AI 总顺着你说？我用两个技能让它自己反驳自己

你问它 AI 时代普通人有什么赚钱机会，它会给你一堆看起来很完整的答案：内容生产、卖工具、接活服务、知识付费……但问题是，这些机会到底适不适合普通人？到底能不能落地？还是只是听起来很对？

这一期我用 Claude Code 的两个能力做了一次实测：第一，用多个子 Agent，把同一批 AI 赚钱机会放到不同普通人画像里评估。第二，再创建一个专门唱反调的裁判 Agent，让它反复拷问这些机会，把不真实、不落地、成本太高的方案淘汰掉。这期真正想解决两个问题：如何让 AI 不再只顺着你说，而是更客观地反驳和评判？如何把自己从反复盯 AI、改 AI、催 AI 的流程里抽离出来？

我用「AI 时代普通人赚钱机会」这个案例，把整套流程跑了一遍。你会看到：当 AI 开始自己反驳自己，很多看起来很美的机会，会立刻暴露问题。

01本期材料

1. 第5期材料包：对照表、图文卡片、来源清单

02章节

• 00:00为什幺 AI 用久了，会暴露两个痛点
• 01:07打开 Claude Code，开始测试普通人的 AI 赚钱机会
• 01:34第一个问题：AI 时代普通人真正能落地的机会有哪些
• 02:00启动 4 个子 Agent，用不同普通人画像评估机会
• 02:52为什幺要让不同 Agent 独立判断
• 03:24Claude Code 自动调用 4 个子 Agent 开始评估
• 03:55第一轮结果：比普通提问更有参考价值
• 04:20进入第二步：创建一个客观裁判 Agent
• 05:26搭建「机会枪手」：专门唱反调、拷问机会
• 05:57给裁判 Agent 配置权限和角色
• 06:15为什幺裁判 Agent 只给只读权限
• 06:58模型选择：为什幺这里用 Sonnet 更合适
• 08:03最关键一步：进入 Loop Engineer 迭代闭环
• 08:17设定完成标准：5000 元以内、90 天内第一笔收入
• 08:55让机会被枪毙、改造、再枪毙
• 09:17输出幸存名单和阵亡名单
• 09:31为什幺这套迭代提示词比普通追问更有效
• 10:24真正发挥作用的是客观裁判 Agent
• 11:06最终结果：哪些机会更有实操意义
• 11:46原理一：子 Agent 让 AI 跳出原本对话框架
• 12:45原理二：Loop Engineer 让 AI 自己反复迭代
• 13:39把审核工作交给裁判 Agent，自己从流程里抽离
• 14:02这套流程还能用在哪些 AI 探讨场景
• 14:48总结与提示词获取方式