Claude 团队工程师分享如何更有雄心地使用 AI 的教程

完整中文导读

Claude 团队工程负责人 Felix Rieseberg 发布教程，认为 AI 能力已跑在人的想象力前面，瓶颈是人不敢要，并把「更有雄心」拆成速度、高度、深度、广度四类。

中文整理

作者 / 来源：meng shao (@shao__meng) · 原文时间：2026年10月14日 15:07（北京时间）

原作者信息要点

材料称，Claude 团队工程师 Felix Rieseberg（@felixrieseberg）发布了一篇关于如何更有雄心地使用 AI 的教程，标题为 how-to-be-more-ambitious-a-tutorial-for-humans-with-models。他在社交平台自述是 Claude 团队的工程负责人（eng lead）。

作者的核心判断是：AI 能力已经跑在人的想象力前面，真正的瓶颈不是模型不行，而是人不敢要。他把“更有雄心”分为四种类型：速度（同样工作用更少时间）、高度（向上抽象，关注结果而非任务）、深度（像领域顶尖专家那样工作）、广度（调动任务表面不需要的多个领域）。

高度方面，作者主张追问目标背后的目标，实例是从“让 Claude 修这个崩溃”上升到“让应用保持无崩溃”。他以季度业务回顾（QBR）为例分层推进：先把原始数据全部喂给模型，问变了什么、为什么、怎么办；再让它找出三个最紧迫的决策并起草正反两方论证；第三层是质疑任务形式本身，让模型设计更好的机制、用历史数据验证并与现行流程并行运行。作者给出的判断信号是：如果产出还需要开会讨论，说明高度不够；真正到位的高度会产生“人可以退出循环”的持久工作流，但要求改造自己的系统，包括日志访问权限、版本-提交映射、可复现环境。

深度方面，作者的核心洞察是模型可能换了术语却没换方法论。他列出五项技术：坚持专业工具，要求真数据库、真统计模型而非中间格式；定“不讲理”的目标并称之为合理，例如要 200ms 而不是 5 秒；对抗性验证自己的假设，给原始数据让模型试图推翻既有信念；生产新知识，从日志构建客户行为仿真、寻找最早的未知流失信号并在未见数据上验证；永远用外部裁判，模型不能自己给自己打分。他还给出一个元技巧：让模型先回答顶尖专业人士会怎么做、最原始的材料是什么、用什么方法、怎么外部验证，然后据此重写 prompt。

广度方面，作者借用《The Art of Innovation》的方法，把名词替换成动词，例如一份“回顾 PPT”的本质是让忙碌的人在 30 分钟内相信一个因果故事并在不确定下做出决策，这会暴露哪些领域本来相关但从未被请进来，包括分析、新闻、编辑、动效设计，甚至做空者和法务会计这类对抗性角色。他警告不要滑向角色扮演：要求模型做做空者所做的事，而不是以做空者的口吻写文章。

作者还提出贯穿三种雄心的物质前提：给模型一台电脑、装软件的能力和数据访问权（如 MCP），否则雄心只是作文。

本站整理与观察

本站观察：材料呈现的是一套方法论框架，而非可验证的效果数据。文中提到的 QBR 分层推进、200ms 目标、客户行为仿真等均为作者给出的示例或主张，材料未提供对应的实验结论、基准测试或落地结果。

本站观察：作者身份为 Claude 团队工程负责人，其教程内容与 Claude 产品生态（如 MCP）存在关联，但材料未说明该教程是否代表 Anthropic 官方立场。

本站观察：四种雄心类型中，“速度”一项在材料中被标注为“略过”，因此本次整理未展开其具体方法。

材料为社交媒体帖子及其中引用的教程摘要，未包含教程全文，因此对高度、深度、广度三部分的具体论证细节、示例完整性和验证方式无法核实。文中所有方法、数字（如 200ms）和判断信号均来自原作者主张，本站未独立验证。作者身份信息来自其自述，未提供第三方确认。

上下文来源：1