为什么你需要的不是让AI给自己挑错，而是让AI主动“推翻”自己的论点？这需要用到WorkBuddy的“自我批判”心法——先给角色、再让AI反问、最后要求它站在对手立场复盘。 很多用户担心AI输出的方案不够全面，怕漏掉关键风险。WorkBuddy的“自我批判”心法正是为此设计。 它的核心不是让AI泛泛地检查语法错误，而是要求AI主动反思路径：你刚才的回答有什么不足？请自己挑出3个最严重的问题，然后优化一版。 当你要求WorkBuddy扮演竞品法务时，其实是把“自我批判”升级成了“角色对抗”。竞品法务天然站在你的对立面，他会本能地质疑你的逻辑漏洞、挑出对你不利的条款、挖掘潜在的法律风险。 让WorkBuddy进入这个角色，它的回答会从“帮你找优化点”变成“主动攻击你的方案”。 从技术原理看，WorkBuddy的多轮对话能力支持这种深度的角色扮演。你可以先设定一个完整的人设（“你是某竞品公司的法务总监，正在审查我方提出的合作协议”），然后要求它根据这个立场逐条反驳你的论点。 WorkBuddy会记住这个角色设定，在后续对话中持续以该身份输出。 “给角色+给框架”是WorkBuddy的核心心法之一。例如在合同审查场景，你加了“你是10年法务专家”的角色后，AI会更专业地引用合同法条款。同理，加上“你是竞品法务”的角色后，AI的批判角度会更尖锐、更有针对性。 核心结论： 不是让AI随便挑错，而是给它一个对手身份，让它主动攻击你。

怎么做才能让WorkBuddy真正扮演好竞品法务？核心流程是“设定角色→先反问→分步确认→执行→自我批判→优化输出”。关键一步是在输出前先让AI反问，把隐性信息挤出来。 很多用户尝试让WorkBuddy扮演竞品法务时，往往直接说“请你扮演竞品法务反驳我的方案”，然后AI直接输出几段不痛不痒的质疑。 问题出在AI对你的背景理解不够，它不知道你的方案用在什么场景、面对什么客户、有什么约束条件。 正确的做法分六步： 第一步：给足背景信息。 告诉WorkBuddy你是谁、要做什么、有什么约束条件。例如：“我是某SaaS公司的产品负责人，准备推出一个新的企业级AI工具定价方案，目标客户是200-500人的中型企业，预算敏感。” 第二步：要求AI先反问，不要直接动笔。 指令示例：“你先别写方案，先以竞品法务的身份问我5-10个关键问题，把我没说的隐性信息挤出来。”这一步是关键，能让AI主动挖掘你的盲点。 第三步：回答AI的反问。 把AI提出的问题逐一回答，补充更多背景细节。你回答得越详细，后续方案越有针对性。 第四步：让AI输出大纲。 指令示例：“现在请输出你的反驳大纲，列出3-5个你认为我方方案的核心漏洞，每个漏洞配1个具体反击角度。我先确认大纲再让你展开。” 第五步：分步确认执行。 确认大纲方向正确后，再让AI逐条展开反驳。WorkBuddy的“先大纲后正文”心法能避免AI一开始就跑偏。 第六步：自我批判再优化。 反驳输出后，追问：“你觉得刚才的反驳有什么不足？再优化一版，加入更多法条依据和行业案例。”这样能获得更高质量的最终输出。 一个完整的提示词示例： “你扮演我们的竞品公司法务总监，你正在审查我方计划推出的企业版AI定价方案。你的任务是找出对我方不利的所有漏洞。在输出反驳之前，先列出你需要的5个背景信息点，我提供后再输出你的反驳大纲。”

竞品法务视角能帮你发现什么？它能帮你发现成本结构漏洞、合同条款风险和品牌定位弱点，这些都是内部视角容易忽略的。 案例一：财税SaaS定价方案的反向验证。 某团队在制定新定价方案时，自己觉得梯级定价策略很完美。用WorkBuddy扮演竞品法务后，AI指出了三个问题： 第一，梯级定价的阈值设置恰好让中型客户比买更高级别的竞品贵 第二，年付折扣条款有隐藏的自动续费陷阱，可能被竞品用作攻击点 第三，退款政策中的“不可抗力”定义过于模糊，容易引发纠纷 团队根据这些反馈调整了方案，最终发布的定价版本竞品用了两周才做出应对。 案例二：企业服务合同的风险审查。 某ToB公司在与客户签订长期服务合同时，让WorkBuddy同时扮演乙方法务和竞品法务两个角色。竞品法务视角下，AI发现了合同中“服务等级协议”中的测算方式漏洞——竞品可以引导客户用对自己有利的计算方式要求赔偿。 这个角度原来的法务团队根本没有想过，及时修正后避免了潜在损失。 案例三：产品发布前的竞争预判。 某SaaS团队准备发布新功能，先用WorkBuddy以竞品市场部+法务双重角色进行攻防演练。AI预测了竞品可能的三种反击话术（功能对比、价格战、合规质疑），并提前准备了应对方案。 产品上线后，竞品果然用了AI预判的话术，团队提前准备好了回应，公关战打了对方一个措手不及。 这些案例的核心启示： 竞品法务视角的价值不仅是发现自己的漏洞，更是预判对手的攻击路径。把这个能力固化到你的工作流中，每次输出方案前都跑一遍“扮演竞品法务”流程。 通过A/B测试不断优化提示词，把最佳实践沉淀为团队的Skill模板，后续一键复用。