重新定义人工智能的使用：追求更高的目标

大家好，我是老章，专注于 AI 学习。Anthropic 这家公司是个初心与野心并存的地方，最近其工程主管 Felix Rieseberg 的一篇长文引起了广泛关注。陶哲轩曾说，顶级大模型的能力在某些方面让人惊讶，但在其他方面又显得无能。现实中，一部分人能够充分利用这些强大的能力，而更多的人则仅限于基本的、简单的问题咨询，比如询问“法国首都在哪里”或“帮助我将邮件改得更正式”。这种方式就像用战斗机送外卖，真是浪费资源。

Felix 在文章中强调：我们应当更加追求野心（Be More Ambitious）。作为 Claude ai、Cowork 以及 Claude Code Desktop 等关键产品的工程负责人，Felix 在大模型领域拥有丰富的经验，并深知如何利用 AI 这一工具。他的文章深入探讨了如何将“野心提问法”应用于实际，从而拉大人与人之间的差距。

首先，许多人认为利用 AI 提高效率只是为了做相同的事情但用更少的时间，比如更快地写代码或更轻松地完成周报，这种追求称为速度。虽然这是 AI 的基本价值，但并不需要过多创造力，因此 Felix 在长文中选择略过这一点。 球友会

真正能显著提升使用价值的野心体现在三个核心维度：高度（Altitude）、深度（Depth）与广度（Range）。我们逐一探讨其运用：

高度（Altitude）：从具体操作中跳出，关注最终结果。人们在使用 AI 时，常常被微观操作所困扰。例如，命令模型修复一个函数，实际上这只是实现最终目标的一条小路。要提升高度，用户应问自己：“我希望通过这个任务最终达成什么目标？”以此为例，Felix 讲述了自己的经历：过去他仅仅让 Claude 解决一个个具体的故障，后来意识到可以将目标上升到更高层次，最终要求 Claude 实现“保持客户端应用零崩溃”，这样便构建了更高效的工作流。

在工作场景中，Felix 列出了一个常见的季度业务回顾（QBR）案例，展现了此思维的高低跃迁： 球友会

第一步，很多人会仅仅将本季度数据填入 PPT 模板，偶尔让 AI 润色。

第二步，更有野心的方法是将一手业务数据提供给模型，询问：“本季度发生了哪些变化，我们应如何回应？请列出紧急的三项决策及其论据。”

第三步，进一步提出 QBR 存在的根本目的，要求 AI 设计出比传统汇报更有效的新机制，以帮助管理层更早发现问题。 球友会

这样的思维差距显而易见：一部分人仍在日复一日地整理幻灯片，而真正有野心的人已开始借助 AI 重构决策系统。