Anthropic 工程主管的提示詞升級法：換目標、換工具、換驗收

用 AI 摘要這篇文章：

ChatGPT Claude Perplexity Google Grok

很多人最早學寫提示詞，都是從「你是一位資深分析師，請幫我分析」這個句型開始。它通常有用：AI 的語氣會變得專業，名詞也用得精準。但如果把產出拿去對照真正做過這件事的人，常常會發現它只是換了一套說話方式，該有的步驟、該碰的資料、該有的驗收，一樣都沒多。2026 年 10 月 13 日，在 Anthropic 帶過 Claude.ai、Cowork 與 Claude Code Desktop 工程團隊的工程經理 Felix Rieseberg，在自己個人網站發表了一篇約八分鐘能讀完的長文，標題叫 How to be more ambitious，把這件事講得相當直接，也給了一套他自己實際在用的改法。文章開頭的對比很鮮明：就在這個月，模型可能參與發現了一顆新行星，出現了他真心喜歡的 AI 音樂影片，數學界也在討論新時代；但同一批模型，在多數人手裡還是在回答常識問題、幫郵件消火。

文章的起點是他在第一線看到的落差。他寫道，模型能力並不會整齊地變強，文章引了數學家 Terence Tao 的形容：在某些方向上令人吃驚，在另一些方向仍然不足。有些人已經能駕馭那些驚人的部分，多數人卻還停在問法國首都在哪、幫這封信消消火。他自己常喊的一句口號是要對 AI 更有野心，但也承認這句話很難執行，所以整篇文章就是一份執行教學。他把「野心」分成四型：速度、高度、深度與廣度。速度指同樣的工作做得更快，他認為已經被普遍理解，文章直接略過；剩下三個方向，恰好對應三種可以立刻檢查自己用法的方式。

Pin

叫 AI 扮演專家之前，先知道它常只換了詞彙

整篇文章對一般使用者最有解釋力的一句話，出現在深度那一節：當你要求模型扮演專業人士，它往往只是切換詞彙，並沒有切換方法。這正好說明了「你是一位資深研究員」式提示詞的極限。它改變的是回答的表面，被要求扮演資料科學家的模型，會很樂意用 Markdown 表格回答你，但真正的資料科學家會碰的是資料庫與統計模型。Rieseberg 的建議是反過來指定工具：你不必先知道頂尖專家用什麼，直接要求模型使用該領域最好的儀器，它通常知道。

他還給了一段自己常用的改寫提示詞，值得整段看。在動筆改寫任務之前，先要求模型回答四件事：這個領域的頂尖專業者會做哪些我沒要求的事；他們會從哪些最原始的材料開始，而不是從已經被消化過的摘要開始；他們會用哪些具體的方法與工具；除了你我雙方之外，有什麼東西能證明結果是對的。回答完這四問，再請它把原本的提示詞改成會做到這些事的版本。這個流程把「把任務寫得更長」和「把任務挖得更深」分開了，前者只是加字，後者會逼出原料、方法與驗收三個原本不存在的位置。網路上各種熱傳的提示詞，包括先前介紹過的 Claude 個資清除提示詞，多半在措辭上下功夫，這四問碰的則是任務的骨架。

高度：與其一直修崩潰，不如讓應用不再崩潰

高度的意思是往上換一層抽象，問的不是這個任務怎麼做完，而是你要的結果是什麼。Rieseberg 用自己的工作當例子：去年初他還是請 Claude 逐一修掉應用程式的個別崩潰，後來改成直接要求 Claude 讓應用程式保持不崩潰。這句話講起來輕鬆，他在同一段落誠實交代了代價：要讓模型做到這件事，他得先改掉自己的工作流程，讓它拿得到崩潰報告、查得到每個版本對應的程式碼提交，還要給它 Windows、macOS 與 Linux 的機器，讓它能真的重現問題並驗證修復。目標升級從來不是改一句話就完成，它要求你把原料搬到位。他也點出這個方向的長期紅利：能撐住的高度式用法，最後往往會長成把人移出流程的耐用工作流，你不必再一個任務接著一個任務地派工。

文章用一間虛構的 Acme 公司的季度檢討簡報，示範同一件事可以怎麼逐級往上問。最基本的層次是把資料餵進去，叫它更新模板裡的數字；往上一步，是放棄模板，把所有拿得到的原始資料都給它，問它這一季發生了什麼變化、為什麼、該怎麼辦；再往上，是問它會議結束後最急著要做的三個決定是什麼，並附上正反理由；最高的一步，則是告訴它這份季報存在的目的，是讓管理層早點發現問題、把錢和人力搬到對的地方，然後請它設計一個比每季一場簡報更好的做法，用公司自己的歷史資料證明新做法會更早抓到問題，再跟現行做法並行跑一季。四個層次問的是同一份簡報，但每一級往上一層，模型的著力點就從產出移到成果。

這個方向也有明確的適用範圍，他自己劃了兩條線。高度的做法最適合你真心在乎某個最終結果的工作；對創作類的工作效果就差，因為創作的重點常常就在任務本身。一個好用的判斷訊號是：如果你接下來會為了這件事開會討論，往高處問通常划算。而且它有當前的極限，他舉的例子是「Claude，去賺錢」這種指令，在 2026 年對大多數公司來說仍然行不通。

