如何更有雄心：写给使用模型的人类的教程

我参与 Claude 的开发。这是一种很有意思的体验：每天，我都会了解到又一件借助 Claude 或由 Claude 完成的壮举，而这些事情，要么我从未想过，要么我以为不可能，要么我只是缺乏好奇心和时间去尝试。这个月，它可能帮助人们发现了一颗新行星；我看到了第一支真正喜欢的 AI 音乐视频；我们也正在讨论数学的新时代。

原文：How to be more ambitious: A tutorial for humans with models

作者：Felix Rieseberg

原文发布日期：2026 年 10 月 13 日

原文阅读时间：8 分钟

主题：claude

本文根据所提供的英文正文完整翻译。

模型的能力并不是均匀增长的。正如陶哲轩所说，模型“在某些方向上令人惊叹，在另一些方向上却能力不足”。有些人成功驾驭了那些令人惊叹的能力，看起来仿佛飞了起来——看着人们用我参与打造的产品达到不可思议的高度，实在让人着迷。还有很多人仍在努力让自己的新翅膀发挥作用，不知道除了问“法国的首都是哪里”或“你能把这封邮件改得不那么生气吗”，它们还能用来做什么。

我经常和其他从事 AI 工作的人一起宣称：我们在使用 AI 时，应该更有雄心。这已经成了一句号召。每当看到令人印象深刻的东西，我们就转发，然后写下“我们的雄心还不够”。我理解，要遵循这个建议有多难，所以这里有一份关于如何更有雄心的教程。

我把雄心分为四种：速度、高度、深度和广度。

• 速度：用更少的时间完成同样的工作，这是 AI 经济价值的基本盘。如果你需要写一些代码，我用 Claude 就能更快地完成。这一点已经相当成熟，在使用 AI 的方式上也不太需要创造力，所以我会跳过这一项。
• 高度：提高抽象层次，考虑最终结果，而不是单个任务。
• 深度：像某个领域的顶尖专家那样看待一项任务。我们不只在任务所在的层面上操作，而是再深入一层，接触底层的数据、工具和问题。
• 广度：借鉴多个领域，而不只是任务表面上可能需要的那一个领域，使用你平时不会用到的知识、工具和技术。

我主要使用 Claude（这还用说），但我的建议并不针对某个特定模型。

高度

我们常常轻描淡写地把这称为“让模型在更高的抽象层次上工作”。当你把一项任务交给模型时，它执行的其实是你对于“如何获得想要的结果”的最佳猜测。要在高度上更有雄心，就问问自己：你希望接下来发生什么？目标背后的目标是什么？去年年初，我还在让 Claude 帮我修复一个个具体的崩溃问题。后来，我干脆让 Claude 保证我们的应用不发生崩溃。

来考虑一项日常的办公室任务——我能不能说，它甚至有点平淡无奇？你在一家虚构的 Acme 公司工作，需要为季度业务回顾（QBR）准备一份幻灯片。给 Claude 一堆数据，它就会很乐意地帮你做出一些幻灯片。也许你甚至已经有了模板，它只需要把内容填进去。这可很难与发现一颗新行星相提并论，所以，让我们看看一些具体步骤，如何让我们的做法更有雄心。我们从基础开始，每一步都再多一点雄心：

• 在输入方面，大多数业务回顾都想知道：这个季度发生了什么变化，为什么，以及应该采取什么措施。克制住只更新模板里那些数字的冲动——把你能拿到的数据尽可能多地交给模型，让它理解你的业务：“告诉我这个季度发生了什么变化，为什么，以及我们应该怎么做。”
• 会议——至少好的会议如此——理想情况下应该以一些决策结束。问 Claude：“根据你了解到的所有情况，找出最紧迫的三个决策，并开始研究可能的方向，列出赞成和反对的理由。”
• 季度业务回顾诞生的那个时代，做好一次回顾需要人类仔细筛选数据，弄清数据意味着什么，以及业务是否应该调整。问 Claude：“做业务回顾，是为了让管理层及早发现问题，把资金和人员调配到正确的地方。设计一种比季度幻灯片更好的方式，用我们自己的历史记录证明它本来能更早发现问题，再让它与现有方式并行运行一个季度。”

