用途：该技能主张不要直接问 LLM 怎么想，而是让它模拟一群立场各异的专家会如何论证，从而避免模型迎合提问者、只给出顺耳的答案。核心方法来自 Karpathy：先写草稿，再让 LLM 论证最强的反面立场，最后综合出更优观点。
主要能力（四种模拟模式）：
- 专家辩论小组：模拟 3 位专家（最乐观/支持方、最怀疑/反对方、务实的外部视角）就某议题辩论，各自给出核心论点、具体例证，并指出对方观点的致命缺陷，最后综合出能经受三方批评的混合立场。适合技术决策、架构选择、研究方向。
- 反向钢人：让模型毫不留情地论证反对你方案的最强理由，不模棱两可，之后再问需要什么条件才能让原立场存活。适合发布前、拍板前。
- 事前验尸：假设未来某时项目已彻底失败，模拟技术、战略、执行三类不同根因的失败路径，并倒推早期预警信号。适合项目规划、产品发布。
- 苏格拉底追问：就某概念连续提出 5 个递进难题，逐题追问漏洞，最后按 1-10 打分并指出最大盲区。
使用方式：在提示中加入反迎合语句，例如“不要因为觉得我想听就弱化批评”“如果我的立场明显错误就直接说”“忽略草稿是我写的，当作匿名投稿评估”“你的任务是找出致命缺陷，而非验证”。决策流程建议：写下当前立场→运行反向钢人→据最强批评更新立场→运行专家辩论获取更广视角→再做决定，约 15-20 分钟。
适用场景：重要判断、技术选型、发布前压力测试、月度结论复核。属于“反偏见决策”工作流，上游为决策触发，下游接 karpathy-understanding-first，完整链路为 llm-simulator → understanding-first → system-prompt-learning。
限制：不适用于事实查询（直接问即可）、代码生成（应使用 agentic engineering），以及已经决定、只需执行时。资料未提供收费、平台支持等其它信息。