同一个模型，有人拿它查常识、改邮件、凑PPT，有人拿它找行星、做音乐视频、推数学猜想。差距不在模型，在交出去的任务。
Anthropic工程经理Felix Rieseberg每天跟最前沿的模型打交道，却说自己几乎每天都被Claude吓一跳——它完成了某件他压根没想过、甚至认定不可能的事。他把这种落差归结成一个词：野心不够。
这个判断值得技术人员认真对待。我们研究模型能力、Prompt技巧、Agent Workflow，把”如何让AI更高效”翻来覆去地拆。但有个更靠前的问题一直悬着：到底该把什么任务交给AI？
速度是最不值钱的那层价值
Felix把有野心地使用AI拆成四个维度：Speed、Altitude、Depth、Range。
Speed最好理解，也最拥挤。一天的代码压到一小时，几小时的PPT压到几分钟。有价值，但它是AI最容易兑现、也最容易被替代的经济价值。真正拉开差距的是另外三层，因为它们改的不是效率，是定义问题的方式。
从修一个崩溃，到让崩溃不发生
Altitude讲的是抬高任务的抽象层级：从完成任务转向实现结果。
Felix自己有过一次转变。早先他让Claude逐个修应用崩溃，后来改了口径——不再修某一个崩溃，而是持续保障应用不崩溃。一句话的差别，背后是两套工作方式。修崩溃是人发现问题、分析、再派活；保障稳定性则要求AI自己去拿崩溃报告、定位、改代码、验证。
这活儿不是换句更狠的Prompt就能干。Felix做了大量工程铺垫：让Claude能读崩溃报告，理解应用版本与Git Commit的映射，能进Windows、macOS、Linux环境独立复现和验证。缺任何一环，所谓自主性都会退化成”AI猜一个补丁，人来兜底”。
这里可以列一份自查清单。想让Agent真正对结果负责，先确认四件事是否到位：数据源是否可编程访问（崩溃报告、日志、监控指标）；标识是否能对齐（版本号到Commit、Commit到构建产物）；执行环境是否可复现（多平台、可回滚）；反馈是否自动回流（修复后能否触发验证并拿到结论）。四项缺一项，Agent就只能停在”建议”层面，无法进入”执行”层面。
季度经营回顾的例子更贴近普通职场。最浅的用法是给模板和数据让它填；进一步让它分析本季度变化、归因、给行动建议；再进一步让它识别最紧迫的三个经营决策并比较利弊。Felix还推了一步：为什么一定要做季度PPT？汇报的目的是让管理层及时发现问题、调配资源。那就让AI设计一种比季度PPT更有效的机制，并用历史数据证明新机制能否更早发现问题，与旧机制并行跑对照。
我们习惯把现有流程拆成任务丢给AI自动化，却很少反问：这套流程本身还有没有必要？很多流程之所以存在，是因为人类要靠分工和固定周期压成本。AI在改这些约束条件。只让它更快地跑旧流程，等于把重新设计工作方式的机会扔了。
别让模型演专家，让它按专家的方法干活
Depth是全文最有实操价值的一段。
“你是一位资深架构师””请从专家视角分析”——这类Prompt满天飞。Felix点出一个容易被忽略的问题：模型扮演专业人士时，往往只换了术语，没换方法。它能写出一份看起来很专业的报告，却未必用了专业人士真正用的分析工具和验证手段。
举个具体场景。公司发现用户流失上升。普通AI分析是整理反馈、列几个可能原因、给一套改进建议，内容可能很完整。顶尖数据科学团队会怎么做？直接进原始数据，用数据库、统计模型、实验方法分析行为与流失的关系，更重要的是挑战既有假设。团队一直认为流失源于新用户引导体验差，那就要求AI别接受这个判断，从原始数据出发重新证明它，证不出来就继续找别的解释。还可以让它基于过去一年的用户日志建模拟模型，找此前没被发现的流失信号，再用未参与训练的数据验证预测效果。
这已经不是整理知识，是尝试创造知识。
配套有一条硬原则：不要让模型自己评价自己的结果。代码对不对，过测试；性能有没有提升，跑基准；预测准不准，做样本外验证；商业判断成不成立，看真实市场反馈。模型的表达可以很有说服力，但说服力不是正确性的证明。
替代方案要落到具体操作上。样本外验证的关键是切分干净——训练期与验证期不能有重叠，时间序列场景尤其要按时间切，不能随机打乱。基准测试要固定硬件、固定数据集版本、固定随机种子，否则前后对比没有意义。真实环境验证走灰度：小流量放出去，盯核心指标和错误率，设好回滚阈值。判定标准提前写死，比如”样本外AUC不低于0.75且较基线提升5%以上才算通过”，别等结果出来再解释。
Felix给过一段提示词，中文大意是：把这个任务做深，而不是做大。执行前先回答四个问题——这个领域最顶尖的人会做哪些我没要求的事；他们会从哪些最原始的数据或材料起步；他们会用哪些具体方法和工具；除了你我自己的判断，还有什么独立证据能证明结果正确。然后据此重新设计任务并执行。
