Jak tworzyć prompty do analizy krytycznej

Aby zmusić narzędzie AI do krytyki logiki Twojego argumentu, musisz wyraźnie przypisać mu rolę sceptyka i zabronić mu streszczania lub wygładzania tekstu. Osiągasz to poprzez stosowanie struktur promptów, które wymuszają na modelu przyjęcie przeciwstawnej postawy, izolowanie konkretnych błędów logicznych i nieuzasadnionych założeń, zamiast jedynie poprawiania stylu.

Dlaczego domyślne odpowiedzi są nieskuteczne

Domyślne odpowiedzi AI mają tendencję do przytakiwania lub streszczania, ponieważ modele bazowe są trenowane tak, aby być pomocne i konwersacyjne. Gdy wklejasz argument do okna czatu bez konkretnych instrukcji, narzędzie przechodzi w tryb współpracy. Identyfikuje główny punkt, parafrazuje go dla jasności i ewentualnie sugeruje drobne poprawki stylistyczne. To zachowanie jest przydatne przy redakcji, ale bezużyteczne dla logiki. Model nie wie, że chcesz, aby znalazł szczeliny w Twoim rozumowaniu; zakłada, że zależy Ci na walidacji lub dopracowaniu. W rezultacie wynik często odzwierciedla Twoje własne uprzedzenia, wzmacniając argument zamiast go testować. Aby uzyskać analizę krytyczną, musisz nadpisać tę domyślną postawę współpracy poprzez wyraźne instrukcje o charakterze adwersaryjnym.

Struktury promptów dla sceptycyzmu

Aby wymusić postawę sceptyczną, stosuj struktury promptów definiujące konkretną, przeciwstawną rolę. Zamiast pytać „Czy ten argument jest dobry?”, poproś narzędzie o działanie jako określony typ krytyka. Na przykład instruuj model, aby działał jako logik formalny, którego jedynym zadaniem jest identyfikacja błędów logicznych i luk w rozumieniu wewnątrz Twojego argumentu. Takie sformułowanie eliminuje presję na bycie uprzejmym lub pomocnym w ogólnym sensie. Możesz również stosować prompty oparte na odgrywaniu ról, przypisujące AI perspektywę konkretnego oponenta, takiego jak recenzent znany z rygorystycznych standardów czy filozof specjalizujący się w epistemologii.

Skuteczną strukturą jest podejście „najpierw steel-man, potem krytyka”. Poproś narzędzie, aby najpierw sformułowało najsilniejszą możliwą wersję Twojego argumentu, a następnie ją obaliło. Zapobiega to atakowaniu przez AI słabej, słomianej wersji Twojego stanowiska. Musisz wyraźnie zabronić modelowi streszczania tekstu. Zawrzyj w poleceniu ograniczenie negatywne, takie jak: „Nie streszczaj argumentu. Nie przepisuj tekstu. Wskaż jedynie słabości logiczne”. Wymusza to skupienie się na strukturze i poprawności logicznej zamiast na treści czy stylu.

Izolowanie błędów logicznych i założeń

Techniki izolowania błędów logicznych i niepotwierdzonych założeń wymagają rozłożenia argumentu na części składowe. Nie wklejaj długiego eseju i nie proś o krytykę całości. Zamiast tego wyodrębnij rdzeń struktury logicznej. Możesz użyć QuillBot do sparafrazowania lub streszczenia argumentu do jego czystej formy logicznej, usuwając ozdobniki retoryczne. Gdy masz już tę uproszczoną wersję, podaj ją do AI z instrukcją identyfikacji każdej przesłanki i wniosku. Poproś narzędzie o wypisanie każdej przesłanki i określenie, czy jest ona poparta dowodami, czy jedynie stwierdzona.

Aby zidentyfikować błędy logiczne, poproś AI o sprawdzenie występowania konkretnych, powszechnych błędów, takich jak afirmacja następnika, petitio principii lub non sequitur. Możesz również poprosić o wskazanie niewypowiedzianych założeń. Dla każdego wyciąganego wniosku zadaj narzędziu pytanie: „Co musi być prawdziwe, aby ten wniosek wynikał z tych przesłanek?”. To uwypukla ukryte założenia, które mogłeś przeoczyć. Jeśli pracujesz ze złożonymi, wielowarstwowymi argumentami, warto skorzystać z możliwości rozszerzonego myślenia w Claude, aby głęboko przeanalizować słabości strukturalne i niewypowiedziane założenia rozciągające się na wiele akapitów. Pozwala to modelowi śledzić zależności między odległymi częściami argumentu, które przy prostym liniowym przeglądzie mogłyby zostać pominięte.

Iteracyjne doskonalenie krytyki

Dopracowanie odporności argumentu wymaga iteracyjnego podejścia do krytyki. Nie traktuj pierwszej krytyki jako ostatecznej. Przeanalizuj słabe strony wskazane przez AI i popraw swój argument, aby je uwzględnić. Następnie wprowadź poprawioną wersję z powrotem do narzędzia, stosując tę samą krytyczną instrukcję. Poproś AI o ocenę nowej wersji. Powtarzaj ten cykl, aż AI nie będzie w stanie wskazać istotnych luk logicznych. Ten iteracyjny proces testuje trwałość Twojego argumentu pod ciągłą presją.

W trakcie tych iteracji możesz wykorzystywać różne narzędzia do różnych etapów procesu. Jeśli Twój argument opiera się na przesłankach faktograficznych, skorzystaj z Perplexity, aby zweryfikować spójność logiczną tych przesłanek względem cytowanych źródeł, zapewniając, że Twoje twierdzenia faktyczne mają solidne podstawy. Jeśli Twój argument jest częścią większego dokumentu lub prezentacji, skorzystaj z Microsoft Copilot, aby ocenić logikę bezpośrednio w ramach przepływu pracy, co pozwoli zobaczyć, jak argument funkcjonuje w kontekście. Jeśli Twój argument zawiera elementy multimodalne, takie jak wykresy lub diagramy, skorzystaj z Gemini, aby ocenić argument prezentowany jednocześnie w formacie tekstowym, graficznym lub wideo. Jeśli Twoje notatki są przechowywane w bazie danych, skorzystaj z Notion AI, aby przeanalizować zapisane argumenty pod kątem wewnętrznych niespójności. Skorzystaj z Grammarly, aby zidentyfikować niejednoznaczności strukturalne osłabiające precyzję argumentu, zapewniając, że Twoje twierdzenia logiczne nie są zaciemnione przez niejasną składnię.

Oceniając wyniki działania któregokolwiek z tych narzędzi, szukaj konkretów. Dobra krytyka wskazuje dokładnie tę przesłankę, która zawodzi, i wyjaśnia, dlaczego nie wspiera ona wniosku. Zła krytyka oferuje ogólniki typu „ta sekcja jest słaba” lub „potrzebujesz więcej dowodów”. Odrzucaj wyniki, które są niejasne lub które jedynie parafrazują Twój własny argument innymi słowami. Wykorzystaj krytykę do wzmocnienia swojego argumentu, a nie do jego porzucenia. Celem jest stworzenie argumentu, który przetrwa rygorystyczną weryfikację.