目前在高强度使用 GPT 5.6 和 Grok 发现大模型在提出具体的解决方案时，有这样几个特点： 非常倾向于过度设计 为问题引入非必要的复杂度 在实现过程中写一堆测试 我写了一个 Skill ，让大模型围绕以下三个维度“反思”它提出的方案或者观点： 有效性：是否能高质量解决问题 复杂性：是否引入了非必要的复杂度 后果： 是否引入了新的问题 在 Skill 中也定义了大模型提出方案的基线，以及围绕解决方案的排查思路 目前我在多个项目里实测了几天，感觉效果拔群，配合 Matt Pocock 的工作流会更好 欢迎各位大佬们体验： https://github.com/nscTechArt/are-you-sure