摘抄：How to be more ambitious——把 AI 用出新高度的人类教程

编者按：翻译一篇最近流传颇广的文章 How to be more ambitious: A tutorial for humans with models，作者是 Felix Rieseberg，目前是 Anthropic 的工程经理（EM）。我觉得大家可以把这篇文章发给自己的 Agent，让它依照这套思路，试着改进自己的 soul.md。p.s. 您也可以选择收听这篇文章，我刚把朗读的音色改成了自己的声音，看看和播客比起来像不像。

文章档案

• 作者：Felix Rieseberg（Anthropic 工程经理 / EM，在 Claude 团队做工程；开源项目 Electron 联合维护者）
• 原标题：How to be more ambitious: A tutorial for humans with models
• 发布：2026-10-13，felixrieseberg.com → how-to-be-more-ambitious-a-tutorial-for-humans-with-models
• 中文译文：摘抄自「老钱日日谈」微信公众号（原作者 Felix Rieseberg）
• 一句话定位：在 Claude 团队干活后的经验帖——大多数人用 AI 都太保守，文章给出「速度 / 高度 / 深度 / 广度」四个维度的野心框架。

正文摘抄

在 Claude 团队干活，每天都会听说一件自己没想到、没敢想，或者单纯没工夫去试的奇迹。这个月可能是帮忙发现了一颗新行星，也可能是一支真正好听的 AI 音乐视频。但模型能力不是均匀长的，按陶哲轩的说法，模型在某些方向上令人惊叹，在另一些方向上又很笨。同样是使用 AI，有人把它玩出了新高度，也有人用它问「法国首都在哪」？在 AI 圈，「要更有野心」已经喊成了一个口号，可如何把这句话落到实处，值得掰开讲一讲。

野心分为四个维度——

速度。 它意味着，同样的活花更少的时间。写代码、写文案更快，这是 AI 经济价值的基本盘，可它太成熟了，也不太需要创造力，这部分我们直接略过。真正能拉开差距的是另外三种。

高度

高度的机制是这样的：你把任务交给模型的时候，它执行的其实是你对怎么达成结果的最佳猜测。所谓「取法于上，仅得为中」。布置任务之前，先问自己一句：任务背后的目标是什么？我到底想要什么？

去年年初，我还在让 Claude 一个个改 bug，后来我的指令直接改成了：让应用保持无崩溃。改 bug 是执行，无崩溃是承诺。

就拿每季度的业务评审举例，这是再日常不过的办公室任务。

• 第一级，把能拿到的数据全都喂给模型，问它这个季度变了什么、为什么、接下来该干什么，别只满足于往模板里填数。
• 第二级，让模型基于这一切，找出最紧迫的三个决策，并把每个方向的正反论据摆出来。
• 第三级，直接超越汇报这件事本身：评审的最终目标，本来是让领导层尽早发现问题、把钱和人调到对的位置。那就让模型设计一套比季度汇报更好的机制，用公司自己的历史证明它能更早发现问题，再跟现有流程并行跑一个季度，AB 测试。

高度这套做法有明确的适用边界。它适合你真心想要某个最终结果的事，而且这个结果是明确的。创意类的工作就不太适用。一个现成的判断信号是，这件事往后发展是不是要开会讨论？

当然眼下还有极限，「Claude，去出门挣钱」这种要求在 2026 年对多数公司还行不通。但趋势摆在那：模型变得更聪明之后，能驾驭的抽象层也跟着变高。

高度真正的甜头在于持久工作流。设计得好的高度能把人挪出 Loop 循环，不用你一个任务一个任务地追着喂，AI 自己就能自主干活，评估，改进，PDCA。可要实现这一点，往往需要你先允许 AI 去修改你的工作流。为了实现无崩溃，作者先得让模型能方便地拿到崩溃报告，知道每个应用版本对应哪个 git commit，还给了它 Windows、macOS、Linux 三套机器，让它能独立复现和验证修复。

深度

深度是另一维度，它要求把一件事做到真正的好。它的意思是逼模型用上行业里最顶尖的人都在使用的工具、技术、媒体和知识，而且一直推进优化，要让模型好到，连那些专业人士也能从模型的工作里学到新东西。

举个例子，假设有一家公司正面临用户流失的问题。我发现以下几种方法都很有用：

1. 业内专业人士用啥工具，你就跟着用。 当 Claude 使用 Markdown 表格时，一定要求使用数据库和统计模型。至于专家到底用什么工具，你不需要知道，Claude 通常知道。
2. 一上来就给一个极度不合理的目标，并且告诉 AI，这个目标就是合理的，可实现的。 比如，你做了网站，加载有点慢，要等个 5 秒钟。你直接告诉 AI，把加载速度压缩到 200 毫秒。模型说不可能。你就重申这事完全可实现，用工程化的思路去搞定它。
3. 挑战你所认为的真理。 尤其是在商业领域，我们许多认为正确的观点，其实只是对现实的粗略描述而已。把原始数据给模型，让它对抗性地检验假设，比如这么跟它说：我认为用户流失是新手引导的问题，用原始数据复现一下。
4. 创造新的知识。 等模型已经钻进数据深处，让它去找盲点，比如建一个能复现过去一年的客户模拟，找出我们还没发现的最早流失信号，再在它没见过的数据上验证这条信号是否真的能预测。
5. 不要让模型自己评价自己。 作者承认这事大概会随着模型变聪明而自动解决，但 2026 年 10 月的答案是，坚持让外部验证，至少得是别的模型来评价。

