如何变得更有雄心：写给人类与大模型协作的指南

我目前在 Anthropic 从事相关工作。这是一段很有意思的经历：每天我都会了解到各种利用 Claude 或由 Claude 独立完成的惊艳壮举——这些事情是我以前连想都没想过、觉得不可能实现的，或者只是因为缺乏好奇心和时间而从未尝试过的。就在这个月，它可能协助发现了一颗新行星，我看到了第一部让我真正喜欢的 AI 音乐视频，我们还在讨论数学的新纪元。

AI 模型的各项能力并非同步均衡发展的。正如陶哲轩所言，模型“在某些方向上惊为天人，但在其他方向上却捉襟见肘”。有些人能够驾驭这些惊人的能力，仿佛展翅高飞——看着人们借助我所构建的产品达到不可思议的高度，实在令人上瘾。而另许多人仍在挣扎着让他们的“新翅膀”扑腾起来，心里纳闷着：除了问“法国的首首都（注：原文如此）在哪里”或者“能不能把这封邮件写得不那么气势汹汹”之外，它们到底还能用来干什么？

我经常（与业内其他 AI 从业者一同）大声疾呼：我们在使用 AI 时，理应更有雄心。 这已经成了一个集结号。每当看到令人惊叹的成果时，我们都会转发并写道：“我们的雄心还远远不够。”我完全理解要听从并践行这个建议有多么棘手，所以这里有一份关于如何变得更有雄心的指南。

我认为雄心可以分为四种类型：速度（Speed）、高度（Altitude）、深度（Depth）和广度（Range）。

• 速度（Speed）：用更少的时间完成同样的工作。这是 AI 经济价值的立足之本：如果你需要写点代码，用 Claude 我能写得更快。这已经非常成熟，并且在如何使用 AI 的方法上不需要太多的创造力，所以我就跳过这一点不谈。
• 高度（Altitude）：提升抽象层级，关注最终结果而非单一的具体任务。
• 深度（Depth）：像行业顶尖专家那样看待和处理任务。我们不只停留在任务的表层，而是深入下一层，触及底层的数据、工具和问题。
• 广度（Range）：跨越多个领域来审视问题，而不是仅仅局限于任务表面所需的单一领域，动用你平时通常不会用到的知识、工具和技巧。

我主要使用的是 Claude（废话），但我的建议并不局限于某个具体的模型。

高度（Altitude）

我们经常轻描淡写地称之为“让模型在更高的抽象层级上运行”。当你给模型一个任务时，它执行的是你关于如何达到想要结果的最佳设想。要在“高度”上更有雄心，请扪心自问——接下来你希望发生什么？ 远大目标背后的终极目标是什么？在去年年初时，我仍然会让 Claude 帮我修复单个的代码崩溃。而后来，我直接让 Claude 确保我们的应用程序保持无崩溃状态。

让我们来考虑一个日常的（我甚至敢说是世俗的？）办公室任务。假设你在一家名为 Acme Inc 的虚构公司工作，你需要为季度业务回顾（QBR）制作一份演示文稿。面对一堆数据，Claude 很乐意为你做几页幻灯片。也许你甚至有一个模板，它只需要往里填数据就行。这跟发现一颗新行星几乎没有可比性，所以让我们来看看如何通过一些具体的步骤，让我们的方法更具雄心。我们将从基础开始，每一步都比上一步更有雄心：

• 作为输入，大多数业务回顾都希望了解这个季度发生了什么变化、原因何在，以及应当采取什么行动。请抵制住仅仅更新模板中数字的冲动——尽可能多地向模型提供你所能收集到的业务数据，以便它真正理解你们的业务：“告诉我这个季度发生了什么变化、原因是什么，以及我们接下来该怎么做。”
• 会议（当然，指那种真正高效的会议）通常以做出某些决策而告终。询问 Claude：“结合你所了解的一切，找出最迫切需要做出的三个决策，并针对每个决策开始制定包含正反方论点的可行方向。”
• 季度业务回顾（QBRs）诞生于这样一个时代：当年的优秀回顾需要人类仔细筛选数据，弄清楚这些数据意味着什么，以及业务是否需要做出调整。询问 Claude：“设立业务回顾的目的是为了让领导层尽早发现问题，并将资金和人员投放到正确的地方。请设计一套比季度幻灯片更好的方法来做到这一点，用我们自身的历史数据证明它本可以更早地发现问题，并让它与当前的流程并行运行一个季度。”