如果你确实是在追求某个最终结果，提高高度的做法最有效；对于创造性活动，它的效果就没那么好。一个很好的判断信号是：你是否打算开会讨论自己正在做的东西。如果是，那么在高度上更有雄心通常是个好主意。目前仍然存在一些限制——在 2026 年，仅凭一句“Claude，去赚钱”，对大多数企业来说似乎还不管用——但总体上，我观察到，模型越有能力，似乎就越能在更高的抽象层次上工作。

人们也会在高度这个维度上找到持久运转的工作流，让人不必再参与其中，从而减少你不断给模型下达一个又一个任务的必要。要做好这一点，往往需要改变你的工作流：为了让 Claude 确保我们的应用不发生崩溃，我首先得确保它能够轻松获取崩溃报告，弄清哪个应用版本对应哪个 Git 提交，并让它能访问 Windows、macOS 和 Linux 计算机，这样它才能真正独立复现问题并验证修复。

深度

有时候，你只是希望把一项任务完成得特别好。在深度上更有雄心，意味着推动模型使用这个领域最优秀的专业人士所采用的工具、技术、媒介和知识，并继续推动下去，直到连那些人都可能从你的工作中学到新东西。

继续用 Acme 公司季度业务回顾幻灯片的例子。暂且假设，Acme 公司正面临一些用户流失问题，也就是客户随时间推移而流失。我发现，把下面这些方法结合起来很有用：

• 坚持使用业内顶尖人士所用的工具：当你要求模型表现得像专业人士时，它们往往只是换了一套词汇，却没有真正改变方法。要深入解决我们的问题，就需要使用最优秀的数据科学家和统计学家所使用的工具。当 Claude 准备使用 Markdown 表格时，坚持让它使用数据库和统计模型。你不一定要知道专家用什么，Claude 通常知道。
• 设定不合理的目标，并告诉模型这些目标非常合理：你需要把网站加载时间从 10 秒缩短到 5 秒？那就要求 200 毫秒。某件事在模型看来似乎不可能？再次强调，它完全可以解决，只需要继续努力。
• 挑战你所知道的东西：尤其是在商业领域，很多我们以为正确的事情，都只是对现实的粗略近似。让模型访问原始信息和数据，要求它以对抗性的方式检验假设。“我们认为，用户流失是新用户引导出了问题。试着从原始数据中复现这个结论。”
• 创造新知识：这很容易接在“挑战你所知道的东西”后面——既然 Claude 已经深入数据，就让它寻找盲点。“构建一个客户模拟模型，用我们的日志复现过去一年的情况。然后找出我们还不知道的、最早的用户流失信号，并证明它能对未见过的数据作出预测。”
• 使用外部评判者：不要让模型自己评判自己。我想，随着模型智能的提升，这个问题最终会得到解决；但在 2026 年 10 月，我恳请你坚持进行外部验证。理想情况下，这应该是一种模型能够运行、并立即从中获得反馈的工具。

下面这段简单的提示词经常能帮到我：

我想要的是把这项任务做得更深，而不是做得更大。在改写之前：（1）说出这个领域的顶尖专业人士会在这里做哪些我没有要求的事；（2）指出他们会从哪些最原始的材料入手，而不是从那些已经替我消化过的材料入手；（3）指出他们会使用的具体方法和工具；（4）说明除了你或我之外，还有什么能够证明结果是正确的。然后，改写我的提示词，明确要求做到这些。

广度

简单来说，在广度上更有雄心，就是从不同领域的角度看待我们的工作——涉及的领域数量，要比过去在成本上划算的数量更多。这不是什么特别独到的见解，每一部盗窃题材电影，前 30 分钟都在集结一群各有特点、各有所长的人物。随着 AI 产品让运行多智能体系统变得越来越容易——无论是通过多个线程、编排器，还是简单的子智能体——我已经见过一些很有意思的结果，而它们来自我反复要求 Claude 引入更多领域。

