“大家用AI都太保守了！”Claude Code负责人：我的方法更有野心～

• 2026-10-18
• 资讯动态

听雨 发自 凹非寺 量子位 | 公众号 QbitAI 设定一些不合理的目标，然后告诉模型：这非常合理！ 这是Claude Code桌面版负责人Felix Rieseberg分享的一个AI使用小技巧。 具体怎么做？ 假设你想把网站加载时间从10秒压缩到5秒，他建议： 直接把目标定到0.2秒 。 模型说做不到？那就继续告诉它：这个问题完全可以解决，再试试再试试。 在Felix看来，我们给AI布置任务，还可以更大胆一点。 他还分享了一个小技巧： 把任务里的名词换成动词。 比如，原本的任务是「做一份汇报PPT」，可以重新表述成： 在30分钟内，让一群忙碌的人信服你对事情前因后果的解释，并在情况尚不明朗时作出决策。 除了故意把目标定得激进，他还给出了几种具体做法： 别只让AI「像专家一样思考」。接着追问：真正的专家会看哪些原始资料、使用什么工具、采用什么方法，再把这些要求写进任务里。 别把自己的判断直接当成答案。把它交给AI检验，让AI回到原始材料中，寻找支持它的证据，以及可能推翻它的反例。 别让AI自己给自己打分。代码就实际运行，预测结果就用新的数据检验，最终让真实结果说话。 以下是Felix使（调）用（教）Claude的详细教程，经润色。 Enjoy～ 使用AI，我们还能更有野心 我在Claude团队工作。 这份工作很有意思的地方在于：几乎每天我都会得知，又有一件事借助Claude完成了——甚至是由Claude独立完成的。 有些事我压根没想过，有些我原本觉得不可能；还有一些，只是我自己既没那么好奇，也没抽出时间去尝试。 就在这个月，Claude可能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；我们甚至开始讨论，数学的新时代是否正在到来。 模型的各项能力并不会齐头并进。正如陶哲轩所说，它们「在某些方向上令人惊叹，在另一些方向上却仍有不足」。 有些人已经学会驾驭模型那些惊人的能力，仿佛真的飞了起来。看着他们借助我亲手打造的产品抵达那样的高度，着实让人着迷。 更多人还在摸索，怎么用好这双新长出来的翅膀。他们仍在琢磨：除了回答「法国的首都是哪里」，或者「能不能把这封邮件的语气改得温和一点」，AI还能做什么？ 我和许多AI从业者常把一句话挂在嘴边： 用AI，应该更有野心一点。 这句话几乎成了我们的行动口号。每当看到令人惊叹的成果，我们就会转发，再配上一句：「我们还不够有野心。」 我也知道，这话说起来容易，真要照做却很难。所以，这里有一份关于「如何更有野心」的教程。 我把野心分为四类： 速度、高度、深度和广度 。 △ AI生成 速度：用更少的时间完成同样的工作。这是AI创造经济价值最基本的方式。 比如，同样是写一段代码，有Claude帮忙，我可以更快完成。这种用法已经相当成熟，也不太需要琢磨更复杂的使用方式，所以这里先略过。 高度：提高任务的抽象层次，关注最终想实现的结果，而不是一个个具体任务。 深度：像顶尖专家一样思考任务，进一步深入底层的数据、工具和问题。 广度：从多个领域寻找解决问题的思路，把平时不会接触的知识、工具和方法也用起来。 虽然我主要使用Claude，但这些建议并不针对某个特定模型。 高度：让模型在更高的抽象层次上工作 我们常把这种做法随口称为「让模型在更高的抽象层次上工作」。当你给模型下达任务时，它其实是在执行你对如何达成预期结果的最优设想。 若想站在更高的维度思考，不妨问问自己——接下来，你希望发生什么？目标背后的目标，又是什么？ 去年年初，我还让Claude帮我修复单个程序崩溃问题，后来，我直接要求它确保我们的应用始终保持无崩溃运行。 来看一个日常办公任务 （恕我直言，甚至有点枯燥） 。 假设你在Acme公司，需要为季度业务复盘 （QBR） 准备一份PPT。给Claude一堆数据，它会很乐意帮你做出来；也许你已经有了模板，它只需要把内容填进去。 这和发现一颗新行星实在没法比。但同样是做一份季度汇报，我们还能让AI做到什么？可以从最基础的要求开始，一步步提高野心： △ AI生成 第一步，让它理解业务发生了什么。 大多数复盘需要回答的是这几个问题：这个季度发生了什么变化？为什么？接下来应该怎么办？ 如果你只想更新模版里的数字，请克制这种冲动——尽可能把能弄到手的数据都交给模型，让它真正理解你的业务，然后问它： 告诉我，这个季度发生了什么变化，为什么会发生，以及我们应该采取什么行动。 第二步，让它找出需要作出的决策。 一场会议——至少是一场好会议——理想情况下应该以某些决策收尾。可以这样问Claude： 根据你了解到的所有情况，判断眼下最迫切的三项决策是什么，并针对可能的行动方向展开分析，分别列出支持和反对的理由。 第三步，让它重新设计这套工作机制。 放在以前，要做好一次季度业务复盘，人类必须仔细筛选数据，理解