如果你确实在追求某种终极结果，高度法（Altitude）的效果最好；对于纯粹的创意类努力，它的效果则相对较弱。一个很好的风向标——如果你发现自己接下来要开会讨论你正在处理的工作，那么在“高度”上展现雄心往往是个好主意。目前当然也存在局限性（在 2026 年，“Claude，去帮我赚钱”这句话对大多数企业来说似乎还无法凭空实现），但我普遍发现，模型的智能越强大，它们就越能在更高的抽象层级上运作。

“高度”也是人们找到持久工作流的领域，这些工作流能够将人类从循环中解放出来，让你无需再不断地给模型派发一个又一个任务。要做好这一点，通常需要改变你的工作流程——为了让 Claude 确保我们的应用程序没有崩溃，我首先得确保它能够轻松获取崩溃报告、理解哪个应用版本对应哪次 Git 提交，并赋予它访问 Windows、macOS 和 Linux 计算机的权限，这样它才能真正独立地重现并验证修复方案。

深度（Depth）

有时候，你只是希望某个任务被执行得极度完美。在“深度”上拥有雄心，意味着推动模型去使用该领域最顶尖专业人士所运用的工具、技术、媒介和知识——并且不断深入，直到连这些专家都可能从你的工作中学到新东西。

让我们继续以 Acme Inc 公司的季度业务回顾演示文稿为例。假设 Acme Inc 正面临用户流失率（随着时间推移客户流失）的困扰。我发现以下几种技巧的组合非常有用：

• 坚持使用行业顶尖水平的工具：当被要求表现得像个专业人士时，模型往往会改变措辞，但实际上并没有改变方法。为了以深度解决我们的问题，我们需要使用与最优秀的数据科学家和统计学家相同的工具。当 Claude 伸手去拿 Markdown 表格时，你要坚持要求它使用数据库和统计模型。你大可不必知道专家们用的是什么，但 Claude 通常知道。
• 设定不合理的宏伟目标，并告诉模型这非常合理：你需要你的网站在 5 秒内加载完毕，而不是 10 秒？那就要求它在 200 毫秒内完成。模型觉得某件事不可能做到？重申这绝对是可以解决的，它只需要继续尝试。
• 挑战你的既有认知：尤其在商业领域，许多我们深信不疑的事情其实只是对现实的粗略近似。给予模型访问原始信息和数据的权限，并要求其对假设进行对抗性检验。“我们认为客户流失是个新用户引导（Onboarding）问题。请尝试从原始数据中复现并验证这一观点。”
• 生产全新的知识：这可以顺理成章地承接上一条“挑战既有认知”——一旦 Claude 已经深入到数据内部，就要求它寻找盲点。“为我们的客户构建一个模拟器，能够从日志中重现过去一年的情况。然后，找出我们目前尚不知晓的最早流失信号，并证明它能够预测未见过的数据。”
• 使用外部裁判：切勿让模型对自身进行自我评估。我猜随着模型智能的不断提升，这个问题终将得到解决，但在 2026 年 10 月的今天，我强烈恳请你坚持进行外部验证。理想情况下，那是一个模型可以立即运行以获取反馈的工具。

一个经常能帮到我的简单提示词：

“我想要这个任务的一个更具深度的版本，而不是一个更大版本。在重写它之前：（1）说出一个该领域的顶级专业人士会在这里做、而我却没有要求的事情；（2）说出他们会从什么最原始的材料开始，而不是那些已经为我消化过的信息；（3）说出他们会使用的具体方法和工具；（4）说出除了你我之外，还有什么能够证明结果是正确的。然后重写我的提示词，要求实现精准的这一点。”

广度（Range）

简而言之，在“广度”上拥有雄心，意味着我们从不同领域的视角来审视我们的工作——其涉及的领域比以往出于经济效益考虑所能覆盖的要多得多。这并不是什么特别独特的见解，每一部经典的盗匪电影都会在前 30 分钟里组建一个才华横溢、背景各异的演员阵容。随着 AI 产品让运行多智能体系统（Multi-agent systems，包含多线程、编排器或单纯的子智能体）变得越来越容易，我通过恳求 Claude 引入外部领域的视角，看到了非常有趣的成果。

将这一点付诸实践并不容易，它需要你发挥创造力。直到我看到我的同事亚历克斯·阿尔伯特（Alex Albert）使用 Blender 来渲染室内设计之前，我从未想过将 Claude 用于我个人主页的 3D 环境设计——尽管我以前做过电子游戏！然而，这恰恰是我看到最神奇的事情发生的地方。

