让 AI 替你做「最坏打算」：用预演失败场景的提示词提前避坑

很多人用 AI 写方案、做决策，拿到结果就直接用，结果上线才发现问题。一个高阶提示词技巧能把这个风险前移：在让 AI 给答案之前，先让它扮演「出了事之后回来复盘的人」，把所有可能搞砸的地方列出来。

为什么有效

这叫 pre-mortem（事前复盘）。人在拿到方案时容易只看见它好的一面，而让 AI 主动去找「哪里会翻车」，等于提前做一次压力测试。比单纯说「请仔细检查」更具体，模型会给出可操作的坑，而不是客套话。

可直接复制的提示词

把下面这段发给你常用的模型，[任务] 换成你的真实需求：

• 你是我这个项目最严格的复盘者。假设我们已经按下面的方案执行，并且它彻底失败了。
• 任务：[在这里写你的真实目标，例如「用 AI 自动回复公众号留言」]
• 请列出 8 个最可能导致失败的具体原因，每个都要写到「谁、在什么环节、因为什么」的程度。
• 对其中 3 个最严重的，给出上线前就能做的预防动作。
• 最后用一句话告诉我：这个方案现在最该先补哪块。

适用场景

写技术方案、做活动策划、上线新功能、给老板出建议之前，都用得上。尤其是你拿不准「会不会有遗漏」的时候，让它先挑刺比事后救火便宜得多。

实际效果

我用它审过一个自动发文的脚本需求，模型当场指出「登录接口有操作频繁限频，连续重试会直接被封」，我据此改成了单次登录加退避等待，省了一次线上事故。提示词本身不长，但逼出了人容易忽略的工程细节。

关键不是让 AI 悲观，而是把「乐观交付」变成「先排雷再交付」。把这个模板存进你的提示词库，每次动手前跑一遍，质量差不了一只手数得过来。

进阶叠加

把「预演失败」和「反向约束」叠用：先让模型列坑，再把坑转成「不要做 X / 必须先做 Y」的硬性约束写回正式提示词，相当于让 AI 自己给自己写检查清单。两步走，输出稳定性明显提升。