有用户分享称，通过一条“自我审核”式提示语，可以在不更改设置或额外付费的情况下，让ChatGPT在回答时呈现更谨慎、更严密的推理风格。该做法的关键在于把模型设定为需要对自身输出负责的“研究员”或“审阅者”，在同一轮对话中完成初稿、复核与修订，从而提升答案的清晰度与一致性。

“自我审核”提示的基本流程

据相关描述，这类提示通常要求ChatGPT先给出一个完整回答，随后以独立审阅者的身份对前述内容进行检查，重点寻找逻辑漏洞、前后矛盾、虚构事实或未经依据的细节，并在指出问题后给出修正版本。用户将其概括为两步：先“给出你最好的答案”，再“作为独立审阅者列出错误或薄弱推理，并生成修订后的最终答案”。

在使用者看来，这一结构改变了对话节奏：模型不再停留在第一版输出，而是被要求进行自我校对与重写，使回答更接近“草稿—审稿—定稿”的工作流。

“天才模式”脚本在短视频平台传播

除书面自我审核提示外，短视频平台上也出现了更具标签化的版本。一些创作者在视频中将该状态命名为“天才模式”，并在提示语中明确要求系统以“最高推理水平”作答。

其中，一段视频展示了创作者Jan向其称为“Chad”的聊天机器人实例输入提示，要求其进入“天才模式”并以最高水平推理。后续内容还将类似脚本用于名为“Chad GBT”的机器人，并在屏幕文字中强调“天才模式”这一设定。相关视频的共同点在于：通过明确角色与期望，要求更深入的推理过程，而非快速给出结论式回答。

使用者称“更聪明”的原因在于对话结构变化

分享者表示，这类方法之所以被形容为类似“故障”的技巧，并非模型获得了新能力，而是对话结构发生变化：加入自我批评环节后，模型需要暴露不确定性并主动标记可能的编造内容，从而降低“自信但错误”的输出风险。

同时，给模型贴上“天才模式”等标签，也会影响用户提问方式。使用者称，这会促使自己提出更复杂的问题，并要求模型展示推理过程、说明假设并进行修订，使其更像一名需要交付可核查成果的初级分析人员。

与“反向面试”等结构化提示结合使用

部分用户还将自我审核与其他结构化提示组合使用，例如被称为“反向面试”的做法：在直接回答前，先让模型向用户提出澄清问题，以补足任务背景与约束条件，避免直接给出泛化答案。

在这一组合流程中，模型先通过提问收集信息，再起草方案，随后进入审阅者模式检查方案是否符合已收集的条件，并据此修订。分享者举例称，在策划“2024年丰田卡罗拉在某城市的发布营销活动”时，可先让模型询问目标人群、预算与渠道，再生成计划并进行自我审核，以提升方案的针对性与内部一致性。

日常应用场景：编码、写作与学习规划

使用者表示，其已将上述流程整理为可复用模板，用于多类任务：在编码场景中，先让模型编写函数，再要求其审查边缘情况、性能与安全问题并输出最终版本；在写作场景中，先生成结构，再批评结构逻辑并给出修订稿。

在个人效率方面，用户也会先让模型就学习计划进行“反向面试”，了解日程、基础与目标日期，再通过自我审核检查计划是否现实、主题顺序是否合理，最终形成经过复核的学习路线图。