高阶提示词：让 AI 自己检查错误，把「作者/评审/校对」拆开跑

从「一次写对」到「写完再查」

大多数人用 AI 的流程是：提问 → 看结果 → 不满意 → 再提问。所有纠错都发生在你这一侧，你自己就是那个质检员。

这在简单任务上没问题。但任务一复杂——写一份正式方案、核对一段关键数据、处理一份不能出错的合同条款——你就会发现人力质检很累，而且你未必比 AI 更容易发现问题。这时候思路要换：既然模型能写，那它能不能也承担一部分「查」的工作？

可以，而且不需要你装任何插件，纯靠提示词就能做到。核心原理只有一条：写作和审阅，是两种完全不同的心向。

写的时候，模型的注意力在「把话说顺、把结构搭起来、把任务完成」；审的时候，它的注意力应该转向「哪里站不住脚、哪里有漏洞、哪里和要求对不上」。这两种模式在同一个回合里很难同时拉满——你让它一边写一边自查，它往往两件事都做得马虎。所以真正有效的做法，是把「写」和「审」拆成独立的两轮。

这一层的关键转变

上一层：把提示词写严谨，追求一次输出可用
这一层：接受了「会有错」，然后设计一个机制去抓错
底层逻辑：把写作、评审、决策，拆给不同的回合去做
代价是时间，收益是上限——你要判断这个交易划不划算

招式一：自我评审，让 AI 当自己的挑刺人

最轻的一种做法：先让 AI 正常完成任务，然后在同一轮里要求它对结果做一次批判性审视。它的定位必须从「作者」切换成「评审」，而且要点明「你的职责是找问题，不是表扬」。

这里有个关键细节：如果你只是说「帮我检查一下」，AI 大概率会给你几句不痛不痒的「总体不错，可以考虑再丰富一点」。这不是它能力不够，而是它在延续刚才「协作」的语气。要打破这一点，得给它具体的评审框架——查什么、按什么标准查、输出成什么样。

自我评审模板让作者先放下笔，当一回审稿人

现在请切换身份：你不是这份内容的作者，而是一位挑剔的审稿人。
你的职责是找出问题，不是夸奖。

请按下面的框架逐项检查，逐条给结论：

1. 站不住的假设：哪些结论是建立在「想当然」上的？按风险从高到低排。
2. 逻辑断点：从依据到结论之间，有没有跳步的地方？指出具体位置。
3. 与要求不符处：对照我最开始提的[某几条约束]，逐条核对是 / 否。
4. 事实性存疑：有没有具体的数字、时间、名称无法核实？只标注，不要替我编。

输出格式：
- 每条问题：位置 + 问题 + 建议怎么改
- 最后给一句判断：这份东西现在能不能直接用？如果不能，最该先改哪里？

这个模板的价值在于，它把「检查」变成了一份结构化清单，而不是一句空泛的请求。你会发现，同一个模型在「审稿人」身份下，常常能挑出它自己刚写下的毛病——这是一种很神奇但很实用的现象，因为它的注意力取向变了。

踩坑提醒：默认它对自己偏软

AI 审自己写的东西时，天然偏向「宽容」，尤其是当你没给它明确标准的时候。要压低这种偏软，两个办法：一是用上面那种逐条清单，二是在一段新对话里去审——把成品贴过去，让它纯以第三方视角看，没有「这我刚写的」这层心理包袱。

招式二：多版本自洽，跑几个再选优

第二种做法更「重」一点：与其让 AI 一次交一个答案，不如让它一次给出几个彼此独立的版本，然后让它按明确的标准比较、选出最优，或者把几个版本的优点合并。

这背后的直觉很朴素：一份答案可能在某处踩坑，但如果多个独立版本反复都指向同一个结论，这个结论的可信度就高不少。这就是「自洽」——让模型自己交叉验证自己。

有一个前提必须守住：几个版本要各自独立生成，而不是在同一个思路链上衍生。否则它们会共享同一个早期错误，看似一致，其实是同一处坑复制了三份。所以最简单的方式，是明确要求「各版本之间不要互相参考，独立给出」。

多版本比对模板生成 → 比较 → 选优或合并

请分两步做，不要跳步：

第一步：针对「[任务]」，独立给出 3 个版本，编号为 A / B / C。
要求：三个版本之间不要互相参考，思路要尽量不同，各写各的。

第二步：不要急着下结论。先做一张对比表，按下面的维度给三个版本打分并说明理由：
- 是否符合[核心要求]
- 哪个地方最出彩
- 哪个地方最可能被质疑
- 如果有事实性风险，风险在哪

最后再回答：
1. 如果只能选一个，你选哪个，为什么？
2. 有没有可能把 A 的优点和 C 的优点拼起来？如果能，给一个合并版。

这个套路特别适合那种「没有唯一正确答案、但有好坏之分」的任务：几个候选标题里挑一个、几套方案里选一个、一段文字的几个改法里定一版。人为选容易带偏见，让 AI 先按统一标准摊开对比，你再来拍板，决策会清爽很多。

