Claude Code 桌面版负责人 Felix Rieseberg 把「用 AI 要更大胆」拆成可执行的方法：不要把「10 秒加载压到 5 秒」当目标，直接要求 0.2 秒，并告诉模型这完全合理；同时把任务从名词改成动词，用外部结果而不是模型自评来验收。他说这些做法不绑定某一家模型，前提是模型能操作电脑、装软件并读到原始数据。
高度：先问结果，再问任务
他用自己的例子：从「修一个崩溃」升级成「应用保持不崩溃」。后者要求先把崩溃报告、版本对应的 Git 提交，以及 Windows、macOS、Linux 环境交给模型，它才能自己复现并验证修复。
季度复盘也可以按三层加码。先让模型基于尽量完整的数据回答「变了什么、为什么、下一步」；再让它列出最迫切的三项决策及正反理由；最后让它设计比季度 PPT 更早发现问题的机制，并用本公司历史数据证明，再与旧方法并行一个季度。判断标准是：这件事后面还要开会，就值得把目标再抬一层。他同时承认，2026 年对多数公司说一句「去赚钱」仍不会自动运转。
深度：用专家的工具，并禁止自评
「像专家一样想」往往只换措辞。他要求改用该领域顶尖人士的工具：数据问题用数据库和统计模型，而不是 Markdown 表格。再叠加四步：把目标定到模型会说「做不到」的程度并坚持可解；用原始数据复现你已有的结论（例如「流失是新手引导的问题」）；在数据里找尚未知道的早期信号，并用模型没见过的数据验证；验收交给可自动运行的外部结果，而不是让模型给自己打分。截至他写作时的 2026 年 10 月，他仍强调外部验证。
可先让模型改写提示词：顶尖从业者还会做什么、从哪些原始材料入手、用什么方法和工具、除了对话双方谁能证明结果正确。编程场景上，本站此前写过 Claude 接管真实环境，可对照「给工具和权限，而不是只给一句指令」。
广度：借别的领域，但别玩角色扮演
把「做一份 PPT」改成「30 分钟内让忙碌的人接受一套因果解释，并在不确定时做决定」（他引用 Kelley 与 Littman《创新的艺术》里「名词换动词」）。再问：若这件事必须做成，人类会召集哪些职能——分析、编辑、动效、挑错——然后让模型使用这些领域的方法，而不是扮演这些人。他提到同事用 Blender 做室内渲染后，自己才用 Claude 给主页做 3D 环境。前提仍是一台能装软件、能通过 MCP 或其他方式读到数据的电脑。
为什么他把这说成自我效能
后半段他把问题从提示词转到人：Locke 与 Latham 对 35 年目标研究的结论是，清晰且有难度的目标优于「尽力而为」。他用 Dantzig 把未解统计题当成作业、Bannister 1954 年 5 月打破四分钟一英里后 46 天即有人跟上，以及原文所称今年 4 月伦敦马拉松 Sabastian Sawe 跑进两小时、亚军同样破 2，说明「看见别人做到」会改写可能边界。Anthropic 这边的产品与治理背景，可见 Jack Clark 从记者到联合创始人。
常见问题
Q：Felix 说的「不合理目标」具体指什么？ A：以性能为例，想从 10 秒做到 5 秒时，直接要求 0.2 秒，并在模型拒绝后继续声明问题可解、要求再试。目的是抬高搜索上限，不是假装 0.2 秒一定能达到。
Q：怎样避免模型只换一套专业口吻？ A：指定原始数据和专家工具（数据库、统计模型、可运行的检验），并禁止模型自评；代码要跑，预测要用没见过的数据验证。
Q：这些方法是否只适用于 Claude？ A：他写明不针对单一模型，但需要模型能操作电脑、安装软件，并通过 MCP 或其他接口访问相关数据。
相关文章
