«Все слишком консервативны в использовании AI!» Глава Claude Code: мой подход более амбициозен

Автор: QbitAI

Установите некоторые нереалистичные цели, а затем скажите модели: это совершенно разумно!

Это небольшой совет по использованию ИИ, который поделился Феликс Ризеберг, руководитель настольной версии Claude Code.

Как это сделать?

Предположим, вы хотите сократить время загрузки сайта с 10 секунд до 5 секунд, он предлагает: прямо установить цель на 0,2 секунды.

Модель говорит, что это невозможно? Тогда продолжайте говорить ей: эта проблема вполне решаема, попробуйте еще раз.

По мнению Феликса, мы можем быть более смелыми, ставя задачи ИИ.

Он также поделился небольшим советом: замените существительные в задаче на глаголы.

Например, изначальная задача «сделать отчет в формате PPT» может быть переформулирована как:

За 30 минут убедите группу занятых людей в вашей интерпретации причин и следствий, и примите решение, когда ситуация еще не ясна.

Помимо того, чтобы намеренно ставить агрессивные цели, он также предложил несколько конкретных подходов:

• Не заставляйте ИИ «думать как эксперт». Затем задайте уточняющие вопросы: какие исходные материалы изучает настоящий эксперт, какие инструменты использует, какие методы применяет, и запишите эти требования в задачу.

• Не принимайте свои суждения за ответы. Передайте их ИИ для проверки, пусть ИИ вернется к исходным материалам, чтобы найти доказательства, поддерживающие его, а также возможные контрпримеры.

• Не позволяйте ИИ самостоятельно оценивать себя. Код должен фактически выполняться, предсказанные результаты проверяются новыми данными, в конечном итоге пусть реальные результаты говорят сами за себя.

Вот подробное руководство Феликса по использованию Claude, отредактированное.

Наслаждайтесь～

Используя ИИ, мы можем быть более амбициозными

Я работаю в команде Claude.

Интересная часть этой работы заключается в том, что почти каждый день я узнаю, что еще одно дело было выполнено с помощью Claude ------ даже независимо от Claude.

Некоторые вещи я вообще не думал, некоторые я изначально считал невозможными; а некоторые просто не вызывали у меня особого интереса, и у меня не было времени попробовать.

В этом месяце Claude, возможно, помог открыть новую планету; я увидел первое AI музыкальное видео, которое мне действительно понравилось; мы даже начали обсуждать, не наступает ли новая эпоха в математике.

Способности модели не развиваются одновременно. Как сказал Теренс Тао, они «впечатляют в некоторых направлениях, но все еще имеют недостатки в других».

Некоторые люди уже научились управлять удивительными способностями модели, как будто действительно взлетели. Наблюдая, как они достигают таких высот с помощью продукта, который я сам создал, это действительно завораживает.

Больше людей все еще пытаются понять, как правильно использовать эти новые выросшие крылья. Они все еще размышляют: кроме того, чтобы ответить на вопрос «Какой столицей Франции?», или «Может ли ИИ сделать тон письма в этом электронном письме более мягким?», что еще может сделать ИИ?

Я и многие другие профессионалы в области ИИ часто повторяем одну фразу: С ИИ следует быть более амбициозным.

Эта фраза почти стала нашим девизом. Каждый раз, когда мы видим удивительные результаты, мы делимся ими и добавляем: «Мы все еще недостаточно амбициозны».

Я также знаю, что сказать это легко, но на самом деле сделать это очень сложно. Поэтому здесь есть руководство о том, «как быть более амбициозным».

Я разделяю амбиции на четыре категории: скорость, высота, глубина и широта.

△Сгенерировано ИИ

Скорость: завершение той же работы за меньшее время. Это самый основной способ, которым ИИ создает экономическую ценность.

Например, при написании кода с помощью Claude я могу сделать это быстрее. Этот способ уже довольно зрелый и не требует сложных подходов, поэтому я пока пропущу его.

Высота: повышение уровня абстракции задачи, сосредоточение на конечном результате, а не на отдельных конкретных задачах.

Глубина: думать о задаче как о ведущем эксперте, углубляясь в базовые данные, инструменты и проблемы.

Широта: искать решения проблемы в различных областях, используя знания, инструменты и методы, с которыми обычно не сталкиваешься.

Хотя я в основном использую Claude, эти советы не предназначены для конкретной модели.

Высота: заставьте модель работать на более высоком уровне абстракции

Мы часто называем этот подход «заставить модель работать на более высоком уровне абстракции». Когда вы ставите задачу модели, она на самом деле выполняет ваше оптимальное представление о том, как достичь ожидаемого результата.

Если вы хотите мыслить на более высоком уровне, задайте себе вопрос ------ что вы хотите, чтобы произошло дальше? Какова цель за целью?

В начале прошлого года я попросил Claude помочь мне исправить проблему с крахом одной программы, позже я прямо попросил его гарантировать, что наше приложение всегда будет работать без сбоев.

