本文由 AI 自动摘录整理，原始链接：“大家用AI都太保守了！”Claude Code负责人：我的方法更有野心～

推荐指数：8/10（推荐读原文）

背景

量子位编译的一篇长文，作者 Felix Rieseberg 在 Claude 团队工作，负责 Claude Code 桌面版。他观察到，真正从模型里拿到超额回报的人，用法都和大多数人不一样——问题不在模型能力，而在人给任务设定的野心太小。文章把"野心"拆成速度、高度、深度、广度四类，逐条给出可操作的做法，最后还讲到人自己的"自我效能感"。

核心观点

• 四类野心：速度是用更少时间做同样的事，高度是提高任务抽象层次，深度是像顶尖专家那样做透，广度是借其他领域的方法。速度层已经很成熟，真正拉开差距的是后三者。
• 提高目标层次：别盯着单个任务，先问"接下来希望发生什么，目标背后的目标是什么"。从"修一个崩溃"升级到"让应用始终无崩溃运行"，模型的工作方式会完全不同。
• 设定"不合理"的目标：想把加载从 10 秒降到 5 秒，就直接要求 0.2 秒。模型说做不到，就继续告诉它这事完全可以解决。
• 深度要靠工具而非词汇：让模型"像专家一样"往往只是换了套术语，真正的深入是逼它用数据库和统计模型，而不是拿 Markdown 表格凑数。
• 别让模型给自己打分：代码就实际跑，预测就拿没见过的数据验，判断交给外部结果。

补充要点

• 季度复盘的三级升级：先让模型理解业务发生了什么、为什么、该做什么；再让它找出最迫切的三项决策并列出正反理由；最后让它重新设计复盘机制本身。
• 一个判断信号：如果这件事做完还要开会讨论，那目标就值得再往上提一层。
• 追问清单：这个领域的顶尖专业人士会做哪些我没要求的事、从哪些原始材料入手、用什么方法和工具、除你我之外还有什么能证明结果正确。
• 让自己的判断接受检验：把结论交给模型，回到原始数据里找支持证据，也找能推翻它的反例。
• 名词换动词：“做一份汇报 PPT"改成"在 30 分钟内让一群忙碌的人信服事情的来龙去脉，并在情况不明朗时作出决策”。
• 组跨领域团队时要的是方法，不是角色扮演——直接让模型按怀疑论者研究投资标的的方式调查，比让它"扮演怀疑论者"有用。
• 自我效能感可以被训练：被赋予清晰且有挑战性目标的人，表现优于只被告知"尽力而为"的人；四分钟一英里被突破后，这个纪录只独占了 46 天。
• 局限也要认：创作类任务提高抽象层次的效果有限，“Claude，去赚钱吧"这类指令目前还跑不起来。