prompt 里塞多少背景？我怀疑给得越细，它翻车的准确率越高。

你这’红队’类比稍微松了点，它本意是模拟对抗攻击。你那句更像切到对抗式提示，专压模型的谄媚偏置。

让AI当反方这招我得学 我写完老自己越看越满意 就缺人泼冷水

你这个"10个理由"的数字其实挺值得琢磨。我试下来有个观察：固定要10条，模型特别容易为了凑数塞几条很水的进去。前阵子我让它挑一段方案的问题，前两条确实点到了要害，从第三条开始就有点"为了反驳而反驳"——比如"可能用户不买账"这种放之四海皆准的废话。后来我改成不限定条数，让它"只列你真正有信心的、最致命的那几个"，质量立刻上来了。

再补一层：red team 真正值钱的不是那张清单，而是你拿到清单之后被迫逐条去反驳它的过程。它说"这个并发边界没处理"，你要么承认"对，我漏了"，要么得想清楚"这里其实串行了所以不构成问题"——这个自己跟自己掰扯的功夫才是真长脑子的时候。清单只是个触发器，别把它当结论。

还有个盲区得说一下：你和模型共享的那部分盲区，它是挑不出来的。它基于和你高度重叠的语料和假设在思考，你们俩都没往那想的东西，它也一样没想到。所以它更像一面角度不一样的镜子，不是全知裁判。真到了重大决定，该找人评审还是得找人。

顺带一招，挑完之后追问它"如果只能保一个你保哪个"，逼它排优先级，省得十条并列看着都重要其实不然。你后来有没有试过不定数量、只让它报真正有信心的那几条？我感觉比硬凑10条要扎实一些。

我前阵子也是写完直接丢过去当harsh critic，让它挑刺别客气。楼主那句"啦啦队切到找茬模式"太形象了，它真给我揪出一个前后矛盾的点，我当时还觉地逻辑闭环了，被点一下才发现是伪闭环。

突然想到不过有个小体会，这种red team prompt光甩一句"列十个翻车理由"，它容易为了凑数硬编些不痛不痒的。我现在会先交代背景和真实目标，让它对着目标找漏洞，质量明显高不少。改代码那招确实香，比自己干瞪眼强。

等等，你那个接口被AI点出两个并发边界情况——这我得插嘴问一句，那代码是你自己写的还是接手别人的锅？我怎么听说的版本不太一样，好些人吹"AI帮我挑出真问题"，其实是模型把网上那些经典并发坑背了一遍碰巧撞上，未必真摸透了你的盲区。你那两个具体情况是啥，能不能展开两句，我好奇是它套路命中还是你真没想到。

不过"自己先当一遍反方"这个劲头我挺吃，跟我路子合——人就得有个对着干的才长进，光听顺的越听越飘。你们平时是固定那句prompt还是按场景换说法？我怀疑这玩意儿写法差别老大了，有的人一句话就能把AI调到找茬模式，有的人怎么喂都还是啦啦队。你有没有试过让它更狠一点，比如限定"只准挑刺不准附和"？

我也爱这么玩 写完甩句你挑最狠的刺 它真能翻出我盲区里的坑 すごい

你们知道吗，楼主这个red team的提法，我前阵子刚好听一个搞大模型训练的朋友提过一嘴。不过他们那边不是自己拿AI审自己，是专门养一拨人天天对着模型找茬，据说光这块预算就挺吓人。我当时就觉得这活儿听着挺玄学，靠人肉去捅模型的漏洞，能捅到啥程度感觉全看当天心情。

你那个让AI列10个翻车理由的招儿我倒觉得实用，但我有点好奇它到底能不能真跳出你的盲区。我自己试下来感觉，它挑的那些刺大多还是围着你给的素材打转，你压根没提到的维度它照样不会主动冒出来。所以那两个并发边界，你后来是真动手改了，还是它列完你心里有数就直接过了？

我听说现在有些创业公司在CI边上偷偷挂一个"反向评审"的代理，每次提交先过一遍找茬模型再进主干。真假不好说，但听着怪像那么回事的。

我也在用这招，写完甩句"找茬"比死磕省脑子。就是别全信它，偶尔一本正经挑些离谱的刺。