10月13日，Anthropic 工程师 Felix Rieseberg 在个人博客发了《用 AI 要更有野心》。他的身份在多篇解读里的说法是：Anthropic 工程经理，负责过 Claude.ai、Cowork 和 Claude Code 桌面端的工程。到今天，知乎至少 9 篇不同口径的编译解读、微博话题帖下，最常见的回复是"Mark"，原作者那句"值得你Mark，同时，记得阅读"的回复还被顶在评论区。知乎知乎微博
但另一种反应更常见：框架都对，看完手头的工作还是那个工作。这篇不翻译四个词，只做两件事：先替他筛掉你已经有的部分，再把"野心"换算成门票——每推进一格，要补的东西完全不同：权限、原始数据，或者一个能判对错的出口。缺哪样，都别硬挤。
先筛一遍：四个维度里，有一格你早就练满了
速度这一格，原作者自己一句带过：这类用法已经很成熟，所以原文没有继续展开。有意思的是，他自己在原文里也承认，"大家用 AI 的野心再大一点"这种口号他和同行喊了很多次，但光喊没用，所以才拆成了框架。2026年还在为 AI 会员花钱的人，会议纪要、周报、PPT、批量整理用户反馈大多已经跑顺——"更快"对你不是增量。九篇解读口径各异，真正的新东西拧干后就三个动作：往上抬目标、往下挖方法、往外借学科。知乎知乎
高度：别给AI派活，给它一个目标
原文的例子：他一开始让 Claude 修一个个具体的崩溃问题，后来改成让应用持续保持不崩溃。一句话的差别，工作量完全不同——后一句里，AI 得自己找问题、复现、修复、验证。知乎
季度复盘也有同样的阶梯：最基础是把数据填进模板；再往上，是让它告诉你这个季度发生了什么变化、原因是什么、接下来最该做的三个决策是什么。微博上那篇最完整的复述还给了最高一层：让 AI 设计一套比"季度汇报"本身更好的方式，用公司历史数据证明它能更早发现问题，再和现有流程并行跑一个季度看效果。知乎微博
门票有两张：一是你能把"结果"描述成可判对错的样子——原作者给过一个简单判断法：做完这件事还要开会讨论的，就可以试试把视角拉高。二是权限和配套——原文里，他得先让 Claude 能获取崩溃报告、对应代码版本，再配不同系统的电脑来复现验证。数据接口都拿不到的人，这一格先放放。微博知乎
深度："你是一名资深设计师"是最自我欺骗的一句话
原文点破的坑：让模型表现得像专业人士，很多时候只是换了一套听起来专业的词汇，实际方法还是老一套。分析用户流失，它给你画个表格就交差；真正的数据科学家会用数据库、建统计模型——你得把工具和动作指定给它，而不是把"资深"两个字贴到提示词开头。知乎
具体做法从原文和复述里合并出三条。第一，给一个离谱的目标：页面加载从10秒降到5秒？直接要求200毫秒，逼它找常规思路想不到的办法。第二，别让 AI 自己给自己打分，永远请外部裁判：找个外部工具或方法验证结果——数据能否复算、代码能否通过测试、目标读者能否看懂海报。这条也是社区反应最激烈的一条：小红书10月19日的同主题笔记里，“裁判不能和选手共用一个脑子，这句话是我用尴尬换来的”，讲的是他让 AI 压接口错误率、AI 真把报错吞了个干净的亲身翻车。第三，拿原始数据去检验你一直以为对的结论——比如"流失是新用户引导的问题"这个锅，让数据重新判一遍，而不是顺着它继续提建议。知乎微博小红书
门票：可检验的出口。你的交付物如果只有"领导觉得不错"这一个标准，深度挖下去只是文字更漂亮。
广度：把名词换成动词
原文最有趣的例子：他看到同事用 Blender 渲染室内设计，才想到让 Claude 给自己的个人主页做3D环境——他做过游戏开发，却从没把这两件事联系起来。知道能力存在，和轮到自己干活时想得起来用，是两回事。知乎
方法是把名词换成动词：“季度复盘”（脑子里只有一个PPT）换成"让一群忙碌的人，在30分钟内理解一套因果解释，并做出决策"——这么一改，数据分析师、记者编辑、动效设计师的方法就都成了可借用的对象。想不出该借哪个领域，这一步本身也可以先问 AI。微博
坑：容易退化成角色扮演。原文特别提醒，跨领域协作很容易变成让 AI 换个口吻说话，必须落实到那个领域实际使用的方法——别让它"用做空研究员的语气写东西"，要让它做做空研究员真会做的研究。知乎
门票：一道愿意拆开的问题。这一格最便宜，不需要权限、不需要数据，今晚就能练。
从哪格下手：四种人四个答案
任务交付物明确的新手：先把速度的三步练穿——资料一次给齐、同类任务先两三条样本对规则再整批、每周重复的流程整理成 Skill。这是地基，不是终点。知乎
流程固定、总在"自己擦屁股"的老手：查高度。挑一件你一直只修起火点的事，把"防火"这个结果连同数据权限一起交出去。
交付物总被打回的：查深度。把提示词开头那句"你是一名资深XX"，换成"专业的人会检查什么、用什么原始材料、产出什么"。
想做副业、做点从没做过的东西的：查广度。拿你手头那个项目做一次名词转动词，然后问 AI：这事还有哪些领域的方法可以借？
反证和边界：哪一格都别全信
原文自己有坑。第一，作者承认这种围绕最终结果组织工作的方法，对目标明确的任务尤其适用，对创作类工作则未必同样有效。第二，文章结尾的"自我效能感"——米开朗琪罗、1939年把两道统计学未解难题当作业做完的 Dantzig、四分钟一英里——是心理鼓励，不是方法论。值得留下的只有一句：AI 的能力每隔几周更新一次，而你脑子里"AI 能做到什么"的清单，往往停在你装它的那天。第三，这周传播是真，但评论区的主基调是 Mark——存了之后有没有人真的去做，没有数据替你证明。知乎微博
一个诚实的验证办法：今晚挑一件本来就要做的活，只选一格，推到底看交付物。知乎那12页整理版把原作者的提示词模板抄了出来，可以拿手头一个任务直接试。想抄的，先回答框架替你做的那道判断题：你交给 AI 的，是任务，还是目标？知乎