深度：用頂尖專家的儀器，驗收交給模型以外的事實

深度這一節是整篇文章密度最高的部分，他列了五個技巧。要求使用業界最好的儀器，前面提過；把不合理的目標說成合理的，網站載入要從 10 秒變 5 秒，就開口要 200 毫秒，模型覺得辦不到時，重申這做得到，請它繼續想；對抗式地檢驗自己相信的事，把原始資料交給它，明講「我們相信流失是新手引導的問題，請從原始資料重現這個結論」，讓它試著推翻你；產生新知識，請它用客戶紀錄模擬出過去一整年，找出我們還不知道的最早流失訊號，並證明那個訊號在沒看過的資料上也能預測；以及一條他用粗體強調的規則：不要叫模型評斷它自己。

這條規則值得單獨展開，因為它與大多數人的直覺相反。把成果貼回對話裡問「你覺得做得如何」，是聊天介面裡最自然的動作，但模型對自己輸出的評價沒有獨立的資訊來源，等於請考生自己批改考卷。他補了一句時間戳：在 2026 年 10 月的此刻，他仍懇求使用者堅持外部驗證，理想的形式是一個模型可以自己執行、立刻拿到回饋的工具。驗收要怎麼設計，可以參考先前整理過的 AI 代理任務驗收方法，把「它說完成了」換成文件、網站與資料任務各自可檢查的證據。五個技巧兜起來，其實是同一件事的三面：換原料、換方法、換裁判。

Pin

廣度：把名詞換成動詞，再向別的領域借方法

廣度指的是讓工作借用原本不會動用到的領域。Rieseberg 引了一個來自《The Art of Innovation》的舊技巧：把任務裡的名詞換成動詞。季度檢討的名詞形式是一份簡報；換成動詞之後，這件事變成讓忙碌的人在 30 分鐘內相信一個關於因果的故事，並在不確定中做出決定。一旦用動詞描述，可以借力的領域就浮出來了，因為說故事、建立信任、在不確定中決策，都不是簡報軟體獨有的問題。

另一個技巧是組隊。他先自嘲這不算獨創：每部搶匪電影的前 30 分鐘，都在組一支各有專長的隊伍。他的版本是：如果這份簡報做得不夠好，地球就會被炸掉，你會找誰來救？他自己的答案包括分析師、記者與編輯，若要上台報告，再加上動態與聲音設計師，甚至可以找個放空者與鑑識會計師來當紅隊。這裡他劃出一條容易踩過界的線：組隊是為了找出可以借用的領域與技術，很容易不小心變成角色扮演，那只會讓對話紀錄變得奇怪，產出不會變好。判準寫得很白：不要叫模型用放空者的口吻寫東西，要叫它做放空者研究一檔股票時會做的事。

Pin

他也自承這個方向的靈感常來自別人。看到同事 Alex Albert 用 Blender 渲染室內設計，他才想到用 Claude 做 3D 環境，即使他自己做過遊戲。把模型接上各種創作與工程工具的 MCP 外掛，正是讓這種跨界變得可行的路，先前實測過的 Blender MCP 讓 AI 直接操作 3D 軟體，就是同一類入口。

這套方法的前提：模型要有一台電腦和你的資料

文章有一句常被轉述時漏掉的前提，值得單獨拿出來講：他描述的所有野心方向，都要求模型有一台能安裝軟體的電腦，以及用各種方式取得相關資料的權限，他點名了 MCP 連接器這類做法。這句話劃出了這套方法與多數讀者之間真正的距離。如果你今天的用法是在網頁對話框裡貼一段文字，那麼高度需要的資料存取、深度需要的原始資料與外部驗證工具、廣度需要的多代理協作，三個方向都會打折，因為它們的共同原料是讓模型實際碰到你的工作環境。

換句話說，最該升級的環節不在提示詞的措辭，而在讓模型工作的位置。把對話從瀏覽器搬到終端機與程式碼環境，接上資料與可執行的驗證工具，這些先前都介紹過：MCP 伺服器的收錄規則與挑法、Claude Code 的排程任務，都是把電腦與資料交到模型手上的具體形式，他的原話是市面上已有不少工具做得到這件事，挑一個用就對了。Rieseberg 文中那個不崩潰的例子之所以成立，靠的也是他在事前把崩潰報告、版本對應與三種系統的機器都接好了。

拿建議之前，先看清楚它的份量

值得誠實標出的還有這篇文章的性質。它發表在 Rieseberg 的個人部落格，內容是一位工程經理的個人實務觀點，附的是他自己工作中的例子，沒有效果數字，也代表不了 Anthropic 的官方立場；他自己也寫明，雖然他主要用 Claude，這些建議並不限於特定模型。它也與官方的提示詞工程文件不同，後者教你的是介面上的技巧，這篇教你的是工作的目標、原料與驗收怎麼換。

文章的收尾其實回答了一個更根本的問題：為什麼多數人用 AI 的方式會偏保守。他引心理學的自我效能（self-efficacy）概念，並引 Locke 與 Latham 整理 35 年目標設定研究的結論：拿到具體困難目標的人，表現優於只被叫去盡力而為的人。他也舉了兩個看別人做到就解鎖的例子：Roger Bannister 在 1954 年 5 月跑進四分鐘一英里後，這個紀錄只獨占了 46 天；而 2026 年 4 月的倫敦馬拉松，Sabastian Sawe 跑出官方認證的兩小時內成績，同場的第二名也破了兩小時。能力每幾週就跳一級的環境裡，卡住產出的常常是對可能性的想像。對讀者來說，這篇文章可以直接帶走的動作只有一個：下次把例行任務交出去之前，把「幫我做 X」改寫成「我要 Y 發生，用這個領域最好的工具，並用模型以外的事實驗收」。提示詞的角色會從願望清單，變成一份有原料、有方法、有裁判的工作說明。