大家好，我是 Ai 学习的老章 Anthropic 这家公司是真的恶，但也真的很有货 刚外面逛推，被 Anthropic 工程主管 Felix Rieseberg 的一篇万字长文刷屏了 陶哲轩之前评价现在的顶级大模型，说过一句特别精辟的话：“模型的能力在某些方向上令人惊叹，而在另一些方向上又显得笨拙” 现实中确实也是这样 一部分人抓住了那些令人惊叹的超强能力，玩得像在天空中自由翱翔；但更多的人，还在拼命跟自己新长出来的翅膀较劲，拿着世界上最聪明的模型，日常也就是问问“法国首都在哪”或者“帮我把这封邮件改得更正式” 说实话， 这就相当于开着歼 -20 去送外卖，暴殄天物 Felix 在文章里大声疾呼：我们在使用模型时，必须更有野心（Be More Ambitious）！ 他在 Anthropic 负责 Claude ai、Cowork 以及 Claude Code Desktop 等核心产品工程，此前还是 Electron 的长期核心维护者，在 Notion、Stripe、Slack、微软都干过，是真正天天泡在大模型最前线、看着成千上万顶尖用户折腾 AI 的老手 该骂骂，该学学 今天老章把他的整篇核心长文、实操案例以及海外技术社区最激烈的交锋讨论全盘拆解了一遍，必须把这套真正拉开人与人差距的“野心提问法”分享给大家 简介：什么才叫真正有野心的用法 很多人一提到用 AI 提高效率，第一反应就是“做同样的事情，花更少的时间” 写代码更快了，写周报更省事了，做个小工具省了半天工时 Felix 把这种追求称为 速度 这当然是 AI 最基础、最稳固的经济价值，只要你需要写代码、写文案，开个 Claude 确实能让你快上好几倍 但这东西已经人尽皆知，而且压根不需要你有多大的创造力，所以 Felix 在长文里直接把它略过了 真正能拉开代差的野心，体现在另外三个核心维度：高度（Altitude）、深度（Depth）与广度（Range） 这三个维度到底该怎么用？我们一个一个来看，保证看完刷新你的认知 高度（Altitude）：跳出具体指令，追问最终结果 我们在让 AI 干活时，往往容易陷入微观操作的泥潭 你让模型去改一个函数，模型就老老实实执行你的猜想，但这往往只是通往最终结果的一条小路，甚至可能是条弯路 要想在高度上拥有野心，下达指令前你必须多问自己一句： “这件事情搞定之后，我真正希望发生什么？目标背后的终极目标到底是什么？” Felix 举了他自己的亲身经历： 在去年初的时候，他还在让 Claude 帮他修一个又一个具体的应用崩溃 修完这个，又来那个，疲于奔命 后来他突然想明白了，他直接把要求拉升到了最高抽象层级： “Claude，让我们的客户端应用持续保持零崩溃” 为了实现这个终极目标，他的整个工作流全变了： 他不再是手动复制错误日志发给 AI，而是给 Claude 配备了拉取崩溃报告的权限，让 Claude 自动将版本号映射到具体的 Git commit，甚至给 Claude 接入了 Windows、macOS 和 Linux 三套独立的系统测试环境，让 Claude 能够自主复现 Bug、验证修复、提交补丁并全自动跑回归测试 你看，当你把抽象层级拉高，你才可能构建出真正持久的、把人类解放出来的全自动工作流 为了说明日常办公场景怎么做，Felix 还拿大厂最常见的“季度业务回顾”（QBR）做了一个堪称典范的三步升维演练 下面这张阶梯图完整呈现了这种思维跃迁： QBR 高度跃迁阶梯 著名技术作家 Thorsten Ball 在推特上特意把这段案例单拎出来盛赞： 让我们看看这三步的具体差别： 第一步（普通初级做法）： 领导让你做季度业务汇报，你有一份 PPT 模板，绝大多数人就是把这季度的数字手动往模板里填，顶多让 AI 润色一下句子 第二步（进阶有野心）： 忍住直接填模板的冲动，把你能找到的全部一手业务数据全喂给模型，让模型理解你们公司的实际运转情况，直接问它：“告诉我这个季度到底发生了什么变化、为什么会变、我们该采取什么行动？根据你学到的一切，梳理出眼前最紧急的 3 个关键决策，并为每个决策给出正反论证” 第三步（终极野心）： 追问 QBR 这项制度诞生的初衷，几十年前之所以要开季度汇报会，是因为那时候数据分散，需要人类花大量时间人肉筛选整理，高管才能早点发现问题、调配资金和人手 既然如此，直接对 Claude 说： “季度回顾存在的终极目的，是让管理层尽早发现问题并调配资源，请设计一套比季度 PPT 更好的全新机制，用我们过去的历史数据证明它能比现在更早发现问题，并且在下一个季度与现有汇报并行试跑” 看到这里的格局差距了吗？ 你还在给老板当幻灯片排版工，有野心的人已经开始让 AI 帮管理层重构决策系统了 Felix 给出了一个很实用的