这段提示词的价值不在让模型扮专家，而在逼它回答：专业工作的标准到底是什么。以前我们要专家级答案，以后该要专家级的研究与验证过程。专家的真正价值不是知道答案，是掌握发现答案、挑战答案、证明答案的方法。
一个人配一支跨领域团队，成本正在塌
Range是打破专业边界。
抢劫电影开场总在组队，技术、情报、行动各有人，因为复杂任务需要多种能力协同。现实工作一样：一份高质量经营分析，可能要数据分析师、行业研究员、记者、编辑、财务审计一起上。过去跨领域协作意味着昂贵的人力和组织成本，AI在压这个成本。
Felix给了一个好用的方法：用动词替代名词。季度经营回顾不是”一份PPT”，它真正要做的是在三十分钟内让一群忙碌的人理解一套因果关系，并在不确定中做决策。这样重新描述任务，就容易发现该借哪些领域的方法。记者擅长追问事实与因果，做空交易员擅长找企业叙事里的漏洞，法务会计擅长发现财务数据的异常与不一致，专业编辑擅长让复杂信息被准确理解。这些能力可以组合起来服务同一个目标。
但有个关键区别：别把跨领域协作做成多个专家角色的表演。五个Agent分别扮五位专家轮流发言，不等于拿到了五个领域的专业能力。不要让AI模仿做空交易员的口吻，而要让它真正使用做空交易员研究一家公司的方法。这句话解释了很多多Agent系统的毛病——增加角色不等于增加能力，增加对话不等于提升质量。有价值的是引入不同领域成熟的方法、工具和验证机制。
真正卡住你的，是你对可能性的判断
讲完三层，Felix把话题拐进心理学：Self-efficacy，自我效能感，即一个人对自己能否完成某件事的信念。我们通常根据过去的经验判断一件事值不值得试，这个判断又反过来影响结果。
他讲了George Dantzig的故事。1939年，Dantzig在伯克利一堂统计学课上迟到，看到黑板上有两道题，以为是作业，抄下来认真解了。后来才知道那是两个尚未解决的统计学问题。故事最有意思的地方在于：如果他一开始就知道题没被解出来，会不会反而不敢动笔？
目标设定领域的研究也支持这个方向：相比笼统的”尽力而为”，明确且有挑战性的目标更能激发表现。
这背后是个普遍现象。我们习惯用自己过去掌握的知识、资源和能力，判断未来能做到什么。程序员觉得自己不懂设计，不敢独立做完整产品；产品经理觉得自己不会编程，认为产品必须靠研发团队；普通人想做复杂研究，觉得自己没背景没资源。这些限制过去都很现实，但AI正在改变其中一部分约束。知识获取、软件开发、数据分析、设计、跨领域协作的成本都在变。
这不意味着专业门槛消失了，更不意味着谁都能轻易做成任何事。但它至少意味着：过去因为能力和成本限制而不值得试的事，现在值得重新试一次。模型能力在快速扩张，我们对可能性的判断却常常停在旧版本。
三条原则，和一种更隐蔽的低效
对技术人员和管理者来说，这套东西挑战的是我们熟悉的工作方式：识别问题、拆解任务、设计流程、分配资源、监督执行。这套方法成熟有效，但也容易变成惯性——越擅长解决问题，越容易把自己熟悉的解法当成AI应该走的路径。
可以浓缩成三条。
目标更大胆。别只告诉AI完成什么任务，告诉它你真正希望实现什么结果，允许它反过来挑战任务本身。
路径更开放。别过早把自己的经验变成AI的约束，让它探索你没考虑过的方法，调用不同领域的能力。
验证更严格。别因为回答逻辑完整、表达专业就认为问题解决了，让它进真实数据、工具和执行环境，通过独立测试与外部反馈验证结果。
探索时别让过去的经验限制AI，决策时别让AI的自信替代证据。
AI正在让高质量答案变便宜。一份商业分析、一套技术架构、一份研究报告，都能在很短时间内生成。但答案的质量不等于结果的价值。我们可能花大量时间和AI打磨一套逻辑严密的方案，却迟迟不放进真实环境检验。AI时代最隐蔽的低效，不是做得慢，而是以极高效率完成大量没有真实价值的工作。
过去，一个人的目标受自身能力和资源约束：我掌握什么知识、有多少资源、能组织多少人，决定我敢试什么。AI在改这个关系。未来或许可以先从一个真正有价值的目标出发，再探索AI能为你组合哪些知识、工具和专业能力。目标仍要接受现实约束，AI不能消除风险，也不能让大胆设想自动成真。但至少不该在实验开始前，就用旧经验替AI判定什么不可能。
读完最该做的，不是再收藏十个Prompt，也不是再装一个AI工具，而是重新看一眼自己正交给AI的任务，问一句：如果不再受限于过去的工作方式，有了今天的AI，我真正想完成的事情是什么？
参考：Felix Rieseberg，How to be more ambitious: A tutorial for humans with models，2026年10月13日。
ID:7551
