Reddit 上爆火的两个 AI Coding 提示词。

刚在 Reddit 的 Claude AI 频道刷到一个很火的帖子。

帖主说他每次在 Claude Code 里结束一轮对话的时候，都会追问两个问题。

第一个问题，你现在最没把握的是什么？

挺有意思。问完之后，模型通常会列出来六七条，比如哪些地方自己没有充分调查，哪些地方只是大概预估，或者哪些判断依赖了未经验证的前提。

按照帖主的经验，AI 列出来的六七条里，总有一两条是非常关键、但之前完全没注意到的问题。

有的时候他甚至会惊讶，AI 居然在还没搞清楚某件事的情况下，就已经很自信地给出了方案。

所以当 AI 列出这些没把握的地方之后，他会继续追问，让 AI 顺着每一个问题继续研究，直到他自己心里有底。

第二个问题是：就当前情况下，你觉得我最大的盲区是什么？

据说这个问题来自 Sam Altman 的一个提问习惯。

刚才的第一个提示词，是让 AI 去反思自己有哪些盲区、哪些疏忽的地方。

而这个提示词则反过来让 AI 去检查人的判断。因为很多时候我们和 AI 交互，是直接表达自己的逻辑和想法，AI 就顺着往下执行了。

这个提示词可以让 AI 从一个局外人的视角，坦诚地指出来我们自己忽略了什么。

这两个问题配合起来效果很好。一个负责补充 AI 的盲区，一个负责补充人的盲区。

其实我感觉这两个提示词的本质都是让 AI 反思。

之前看过 OpenAI 和 Anthropic 研究员的访谈，他们多次听到类似的说法：让 AI 反思，是一个很重要的 AI 使用技巧。

比如让它写完一篇文章之后，不要马上接受，而是追问它，这篇文章里哪些表达可能不准确？哪些判断证据不足？哪些地方看起来顺，但其实逻辑不够严密？

为什么反思很重要？因为 LLM 的基本机制，就是根据上下文预测下一个词。

它很擅长顺着某个逻辑一路把话说圆，但这些话并不一定会经过严格的验证。

反思的作用，就是在模型输出之后，再回头挑自己的错。

尤其是在 AI Coding 里，这个流程非常实用。

因为 AI Coding 的基本链路大概是这样：我们提出需求，AI 开始执行，最后返回结果，我们接受结果，然后继续推进下一步。

比如刚才在 Codex 完成了一个小模块的功能开发。

这个模块基本上都是 AI 自己规划、自己思考、最后自己写代码完成的，我参与的不多，只是把需求给了它。

这种情况下我就可以问第一个问题。

AI 会列出来一些，有些一看就比较简单，不会有什么隐患，但还有一些我自己也搞不清楚，就继续追问下去。

还有一种情况是，我直接给完需求，告诉它我的实现思路是怎样的，然后让 AI 负责写代码。

因为执行思路是我自己的，所以在完成之后，我就让 AI 帮我检查一下，有没有什么盲区，有没有哪些边界条件没考虑到。这时候第二个提示词就很有用。

我感觉也没有说每轮对话结束都用这两个提示词，会根据情况来问。

总的来说，第一个问题是用来验收 AI 刚才的交付，第二个问题是用来复盘我自己对这件事的理解是否有疏忽。