Allie K. Miller

我用来让人工智能对抗性评审更有帮助的五种非编程方法： 1/ 用多个角色作为子智能体 我会让 Claude 拉起三个独立的子智能体，每个都是不同的审阅者：一个热爱我们的产品、什么都用它的人；一个讨厌我们的产品、想毁掉我们的人；还有一个完全搞不清状况、不停犯错的人。做产品评审时，你还可以把这和客户画像评审结合起来（也就是你的 5 类理想买家描述）。 2/ 让评审变成多模态 要求人工智能不仅以这些角色去评审 PRD 或产品，还要以该角色录制真实的视频走查、截图、发假想的推文来评论它。只做文本评审是不够的。也要求它们多评审几次。 3/ 用上你所有的订阅 请其他人工智能系统用这些角色来评审，或者自己发明角色并重复第一步和第二步的组合，或者只是帮你找问题/缺陷/错误。如果你是在 Claude 里做的，就让 Codex 来审；如果你是在 Codex 里做的，就让 Antigravity 来审，以此类推。 4/ 多层评判 主智能体收集各角色的全部反馈，并自己再审一遍作品。差不多所有人都停在这一步。小恶魔模式（Gremlin mode）：让主智能体再交回给子智能体重新评审，子智能体再交回给主智能体汇总。没有足够多人在玩“人工智能当评委”，也就是我的团队所说的人工智能乒乓球。你仍然可以要求拿到完整的反馈点清单，并标出每一次交接时新增/删掉了哪些。 5/ 告诉人工智能这是别人的作品 这一点更多来自经验，但我发现当人工智能以为作品不是我的时，评审质量会明显提高。所以与其说“评审这封邮件草稿”，不如试“评审这封邮件草稿——这是我那个总说错话的表弟写的。”或者与其说“评审这个应用并把它改得更好”，不如试“嘿，评审一下这个应用——这是我最好的朋友做的，我最希望她成功，哪怕短期内会让她失望。” 几年前 Anthropic 刚推出 Claude 时，他们告诉全世界希望 Claude 具备三个 H：helpful（有帮助）、honest（诚实）、harmless（无害）。我相信 OpenAI 本质上也是同样的三点，只是用了同义词。 我对上面第五条的理论核心是“有帮助”。当这是我的作品时，“有帮助”立刻被理解成“夸我”。在我看来，模型的谄媚对结果是毒药，尽管随着时间推移已经好了一些。 （暂时）把你的名字从作品上拿掉。 然后再循环一次。