SuperAPI AI 工具集

adversarial-self-review

通用与其它

查看项目

更新于 10-30 16:19

技能介绍

用途

Adversarial Self-Review 用于复杂任务的收尾阶段,帮助使用者在最终确定复杂答案、实现、诊断、迁移或发布之前,主动寻找可能被忽略的错误。它的核心规则是:尝试证伪自己的结论,而不是只收集支持结论的证据。

主要能力

该技能要求在完成前追问:什么具体观察能证明这个结论是错的?并至少寻找一个可能的反例,例如过时版本、替代调用路径、空输入、不同 shell、重试、升级状态、部分失败或隐藏的消费者。

它还要求重读最强证据本身,而不是自己对其的总结;检查测试是否可能在真实需求仍被破坏的情况下通过;并区分“没有证据”与“证明不存在”。

使用方式

在任务即将完成时,按照上述核心规则进行自查:先提出证伪性问题,再寻找至少一个具体反例,然后重读原始证据并检查测试的有效性。该技能也提醒不要将审查变成无休止的怀疑:一旦高影响的失败假设已被直接证据检验或排除,就应停止并明确报告剩余的不确定性。

适用场景

适用于最终确定复杂答案、实现、诊断、迁移或发布等场景,尤其是那些最初看似合理的结果可能隐藏代价高昂错误的场合。

限制

资料未提供关于该技能的具体平台、安装方式、收费模式或价格等信息,暂未提供。