作者常用的一条来辅助思考的 Prompt 长这样：

我要这个任务有更深的版本，不是更大的版本。干活之前，先回答四个问题： ✔ 这个领域的顶尖专业人士会做什么，而我没要求？ ✔ 他们会从哪些最原始的材料起步，而不是我消化过的二手货？ ✔ 他们会用什么具体的方法和工具？ ✔ 除了你和我，还有什么能证明结果是对的？

广度

它意味着，更加跨学科、跨领域地思考自己的工作，比过去更全面地考虑各种可能性。这并不是什么特别独到的见解，每一部抢劫电影都在开头 30 分钟里组一支各怀绝技的队伍。而且有了 AI，这种玩法很容易落实，可以用多线程、编排器、子代理，都行！

举个例子，我就看过我的同事用 Blender 渲染室内设计，而我之前就从没想过用 Claude 做 3D 场景，讽刺的是，我之前还是做游戏出身的。

提升广度的第一个技巧，就是把名词换成动词，这个点子来自 The Art of Innovation 书里提到的一个说法。还是用回之前的例子，所谓每季度的业务评审，并不是公司工作流程，它的本质是：让一群很忙的同事，在 30 分钟里相信一个因果故事，并在信息不全的情况下，拍板决策。用动词替换掉季度评审这种名词，很容易抓住事物的本质，激发新视角，人和模型都心里有数了。

跨学科的第二个技巧，是组队。汇报要想做得好，就拉上分析师、记者和编辑；要上台演示，再加动效和音频设计师；还可以请一支对抗性的红队、做空者和法务会计，一起上。

但这里有个坑要避开：别掉进角色扮演，不要让模型像做空者那样写，而是让它去干那些屁股坐在做空者的位置上，会做的事。

要实现以上种种，还有个共同前提：模型得有一台能装软件、能接触各类数据的电脑，MCP 连接器或者别的方式都行，作者的建议是挑一个用起来。

相信的力量

方法讲完了，最后聊聊为什么这么思考问题。

一直以来，人类都被自己相信什么是可能的这件事困住，更糟的是只肯在很窄的学科里信任自己，米开朗基罗死活不肯画西斯廷教堂，因为他始终坚持自己是雕塑家。心理学给这个自我设限的现象起了个名字：自我效能。相信自己能力的人，确实会做成更多事。

Stripe 的创始人帕特里克·科利森就有一个 “Fast List”，里面记录了一些在面临大胆目标和紧迫期限的情况下取得成功的案例。因为相信，所以实现，这事儿确实时有发生。

比如 1939 年，乔治·丹齐格在一门统计学课程上迟到了。课堂上，他带着尴尬，抄下了黑板上的两个问题，他以为那些答案就是作业，然后解了出来，交了作业。实际上，那是两个尚未攻克的统计学问题。

再比如，几十年来，人类一直在努力在 4 分钟内跑完 1 英里，但无人成功。罗杰·班尼斯特在 1954 年 5 月打破了这一纪录，跑进了 4 分钟。然后，仅仅几十天后，这个纪录就被打破了。顶尖运动员们不可能在几十天里就完成了进化，最能说明，因为有人做到了，所以大家打内心相信了。

最后是允许自己失败，The Inner Game of Tennis 这本书的一个核心观点是，如果你一直努力到极致，那说明你没能发挥出最好的水平。着力即差。

所以，更哲学一些，更相信一些，相信 AI，也相信自己的效能。

本文题图：弗朗西斯科·戈雅创作的《人如何上天》（Modo de volar / A Way of Flying）。

来源与核对注记

✅ 已核对（2026-10-20 比对 felixrieseberg.com 原文）：

• 标题、作者、发布日期（2026-10-13）与原文一致；
• 四个维度原文为 Speed / Altitude / Depth / Range，本译以「速度 / 高度 / 深度 / 广度」对应，含义一致；
• 文中可核验的细节均在原文出现：陶哲轩「astounding in some directions, while inadequate in others」原话、同事 Alex Albert 用 Blender 渲染室内设计、The Art of Innovation（Tom Kelley & Jonathan Littman）、Patrick Collison 的 “Fast” list、George Dantzig 1939 年伯克利迟到抄下两个未解统计题、Roger Bannister 1954 年 5 月破四分钟英里（原文 46 天后被打破）、米开朗基罗拒画西斯廷教堂、题图 Goya Modo de volar（即「人如何上天」）。

⚠️ 译者为方便理解加入的转写（非原文逐字）：

• 「取法于上，仅得为中」是译者对 “operate at a higher abstraction” 的文化化转述，原文无此句；
• 「着力即差」是译者对 The Inner Game of Tennis 核心观点（“you’re not playing your best game of tennis if you’re trying really, really hard”）的凝练，非书名原话；
• 原文作者自称 “I work on Claude”，本译作「在 Claude 团队干活」，语气一致。

正文为摘抄自「老钱日日谈」微信公众号的中文译本（原作者 Felix Rieseberg），未逐句做英文—中文对照转录；如需精校，建议以 原文 为准。