那么，我们该怎么做呢？我使用以下这些技巧：

• 尝试将名词替换为动词：这是汤姆·凯利（Tom Kelley）和乔纳森·利特曼（Jonathan Littman）所著的《创新的艺术》（The Art of Innovation）一书中的一个老把戏。一份季度业务回顾并不是“一个演示文稿（幻灯片）”，而是“在 30 分钟的不确定性中，让大忙人相信一个关于因果关系的故事，并做出决策”。明确了动词，我和 Claude 就能更容易地理解哪些领域能够带来独特且有用的视角。
• 组建你的“梦之队”：这份演示文稿必须做到惊艳绝伦，否则外星人就要炸毁地球了。人类会为此凑齐一拨什么样的人才队伍呢？为了保证制作质量，我会请来分析师、记者和编辑。如果要进行展示，可能还需要动效和音频设计师。引入一个对抗性的“红队（Red team）”也可能会很有用，所以让我们请来一位做空者（Short seller）和一名法务会计师。人们很容易不小心陷入角色扮演，这只会让你的对话记录变得古怪，却无法改善实际结果。运用这个方法的目的是寻找领域和技巧，不要要求模型像一个做空者那样去写作，而是要求它去做一个做空者在调研其头寸时所做的事情。

我所描述的所有展现雄心的方式，都要求模型拥有一台能够安装软件并访问各种相关数据的计算机（可以通过 MCP 连接器或其他方式）。大量的工具使这一切成为可能，我强烈建议你也使用其中之一。

我们以前也经历过

以上就是关于如何变得更有雄心的具体建议。如果你愿意再花一分钟听我说完，我想告诉你：为什么我认为这在今天甚至变得如此必要。

我们人类一直被我们认为“可能做到”的事情所束缚——更糟糕的是，我们通常只在非常狭窄的学科里才信任自己的能力。迈开朗基罗（Michelangelo）当年曾大名鼎鼎地拒绝绘制西斯廷教堂的天顶画——你看，他认为自己是个雕塑家，而不是个画家。

在研究“雄心”这个问题的过程中，我了解到心理学上有一个专门的名词来形容这种现象：自我效能感（Self-efficacy）。简而言之，具有高自我效能感的人对自己的能力更有信心，进而实际上也能取得更高的成就。有证据表明，自我效能感是可以被“开挂攻克”的：洛克（Locke）和拉瑟姆（Latham）深入研究了长达 35 年的目标设定研究，并充满信心地宣称：被赋予具体困难目标的人类，其表现要优于那些仅仅被告知“尽力而为”的人。Stripe 的创始人帕特里克·科利森（Patrick Collison）维护着一个“快节奏”清单（“Fast” list），记录了人类在被赋予雄心勃勃的目标和紧迫的截止日期时所完成的众多壮举。一些已被充分记录的“诀窍”包括：

• 通过相信困难的事情是可能的来完成它们：1939 年，乔治·丹齐格（George Dantzig）上伯克利的统计学课迟到了，他从黑板上抄下了两道题并把答案交了上去，以为那只是普通的家庭作业。结果，那是统计学史上两道尚未解决的难题。
• 在看别人做到之后去完成困难的事情：几十年来，人类一直在追逐“四分钟跑完一英里”的极限。罗杰·班尼斯特（Roger Bannister）于 1954 年 5 月打破了这一纪录，但在仅仅 46 天里，他依然是唯一一个做到这一点的人。如果你也喜欢跑步，我们会发现类似的突破正在马拉松“两小时大关”上重演：萨巴斯蒂安·萨韦（Saastian Sawe）今年 4 月在伦敦完成了历史上首个官方认可的“两小时以内”马拉松。而在同一场比赛中，亚军也打破了两小时的大关。
• 通过给自己失败的许可来完成困难的事情：显然，所有人都最喜欢的商业书是《网球的内在游戏》（The Inner Game of Tennis），我也是上周才发现它。这本书的核心论点是：如果你拼命、拼命地想要打好网球，你反而无法发挥出最佳水平。我们这些工程师可能会想起 Linux 操作系统，它最初发布时被描述为“只是个业余爱好，不会像 GNU 那样庞大和专业”。

自我效能感并不是一个新问题，但在今天它变成了一个更具力量的问题。在一个我们的能力每隔几周就会实现飞跃的世界里，我们需要一些方法来让我们去做那些我们原本并未考虑、也未曾相信有可能做到的事情。如果你找到了更多能让你变得更有雄心的方法，请务必告诉我！