7.3
深览指数
产品人人都是产品经理·Ai学习的老章··AI 生成
Claude负责人这篇万字长文，彻底颠覆了我的 AI 用法，附提示词！
Anthropic工程主管Felix Rieseberg的文章提出，多数人将顶级AI模型仅用于改邮件、查资料，是巨大的浪费。他提出“更有野心”的使用框架，围绕高度（追问终极目标）、深度（使用专家工具与原始数据）、广度（跨学科视角）三个维度展开。文章提供了具体的提问技巧与提示词模板，同时讨论了自我效能感、审查成本、错误累积等反方观点。适合希望从“提效工具”思维转向“认知杠杆”思维的AI深度用户。原文 ↗
核心观点
- ▍多数人将顶级AI模型当作效率工具（追求速度），是巨大的浪费；真正的价值在于通过“高度、深度、广度”三个维度实现认知突破与系统重构。
- ▍在使用AI时应追求非速度维度的野心：高度是追问终极目标以重构工作流；深度是逼迫模型使用领域专家的真实工具与原始数据；广度是跨学科视角的调用。
- 01作者自身的案例：从让Claude手动修复单个应用崩溃（速度），转变为要求“让客户端应用持续零崩溃”（高度），从而赋予了Claude拉取报告、映射版本、接入多系统测试环境的能力，构建了自动化工作流。
- 02QBR（季度业务回顾）的三步升维示例：第一步填模板；第二步让模型理解数据并提炼关键决策；第三步要求模型基于QBR存在的根本目的（尽早发现问题）去设计一个比PPT更好的新机制。
- 03作者提供了实现“深度”的五条秘诀：强制使用专业工具、提出超高标准、基于原始日志对抗假设、挖掘盲区创造新知识、引入客观外部裁判。
- 04作者提供了一段提示词模板，核心是要求模型先指出顶尖专家的做法、使用的原始素材、专业工具以及客观验收标准，然后再改写任务。
- 05实现“广度”的两个绝招：将任务目标从“名词”拆解为“动词”（如从“做一份PPT”变为“在30分钟内让决策者看懂因果关系”）；以及组建由数据分析师、调查记者、做空机构分析师等组成的“跨界特遣队”。
反方 / 局限
- — 编剧Alex Dobrenko质疑：在纯艺术创作中，高目标设定可能抹杀漫无目的游荡带来的偶然性灵感。Felix表示赞同，但认为高度仍有助于摆脱格式泥潭。
- — 工程师Rajesh指出：任务的抽象层级越高，人类对AI产出结果的审查成本（Review Cost）会指数级上升，如果人类无法验证整个复杂系统，野心将变成灾难。
- — 开发者JohnKocdr提醒：长程复杂任务中，AI在第一步犯的小错误会在后续步骤中急剧放大，形成逻辑崩塌。
Felix RiesebergAnthropicClaudeThorsten BallIDEOGeorge DantzigRoger BannisterLinus TorvaldsLinuxQBR自我效能感levelsio
15 分钟 · 4 卡片 · 7 资料
读原文 →