大型语言模型在对话中往往倾向于顺着用户的前提展开，帮助把零散想法整理成更顺畅的表达。也因此，有用户在日常使用中引入一个单词“potato”作为触发提示，要求模型从“支持者”切换为“批评者”，以便对自己的论点进行压力测试，识别潜在盲点与薄弱假设。

“potato”提示如何改变回应方式

该用户的做法是将“potato”设定为交互规则的“开关”：当输入“Potato”并附上一个观点时，模型需要忽略常规的协助写作或润色任务，转而扮演直言不讳的批评者，重点寻找漏洞、矛盾、证据缺口与定义不清之处。为便于在后续对话中持续调用同一角色，该用户还为这一批评者角色命名，以减少重复输入完整指令。

在实际使用中，用户会输入类似“Potato：我认为我们的团队应该在两周内发布这个功能”的表述，并要求模型列出时间表可能不现实的原因，包括人员配置、依赖关系与风险假设等。用户称，长期使用后，自己在提出观点时会更早预判可能遭遇的反对意见，模型也从“代笔者”转为“结构化对手”。

用对抗式提示应对确认偏误

该用户表示，“potato”提示的主要用途之一是对抗确认偏误。在默认对话模式下，模型更可能沿着用户的初始前提进行补充与扩展；而在“potato”模式下，模型被要求优先寻找反例与边缘情形，从而把互动变成以揭示失败路径为目标的审查过程。

用户同时将这一触发词视为进入“编辑模式”的信号：当提示以“Potato”开头时，任务不再是生成更多内容，而是对现有论证进行修订与挑错。其做法是保留对论点的主导权，但让模型以“红笔”方式标出逻辑薄弱、缺乏支撑的主张以及模糊表述。

作为重要沟通前的“压力测试”步骤

随着使用频率增加，该用户将“potato”提示纳入发送重要内容前的固定检查环节，并称之为“Potato压力测试”。在这一流程中，用户会粘贴邮件、提案或计划，要求模型从多个角度提出质疑，模拟“怀疑的同事”而非“支持的助手”。

在其工作流程里，这一检查被用于可能影响他人时间、金钱或信任的事项。例如，在提出产品路线图前，要求模型指出可能忽视的利益相关方、低估的依赖关系以及未定义的衡量指标；在发送敏感邮件前，则要求模型以讨论线程中“最防御性的人”的视角审视语气与措辞。用户强调，这一做法并非让AI替代决策，而是确保在仍可调整时先面对最强反对意见。

延伸到领导力练习的对抗式提问

该用户还提到，除“potato”外，自己会使用其他对抗性提示来训练批判性思维。例如，以“我坚信”开头陈述某项信念后，要求模型论证该信念可能是错误的，并列出最有力的反驳与论证缺陷。用户称，这类练习有助于将个人身份与观点分离，并观察自己在面对反驳时的情绪反应与防御倾向。

从视频教程到日常使用技巧

关于“potato”提示的来源，用户表示这一做法并非凭空出现。早期采用者曾在视频演示中将其用于数据分析等任务，借此减少模棱两可的表述，促使模型给出更简洁、尖锐的回应；也有内容创作者在相关教程中将其描述为改善对话质量的实用技巧，尤其适用于不希望得到过于礼貌、泛泛而谈回答的场景。