把这件事付诸实践并不容易，它需要你发挥创造力。在看到同事 Alex Albert 使用 Blender 渲染室内设计之前，我从来没想过让 Claude 为我的个人主页制作 3D 环境——尽管我以前还做过电子游戏！不过，这无疑是我见到最多奇妙事情发生的地方。

那么，我们该怎么做？我会使用下面这些方法：

• 试着把名词换成动词：这是 Tom Kelley 和 Jonathan Littman 在《创新的艺术》（The Art of Innovation）中提到的一个老技巧。季度业务回顾不是“一份幻灯片”，而是“在 30 分钟内，让忙碌的人相信一个关于因果关系的故事，并在不确定性下作出决策”。有了这些动词，我和 Claude 就更容易理解，哪些领域可能带来独特而有用的视角。
• 集结团队：这份幻灯片必须惊艳，否则外星人就会炸毁地球。人类会组建一支什么样的团队？为了达到成品应有的质量，我会找来一位分析师、一位记者和一位编辑。如果还需要现场演示，可能还要有一位动效设计师和一位音频设计师。引入一支对抗性的“红队”也许有用，那就再请来一位做空者和一位法务会计师。

你很容易不小心陷入角色扮演，这只会让对话记录变得更奇怪，却不会改善实际结果。用这个方法来寻找领域和技术。不要让模型像做空者那样写作，而要让它去做做空者为了研究自己的做空头寸而会做的事情。

我所描述的所有这些雄心，都要求模型拥有一台能够安装软件的计算机，并且能够访问各种相关数据，无论是通过 MCP 连接器还是其他方式。很多工具都能做到这一点，我建议你选一个来用。

我们以前也经历过

以上就是我关于如何更有雄心的具体建议。如果你愿意再留一分钟，我还想说说，为什么我认为这件事首先就是必要的。

我们人类一直受制于自己认为什么是可能的。更糟的是，我们通常只在非常狭窄的领域里相信自己。有个著名的故事：米开朗基罗不想为西斯廷教堂作画——你看，他是雕塑家，不是画家。

在研究雄心这个问题时，我了解到，心理学对这种现象有一个名称：自我效能。简单来说，自我效能高的人更相信自己的能力，因此实际上也能取得更多成就。有证据表明，自我效能是可以通过一些技巧来提升的：Locke 和 Latham 仔细研究了 35 年的目标设定研究，因而有把握地宣称，被赋予具体而困难目标的人，表现好于那些只是被要求尽力而为的人。Stripe 创始人 Patrick Collison 维护着一份名为 “Fast”的清单，记录了人类在同时获得大胆目标和紧迫期限时完成的许多事情。下面是一些有充分记录的技巧：

• 通过相信难事可以做到，来完成难事：1939 年，George Dantzig 去伯克利的一堂统计课时迟到了。他从黑板上抄下两道题，以为是作业，后来交上了自己的解答。那其实是统计学中的两道未解难题。
• 通过看到别人做到，来完成难事：几十年来，人类一直在追求四分钟跑完一英里。Roger Bannister 于 1954 年 5 月打破了这个界限，但他作为唯一做到这件事的人，只保持了短短 46 天。如果你喜欢跑步，我们正在看到类似的事情发生在两小时马拉松上：Sabastian Sawe 今年 4 月在伦敦跑出了首个官方认可的两小时以内的马拉松成绩。在同一场比赛中，亚军也突破了两小时大关。
• 通过允许自己失败，来完成难事：大家最喜欢的商业书籍似乎都是《网球的内在游戏》（The Inner Game of Tennis），而我上周才发现这本书。它的核心观点是：如果你非常、非常用力地想打好网球，你反而打不出自己的最佳水平。我们工程师也许还记得 Linux，它在宣布时被称为“只是一个爱好，不会像 gnu 那样庞大而专业”。

自我效能不是一个新问题，但如今它的影响更大了。在一个我们的能力每隔几周就会跃升的世界里，我们需要一些方法，让我们去做那些自己原本没有认真考虑过、或不相信可能做到的事。如果你找到了更多让人更有雄心的方法，请一定告诉我！

本文配图为弗朗西斯科·戈雅的《飞行的方式》（“Modo de volar”，A Way of Flying）。

—— 完 ——