文 / 松本架
我猜是“帮我把这封邮件改得客气一点”，或者“帮我总结一下这份文件”。
别不好意思，我也是。我的工作是每天调教 AI，可我打开对话框的第一句，十次里有七次也是这种话。
Anthropic 有一位工程负责人叫 Felix Rieseberg，带过 Claude 网页版和 Claude Code 桌面版的研发。他前几天写了一篇文章，开头就点破了这件事：很多人拿到 AI 这对新翅膀，只用它问“法国首都是哪”或者“把这封邮件改得不那么冲”。同一时间，另一些人已经在用它帮忙发现新行星。
差距不在模型，在于你敢不敢开口要更多。他管这个叫“野心”，还拆成了四种。
速度 同样的事，做得更快
你要问自己：能不能快一点？
高度 不交代任务，交代结果
你要问自己：做完这件事，我真正想要的是什么？
深度 像这一行最顶尖的人那样做
你要问自己：高手会从哪份原始材料开始？
广度 请来平时请不起的“外援”
你要问自己：还有哪些行业的人会来帮忙？
第一种大家都会，Felix 自己也直接跳过了。真正拉开差距的是后三种。下面每一种，我都换成一个普通人生活里的例子。
Felix 讲了自己的经历。去年年初，他还在让 AI 一个一个地修程序崩溃的 bug。后来他换了个说法：“你负责让我们的 App 不再崩溃。”
同一个 AI，任务从“修这个”变成了“守住这个”。这就是高度：你给它的不再是你猜的做法，而是你真正想要的结果。
换到生活里，比如你要带爸妈去京都玩三天，可以这样一层层往上走：
1. 第一层（任务）：“帮我找几家京都的酒店。”
2. 第二层（规划）：“帮我排一个三天的行程。”
3. 第三层（结果）：“我的目标是让六十多岁的爸妈玩得开心又不累。他们膝盖不好，吃不惯生冷。请你先告诉我这趟旅行最容易出问题的三个地方，再围绕这三点设计行程和住处。”
第三层的回答，往往会改变你本来要问的问题。
两个小提醒。第一，给的材料越多越好：爸妈的作息、预算、去过哪里，都塞进去。第二，Felix 说过一个判断信号：一件事如果需要开会讨论，就值得用“高度”的方式来问。在家里，“开会”就是全家在群里吵了三天还没定下来的那种事。
Felix 观察到一个有意思的现象：你让 AI “像专业人士一样”，它往往只换了一套说话的词，干活的方法一点没变。
深度的意思是，逼它用高手真正用的工具和方法。假设你开了一家小面包店，最近三个月营业额在掉：
用高手的工具：别让它凭感觉写几条建议，而是把收银机导出的流水全给它，让它像数据分析师那样跑表格、做统计。你不用知道高手用什么，AI 通常知道。
定一个“离谱”的目标：别说“想办法止跌”，而说“下个月要比去年同期多卖 30%，这完全做得到，你继续想”。
挑战你以为的事实：“我一直觉得是隔壁新开的店抢了客人。请你用流水数据验证一下，这个说法站不站得住。”
找没人发现的信号：“老顾客流失之前，有没有什么早期迹象，比如来的间隔变长、买的东西变少？”
找个外人来判对错：不要让 AI 给自己打分。它说哪个改法有效，就拿下周的真实销量来检验。
还有一个我自己常用的问法，是照着 Felix 的思路改的：
我想要这个任务更深的版本，而不是更大的版本。
动手之前，请先告诉我：
1. 这一行最顶尖的人，会多做哪一步我没想到的事？
2. 他会从哪份最原始的材料开始，而不是别人整理好的二手资料？
3. 他会用什么具体方法和工具？
4. 除了你和我，什么东西能证明结果是对的？
然后，根据这四点重写我的问题。
每部抢劫片的前三十分钟都在干同一件事：凑一支奇奇怪怪的队伍，有开锁的、有黑客、有司机。广度就是这个意思：让平时请不起的行家，一起来看你的事。
难点在于，你想不到该请谁。Felix 用的是一个老办法：把名词换成动词。
比如写简历。简历不是“一份文件”，而是“让一个每天看两百份简历的 HR，在三十秒里相信你能解决他的问题”。换成动词以后，该请谁就清楚了：
一个广告文案：三十秒抓住注意力，是他的本行。
一个招聘经理：他知道 HR 真正在找什么。
一个挑刺的面试官：专门找你简历里站不住的地方。
但要注意一个坑。别让 AI “扮演”面试官陪你演戏，那样只会让对话变得奇怪，结果不会更好。要让它“做”面试官真正会做的事：逐条追问你每段经历的证据，再标出哪一句最可能被问倒。
方法讲完了。但 Felix 文章最打动我的，是后半段讲的“为什么”。
米开朗基罗一开始并不想画西斯廷礼拜堂的天顶。他觉得自己是雕塑家，不是画家。人最大的限制，往往是自己认定的“我是干什么的”。
1939 年，伯克利有个叫 Dantzig 的学生上课迟到，把黑板上的两道题抄回家当作业做了。交上去才知道，那是统计学里两道公认没人解出来的难题。他解出来，只是因为没人告诉他这不可能。
还有跑步。一英里跑进四分钟，人类追了几十年。1954 年 Bannister 第一个做到，可这个“唯一”只保持了 46 天，就有人跟上了。今年四月的伦敦马拉松，Sawe 跑出了第一个正式的两小时以内，同一场比赛的第二名也跑进了两小时。
心理学管这叫“自我效能感”：你相信自己做得到，就真的更容易做到。Felix 的判断是，AI 的能力每隔几周就跳一次，真正卡住我们的，越来越不是模型，而是我们心里那条“这事 AI 干不了吧”的线。
建议截图存着。下次你想对 AI 说“帮我改改”的时候，先停三秒，挑一句加进去：
高度：做完这件事，我真正想要的是什么？
深度：这一行最厉害的人，会从哪份原始材料开始？
广度：把这件事换成动词，还有谁会来帮忙？
裁判：除了 AI 自己，什么能证明它是对的？
不用四句全用。今天先只练第一句，多问一次“之后呢？”就够了。
写完这篇，我拿四种野心对照了一下自己的工作，有点尴尬。
我是 FDE，客户调我，我调 AI。我以为自己天天在做高难度的事，可回头看对话记录，大部分还是“速度”：帮我整理这份会议纪要，帮我翻译这段条文。
真正属于“深度”的时刻，反而不在电脑前。是我蹲在老师傅旁边，看他翻到某一页突然停住的那一下。那是最原始的材料，任何整理好的文档里都没有。
所以野心大概不是一种性格，而是一个提问的习惯。AI 的天花板，很多时候就是你问题的天花板。
下次打开对话框，试着多问一句“之后呢？”。如果这篇对你有用，也转给那个每天只让 AI 改邮件的朋友。
Felix Rieseberg，How to be more ambitious: A tutorial for humans with models，2026 年 10 月 13 日