Self-check（引導 Claude 自我檢查）

對重要任務，最後要求 Claude 自我評估——主動暴露盲點。

範例 1：列假設與不確定處

[您的任務]

完成後請：
1. 列出您採用的 3 個假設
2. 指出您不確定的 2 個地方
3. 預測 1 個我可能會反駁您的觀點

效果：Claude 會主動暴露盲點，您能更快發現問題。

[您的初稿提示]

請先寫一版。

然後**站在嚴格的 reviewer 立場批評您剛剛寫的版本**——
找 5 個可以改進的點。最後給優化版。

通常第二版品質比第一版高一個檔次。

請給我 3 種不同方案，各自 pros/cons

避免被單一答案誤導。

這個說法的來源是哪份 PAM 文件？quote 一段。

要 Claude 給文件位置 + 原文。如果它編造，您一查就知道。

您剛剛改的 [[GradingService]].CalcGrade，
請給我 10 個測試案例（含邊界），覆蓋率 100%。

讓 AI 自己生 test cases，跑一遍即知對錯。

LLM 第一次輸出常含「過度自信的錯誤」。要求自檢 = 強制它重新審視自己的工作，找出原本沒注意的盲點。

[寫完一段 PAM SQL 查詢]

請：
1. 自我評估這 query 在 50 萬筆資料下會多慢
2. 指出 2 個可能的索引機會
3. 列出 3 個邊界 case 我該寫測試