本文作者是Felix Rieseberg，目前在 Anthropic 担任工程经理（EM）。他曾负责 Claude.ai、Cowork 以及 Claude Code Desktop 的工程工作，还是 Electron 及其他多个开源项目的共同维护者。此前，他曾在 Notion、Stripe、Slack 和微软（Microsoft）工作过。本文标题是《How to be more ambitious: A tutorial for humans with models》。 我参与 Claude 的研发工作。这是一段很有意思的经历：几乎每天，我都会听说 Claude 又完成了一件我从未设想过、原以为不可能，或者只是因为缺少好奇心和时间而没有尝试过的事情。 仅这个月，它可能就协助发现了一颗新行星；我看到了第一支真正让我喜欢的AI音乐视频；我们还开始讨论数学研究是否正在进入一个新时代。 弗朗西斯科·戈雅的作品《飞行的方法》 模型能力并不是均匀增长的。正如陶哲轩所说，模型“在一些方向上令人惊叹，在另一些方向上却仍显不足”。 有些人能够驾驭模型那些令人惊叹的能力，看起来已经飞了起来。看着人们借助我们开发的产品达到过去难以想象的高度，很容易让人上瘾。但还有很多人仍在琢磨如何使用自己新长出的翅膀，不知道除了问“法国的首都是哪里”，或者“能不能把这封邮件改得没那么生气”之外，AI还能做什么。 我经常和其他AI从业者一起呼吁：我们使用AI时应该更有雄心。这句话已经成了一种口号。每当看到令人印象深刻的成果，我们都会转发并写道：“我们的雄心还不够大。” 但我理解，真正按照这个建议去做并不容易。所以，这里是一份关于如何变得更有雄心的教程。 我把雄心分成四种：速度、高度、深度和广度。 速度（Speed）：用更少时间完成同样的工作。这是AI创造经济价值最基础的部分。比如，如果需要写一段代码，我可以借助Claude更快地完成。这个方向已经很成熟，也不太需要创造性地改变使用AI的方法，所以本文不再展开。 高度（Altitude）：提高抽象层级，关注最终结果，而不只是一个个具体任务。 深度（Depth）：像某个领域最优秀的专家一样看待任务。不只停留在任务表层，而是再深入一层，直接接触底层数据、工具和真正的问题。 广度（Range）：不只使用任务表面所属领域的知识，还要引入多个领域，使用过去通常不会想到的知识、工具和方法。 我主要使用Claude——原因显而易见——但下面的建议并不局限于某一种模型。 高度：不要只问眼前该做什么，要问最终想实现什么 我们经常随口把这种做法称为“让模型在更高的抽象层级上工作”。 当你给模型布置一个任务时，它实际上是在执行你对于“怎样获得想要结果”的最佳猜测。如果想在高度上更有雄心，你应该问自己：完成这项任务之后，我希望发生什么？这个目标背后更大的目标是什么？ 去年年初，我还会让Claude逐个修复软件崩溃问题。后来，我不再让它修复某一个崩溃，而是直接让它设法使我们的应用保持不崩溃。 我们来看一个日常、甚至有点乏味的办公室任务。 假设你在一家虚构的公司Acme工作，需要为季度业务回顾会议，也就是QBR，制作一份演示文稿。只要提供一批数据，Claude很乐意帮你制作幻灯片。如果你已经有模板，它甚至只需要把内容填进去。 这显然无法与发现一颗新行星相比。下面我们用几个具体步骤，让这项工作逐渐变得更有雄心。 最基础的季度回顾，通常需要回答三个问题：这个季度发生了什么变化？为什么会发生？接下来应该做什么？ 不要只让模型更新模板里的数字。尽可能把你能获得的业务数据都交给它，让它真正理解公司，然后问： 告诉我这个季度发生了什么变化，为什么会发生，以及我们应该怎样应对。 一场有效的会议，最后通常需要形成决定。因此可以继续问Claude： 根据你掌握的全部信息，判断目前最紧迫的三个决策是什么，并开始研究可能的行动方向，分别列出支持和反对的理由。 季度业务回顾这种形式，诞生于这样一个时代：人类必须仔细筛选数据、理解数据意味着什么，再判断公司是否需要调整方向。 所以，我们还可以把问题提升一个层级： 这场季度回顾的目的，是帮助管理层尽早发现问题，并把资金和人员配置到正确的位置。请设计一种比季度演示文稿更好的实现方式；利用我们过去的数据，证明这种方式原本可以更早发现问题；然后让它与现有季度回顾机制并行运行一个季度。 如果你真正追求某个最终结果，“提升高度”的方法通常很有效；但它不一定适合创意工作。 一个简单的判断标准是：如果你完成当前工作后，还需要开会讨论它，那么很可能应该提高抽象层级，直接思考会议最终需要解决的问题。 当然，目前仍存在限制。至少在2026年，对大多数企业来说，只对Claude说一句“去帮我赚钱”，通常还不能产生效果。但我的总体观察是：模型能力越