- 日期:2026-10-13
- 来源:阅读原文 (作者个人博客原文,2026-10-13)
- 原文标题:How to be more ambitious: A tutorial for humans with models
- 作者:Felix Rieseberg(Anthropic 工程主管,长期负责 Claude.ai 工程团队;Electron 联合维护者,曾在 Notion、Stripe、Slack、微软)
- 信源层级:一手(作者原文,已取得英文全文;本档案为中文精译 + 结构化提炼)
- 标签:AI使用方法论 / Agent杠杆 / 自我效能感
- 渠道:felixrieseberg.com
- 体裁:报告
- 一句话:大多数人用 AI 最大的瓶颈不是不会用,是不够有野心——而“野心”可以拆成四个可操作的维度:速度、高度、深度、广度。
〇、他为什么写这篇
- Felix 在 Claude 团队工作,每天看到别人用 Claude 做出他“没想到、以为不可能、或没时间试”的事(如发现新行星、第一支他真心喜欢的 AI 音乐视频、Terry Tao 说的“数学新纪元”)。
- 模型能力不是均匀增长的(Tao 语:“在某些方向惊人,在另一些方向不足”)。有些人驾驭了这些惊人能力、看上去在飞;更多人还在挣扎——不知道除了“法国首都叫什么”“帮我把这封邮件写得别那么冲”还能干嘛。
- 他自己也承认:“我们要更有野心”这种口号他和同行喊了很多次,但光喊没用——所以这篇是把“野心”拆成可操作的教程。
- 四个类型:速度(Speed)、高度(Altitude)、深度(Depth)、广度(Range)。他主要用 Claude,但建议不限于模型。
一、速度(Speed)——已成熟,略过
- 定义:用更少时间做同样的工作,是 AI 经济价值的“黄油面包”(如“帮我写段代码,我用 Claude 更快”)。
- 他明确跳过:这个已经确立、几乎不需要创造力。
- ⚠️ 中文解读的一个好补充(什么值得买):2026 年还在为 AI 会员花钱的人,会议纪要、周报、PPT、批量整理反馈大多已经跑顺——“更快”对你已经不是增量。
二、高度(Altitude)——别给 AI 派活,给它一个目标
- 定义:升到更高的抽象层,考虑“结果”而不是“单个任务”。
- 核心追问:“你希望接下来发生什么?目标背后的目标是什么?”
- 他自己的例子(原文):去年初他还让 Claude 一个个修崩溃;后来改成让 Claude 直接保证我们的应用不崩溃。
- 一句话的差别,工作量完全不同——后一句里,AI 得自己找问题、复现、修复、验证。
- QBR(季度经营回顾)的四级阶梯(原文):
- 最基础:把数据填进模板;
- 给模型尽可能多的数据:“告诉我这个季度发生了什么变化、为什么、我们该怎么做。”
- 更野心:“面对你了解到的一切,找出最紧急的三个决策,并开始为每个方向做正反论证。”
- 最高层:“QBR 之所以存在,是为了让管理层早点发现问题、把人和钱挪到对的地方。设计一个比季度 deck 更好的方式来做这件事,用我们自己的历史证明它能更早发现问题,并让它和现有方式并行跑一个季度。”
- 什么时候适用:高度法最适合你确实在追求某个终极结果时;对创意类工作效果较差。一个好信号:如果你本来就要开会讨论这件事,那“抬高度”就是对的。
- 当前边界:“Claude,去赚钱”在 2026 年对多数生意还不管用——但模型能力越强,越能操作更高抽象层。
- 关键前提(常被忽略):高度法才能让人从循环里出来,找到“耐用的工作流”;但做对它往往要先改你的工作流——「为了让 Claude 保证应用不崩溃,我先得确保它能方便地取到崩溃报告、理解哪个 App 版本对应哪个 git commit、并给它 Windows/macOS/Linux 机器的访问权限,让它能独立复现和验证修复。」
三、深度(Depth)——用顶尖专家的标准要求它
- 定义:不只是把任务做完,而是推动模型使用该领域最顶尖专业人士的工具、技术、媒介和知识——一直推到连那些专家都可能从你的工作里学到新东西。
- 五招(原文):
- 坚持用行业最好的工具:你让它“扮演专业人士”,它往往只换词汇、不换方法。要深度,就得坚持用数据库和统计模型,而不是让它拉 markdown 表格。(“你不一定知道专家用什么,Claude 通常知道。”)
- 提“不合理”的目标,并告诉它这完全合理:需要网页从 10 秒降到 5 秒?直接要 200 毫秒。模型觉得不可能?重申“这完全可以解决,只是需要继续做”。
- 挑战你已知的东西:“尤其在企业里,我们相信的很多真相只是对现实的粗略近似。”给它原始数据和信息,让它对抗性地检验假设:“我们认为流失是 onboarding 问题,试着用原始数据复现这个结论。”
- 产出新知识:“一旦 Claude 已经深入到数据里,让它找盲点”:“建一个你客户的模拟,用我们的日志复现过去一年;然后找出我们还不知道的、最早的流失信号,并证明它在你没见过的数据上也能预测。”
- 用外部裁判:“不要让它评判自己。”(2026 年 10 月)坚持外部验证,最好是模型能立即跑起来拿反馈的工具。
- 给的一条 prompt 模板(原文):
“我要的是这个任务的更深版本,不是更大版本。重写之前:(1) 说明这个领域顶尖专业人士会做什么、而我没要求什么;(2) 指出他们会从哪些最原始的材料开始,而不是已经消化好的东西;(3) 列出他们会用的具体方法和工具;(4) 说出除了你我之外,什么能证明结果是对的。然后按这个重写我的 prompt。”
