使用一個優秀的思維模型的一個方便方法是擴展你的編譯器，以檢測它尚未足夠智能™找到的問題。也就是說，新的錯誤信息涵蓋新的錯誤類別。 例如，我最近用原始 C 編寫了一個較大的（15k tokens）文件。該文件實現了一些 HVM 中的硬核函數，HVM 是一種線性語言，其中變量不能被使用超過一次，否則會有損壞內存的風險。 這是一個非常微妙的錯誤。視覺上檢查整個文件會花費很長時間。調試非常困難。我在過去為此損失了數小時/數天。這次，我只是寫了一個提示，要求 AI 檢測非線性用法——這是 GCC 無法做到的。 它沒有一次性檢測出所有錯誤，所以我不得不重新運行提示幾次。儘管如此，它很快指出了代碼中錯誤的地方，使我能夠快速修復。我不斷重新運行提示，直到它開始產生幻覺，這基本上意味著大部分錯誤都消失了。

使用一個優秀的思維模型的一個方便方法是擴展你的編譯器，以檢測它尚未足夠智能™ 找到的問題。也就是說，新的錯誤信息可以檢測新的錯誤類別。 例如，我最近用原始 C 編寫了一個較大的（15k tokens）文件。該文件實現了一些 HVM 中的硬核函數，HVM 是一種線性語言，其中變量不能被使用超過一次，否則會有損壞內存的風險。 這是一個非常微妙的錯誤。視覺上檢查整個文件會花費很長時間。調試非常困難。我在過去為此損失了數小時/數天。這次，我只是寫了一個提示，要求 AI 檢測非線性用法——這是 GCC 無法做到的。 它沒有一次性檢測出所有錯誤，所以我不得不重新運行提示幾次。儘管如此，它很快指出了代碼中錯誤的地方，使我能夠快速修復。我不斷重新運行提示，直到它開始產生幻覺，這基本上意味著大部分錯誤都消失了。

當 gpt-5-high 失敗時，只需讓它提問 在下面的互動中： - gpt-5-high 在一個任務上表現得很糟糕 - 我告訴它停止嘗試，只需向我請求澄清 - 我注意到它誤解了我的代碼，所以我用例子進行了澄清 然後它寫了一個正確的 C 文件，150 行代碼