让「选优」这一步更可信的两个小动作

把评分维度提前写死，别让它临时发明标准——标准一变，结论就不可比
要求它说出「落选版本哪里输」，比起一句「A 更好」更有信息量

让 AI 反复生成，不是为了碰运气撞到一个好答案，而是为了用多个独立样本去逼近一个更可信的答案。

所以版本之间必须独立；一旦它们互相参考，交叉验证的意义就没了。

招式三：拆成「作者 / 评审 / 校对」分轮跑

如果一件事重要到值得较真，可以把上面两种做法合起来，让 AI 分三轮、以三种不同身份跑完整条生产线：

作者轮：只负责写

给定角色、任务、约束，让它全力产出初稿。这一轮不要让它分心去自查，先把东西写出来。

评审轮：只负责挑问题

把初稿贴回去，把身份切成挑剔的评审，按清单找漏洞、找逻辑断点、找与要求不符的地方。这一轮只诊断，不改。

校对轮：只负责修

拿着评审意见逐条修订，产出终稿。要求它明确列出「改了哪几处」，方便你复核。

三轮各自要交代什么，可以直接套下面这条：

「作者 / 评审 / 校对」三轮跑法重要内容才值得上

【第一轮 · 作者】
你是[领域]的[角色]。请按下面的要求完成初稿：
- 任务：[要交付什么，什么形式，多长]
- 约束：[列清楚]
- 只负责写，这一轮不要做自我批评。

【第二轮 · 评审】（把初稿贴回来）
现在你是挑剔的审稿人，不是作者。请只诊断、不修改：
1. 找出三个最站不住的判断，按风险排序
2. 指出逻辑断点和与要求不符之处，标明位置
3. 标注任何无法核实的具体数字或说法（不要替我编）

【第三轮 · 校对】（拿着评审意见）
按上一步的意见逐条修订，输出终稿。最后附一行说明：
本次共修改了哪几处，分别对应哪条意见。

为什么非要拆成三轮，而不合成一句「写完后自查并修改」？因为写作、诊断、修订是三种不同强度的心向。合在一起，模型往往写作时会顺手「美化」评审意见，诊断时会替自己找台阶，最后你拿到的是一个被妥协过的结果。分开跑，每一轮它只需要做一件事，反而做得更专注。

另一个隐含好处是可追溯。三轮之间有留痕，你能清楚看到「问题是在哪一轮被发现的、改动是在哪一轮发生的」。出了问题也容易定位，这比一团乱麻的一轮对话强太多。

踩坑提醒：分轮不等于无限套娃

有人尝到甜头后，把流程越拉越长：评审之后再来一轮「元评审」，评审完再让另一个角色「复核元评审」……加到第四第五轮，收益急剧下降，时间成本却翻倍。三轮通常已经到顶。

判断标准很简单：如果上一轮的评审意见已经是「这里语言可以再顺一点」这种无关痛痒的话，说明已经榨不出新问题了，该收手了。

值不值得这么做：一张判断对照表

这一层最大的风险，是用牛刀杀鸡。给一个随手做的东西跑三轮评审，纯属浪费你和机器的时间。什么任务值得，什么不值得，下面这张表可以直接参考。

维度	值得上自检机制	不值得，反而拖累
出错代价	错了要返工、要担责、要给外人看	错了也无所谓，用完就扔
任务类型	有明确对错、有硬要求、要经得起推敲	纯发散、纯找灵感、开放头脑风暴
交付对象	客户、领导、公开发布的内容	自己看的草稿、临时备忘
是否要迭代	这份东西会被反复用、长期挂在线上	一次性使用，用完不回看
模型把握度	涉及具体数据、条款、流程，需严谨	纯观点表达、纯修辞润色

一句话总结这张表：「错了要不要付代价」，是唯一真正值得拿来判定的问题。代价高，就上机制；代价为零，直接让 AI 一次给结果，把省下的时间用在更需要它的地方。

什么时候纯属浪费时间

这一层技巧在传播时容易被神化，好像「不自检就是不会用 AI」。恰恰相反，能判断出「这件事不值得自检」，本身就是一种成熟的用法。

以下几种情况，请果断放弃多轮自检：

发散性任务：想 20 个选题方向、找几个创意的说法。越多越好、越杂越好，你不需要它们「严谨」，把评审机制套上去只会把它们筛成一堆平庸的安全答案。
过程性需求：你只是想让 AI 帮你把一张表转个格式、把一段话翻个语言。这类任务有确定的机械答案，看一眼就知道对不对，不需要三道工序。
你本身就是专家：如果一件事你一眼能看出问题，那 AI 的「评审」并不能替你把关，反而增加了一个你要读一遍的中间产物。
时间敏感：需要立刻出结果、边聊边定的时候，多轮往返是负担，不如直接跑一版快的。

再补一个现实提醒：越是复杂、越依赖 AI 自己判断的任务，人工把关越不能省。让 AI 自审是帮你减少犯错，不是给你一个「这次没人检查也没关系」的借口。尤其是涉及具体数字、政策条款、对外承诺的内容，最终交付前必须你自己再核一遍。凡涉及平台规则、抽成、价格的表述，请以平台最新公示为准。

还有一点必须说清：如果你用 AI 生成这类内容并通过平台公开发布，按《人工智能生成合成内容标识办法》，需要有显式与隐式的标识，未主动标识可能被限流、下架甚至封号。具体执行以各平台最新公示为准。

让 AI 自己检查错误，本质不是「更努力地问」，而是设计一套流程，让写作、诊断、决策各归其位。

而判断这套流程要不要启用，标准从来没变：这件事错了，要你付出多大代价。

到这里，提示词这条线就先告一段落。下一篇我们离开「怎么问」，转向「拿什么工具来问」——聊聊 ChatGPT 的高效用法，怎么把它从「问答工具」用成一个真正嵌进日常工作的贴身助理。