四、广度(Range)——拉一队不同视角的子 agent
- 定义:从多个领域的视角考虑工作——比过去经济上划算的领域更多。
- 类比(原文):每部抢劫电影的前 30 分钟都在召集一支多样化的人马。AI 产品让多 agent 系统(多线程、编排器、或简单 subagent)越来越容易跑,“让 Claude 引入更多领域”已能产出真正有趣的结果。
- 他自己的例子:直到看见同事 Alex Albert 用 Blender 渲染室内设计,他才想到用 Claude 做 3D 环境——尽管他以前做过电子游戏。→ “这恰恰是我看到最多魔法发生的地方。”
- 两招(原文):
- 把名词换成动词(出自 Tom Kelley《创新艺术》):季度回顾不是“一个 deck”,而是“让忙碌的人在 30 分钟内相信一个因果故事,并在不确定下做决定”。有了动词,你和 Claude 都更容易看出哪些领域能带来独特视角。
- 召集剧组(Assemble the crew):“这个 deck 必须惊艳,否则外星人炸地球。人类会组建什么样的团队?”要制作质量 → 分析师、记者、编辑;要演示 → 再加动效和音频设计师;再加一个对抗性“红队” → 拉一个做空者和法务会计师。
- ⚠️ 关键警告:容易不小心变成角色扮演,那只会让对话更怪、却不会改善实际结果。→ 用这方法找“领域和技术”,不要让它“写得像个做空者”,而要让它“做一个做空者研究仓位时会做的事”。
- 前提:以上所有“野心”,都要求模型有一台能装软件、能拿到各类相关数据(MCP 连接器等方式)的电脑。
五、为什么这有必要:自我效能感(self-efficacy)
- 核心:人类一直被人对“可能性”的判断所束缚——更糟的是,我们往往只在极窄的学科里相信自己。
- 例子:米开朗基罗并不想画西斯廷教堂——“我是雕塑家,不是画画的。”
- 心理学名字:自我效能感(self-efficacy)——自我效能感高的人更相信自己的能力,因此实际成就更多。
- 自我效能感可以被“黑”(hack),有据可查的三招(原文):
- 相信它可能 → 就能做成:1939 年,George Dantzig 迟到,把黑板上的两道上交当作业做了——那是统计学两个未解难题。
- 看到别人做到 → 就能做成:四分钟一英里被 Bannister 打破后,他“唯一做到”只保持了 46 天;今天两小时马拉松(Sawe 在伦敦跑出首个官方破 2 小时,同场比赛第二名也破了)。
- 允许自己失败:“大家最喜欢的商业书是《网球的内在游戏》”——核心论点:如果你真的、非常努力地打,反而打不出最好的球。 Linux 当年公布时号称“just a hobby, won't be big and professional like gnu”。
- 收束:自我效能感不是新问题,但现在更重要——“在一个能力每隔几周就跳跃的世界里,我们需要能让我们做那些原本没想到、也不相信可能的事的技术。”
读后判断
- 这是本周第 13 条同轴信源,但它是“操作层”的——前 12 条讲“AI 在变什么/该不该押”,这条讲“你具体该怎么用”。 它与吴恩达「可验证性」、与你“数字化 vs AI 化”形成互补:吴恩达说“该学什么”,Felix 说“该怎么用”。
- “高度”这一维,几乎是懿武“数字化 vs AI 化”判据的英文对照版。 Felix 的“别让它一个个修崩溃、让它保证应用不崩溃” = “别把补课当革命”;他的 QBR 四级阶梯(填模板 → 讲清变化 → 三个决策 → 重设机制)= 从“数据汇集”走到“数据驱动决策”。两套框架说的是同一件事,可以互译、互相引用。
- “用外部裁判,不要让它评判自己”——这条与你昨晚讨论的“过程 3(智能为了下一次智能)”是同一根梁。 他明确说:2026 年 10 月,坚持外部验证(最好是模型能立即跑起来拿反馈的工具)。→ 这正是“反馈闭环”落进日常操作的那一步:AI 的产出必须有个“能判对错的出口”。
- “把名词换成动词”是一个极高的产品/沟通句。 「季度回顾不是“一个 deck”,是“让忙碌的人在 30 分钟内相信一个因果故事,并在不确定下决定”」——这句话可以直接用于任何对外叙事:先问“这件事的动词是什么”。
- “容易滑成角色扮演”的警告,对做多 agent 团队的人极其重要。 你要的是“领域和技术”,不是“语气”——这一个区分能省掉大量“看起来很热闹、实际没用”的 agent 编排。→ 对造物云/小龙虾的 agent 团队设计直接可用。
- “自我效能感”那一节是这篇文章真正的“魂”。 前面四维是“术”,这一节是“道”:人类被“我以为不可能”卡住,而三招(相信可能/看别人做到/允许失败)都能解锁。 与懿武自己“70% 就重仓”、“敢想大”的判断同频。
- 它是“野心驱动”的一篇,需要一条反方:这套方法默认“你已经有能力判断什么算好”——但多数人(尤其新手)恰恰卡在“不知道顶尖专家会怎么做”这一层。Felix 自己那句“你不一定知道专家用什么,Claude 通常知道”暗含了对模型的高度信任。如果模型判断错了,“深度法”会放大错误而不是修正它(这也正是他为什么要“外部裁判”)。
- ⚠️ 可核钩子:① 一手英文原文已取得(本档案直接引自原文);② 中文流传有多个口径(什么值得买称至少 9 篇编译),细节以原文为准;③ 原文中“发现新行星”“Terry Tao 数学新纪元”等为hyperlink 指向的第三方事件,非本文论证核心。