Рассмотрим повседневную офисную задачу * (позвольте мне сказать, что она даже немного скучна) *.

Предположим, вы работаете в компании Acme и вам нужно подготовить PPT для квартального бизнес-обзора * (QBR) *. Дайте Claude кучу данных, и он с радостью поможет вам это сделать; возможно, у вас уже есть шаблон, и ему просто нужно заполнить его содержимым.

Это не идет ни в какое сравнение с открытием новой планеты. Но что еще мы можем заставить ИИ сделать, когда речь идет о подготовке квартального отчета? Мы можем начать с самых основных требований и постепенно повышать амбиции:

△Сгенерировано ИИ

Первый шаг: дайте ему понять, что произошло в бизнесе.

Большинство обзоров требуют ответов на несколько вопросов: что изменилось в этом квартале? Почему? Что нам следует делать дальше?

Если вы просто хотите обновить цифры в шаблоне, сдержите это желание ------ по возможности передайте модели все доступные данные, чтобы она действительно поняла ваш бизнес, а затем спросите ее:

Скажите мне, что произошло в этом квартале, почему это произошло и какие действия мы должны предпринять.

Второй шаг: дайте ей определить необходимые решения.

Хорошая встреча ------ по крайней мере, хорошая встреча ------ в идеале должна завершаться некоторыми решениями. Вы можете спросить Claude:

Исходя из всего, что вы узнали, определите три наиболее срочных решения и проанализируйте возможные направления действий, перечислив доводы «за» и «против».

Третий шаг: дайте ей заново спроектировать этот рабочий механизм.

Ранее, чтобы провести квартальный бизнес-обзор, человеку необходимо было тщательно отобрать данные, понять их значение и затем решить, нужно ли вносить изменения в бизнес.

Теперь можно попробовать спросить Claude:

Смысл обзора заключается в том, чтобы руководство могло как можно раньше выявить проблемы и правильно распределить ресурсы и персонал.

Пожалуйста, разработайте более эффективный способ реализации, чем квартальный PPT, используя наши исторические данные, чтобы доказать, что он мог бы раньше выявить какие проблемы, а затем пусть он работает параллельно с существующим методом в течение квартала.

Когда вы действительно стремитесь к какому-то конечному результату, повышение уровня цели является наиболее эффективным методом; но для творческих задач его применимость относительно ограничена.

Хороший индикатор - если то, что вы делаете, требует последующей встречи для обсуждения, то стоит поднять цель на один уровень выше.

Конечно, в настоящее время все еще существуют ограничения ------ по крайней мере, в 2026 году для большинства компаний просто сказать «Claude, зарабатывай деньги» пока не может запустить автоматический процесс.

Тем не менее, мои общие наблюдения таковы: по мере увеличения возможностей модель, похоже, все больше может работать на более высоком уровне абстракции.

Повышение уровня цели также может помочь людям найти устойчивые рабочие процессы, которые не требуют постоянного вмешательства человека, позволяя вам не отправлять модели новые задачи одну за другой.

Чтобы сделать это, часто необходимо изменить существующий рабочий процесс.

Например, чтобы заставить Claude гарантировать, что наше приложение не будет сбоить, мне сначала нужно было обеспечить его удобным доступом к отчетам о сбоях, понять, какая версия приложения соответствует какому коммиту в Git, и предоставить ему доступ к компьютерам с Windows, macOS и Linux. Таким образом, он сможет действительно независимо воспроизвести проблему и проверить, эффективен ли ремонт.

Глубина: использовать методы ведущих экспертов, чтобы глубже понять проблему

Иногда вы просто хотите, чтобы задача была выполнена особенно хорошо.

Быть более амбициозным в «глубине» означает побуждать модель использовать инструменты, технологии, средства и знания, применяемые лучшими специалистами в этой области, и постоянно увеличивать усилия ------ до тех пор, пока даже эти эксперты не смогут узнать что-то новое из ваших результатов.

Продолжим с квартального бизнес-обзора компании Acme. Предположим, эта компания сталкивается с проблемой оттока пользователей, то есть клиенты постепенно уходят со временем.

Я обнаружил, что сочетание нескольких методов очень полезно:

△Сгенерировано ИИ

Продолжайте использовать инструменты, которые используют ведущие специалисты в отрасли

Когда вы просите модель «работать как профессионал», она часто просто меняет набор профессиональной лексики, но фактические методы не меняются.

Чтобы действительно глубоко исследовать проблему, необходимо использовать инструменты, которые применяют ведущие специалисты по данным и статистике. Когда Claude тянется за таблицей Markdown, настаивайте на том, чтобы он использовал базы данных и статистические модели.

Вам не нужно заранее знать, что будет использовать эксперт — Claude обычно знает.

Установите «неразумные» цели, а затем скажите модели, что они вполне разумны

Вы хотите сократить время загрузки сайта с 10 секунд до 5 секунд? Попросите сразу 0.2 секунды.

Модель считает, что что-то невозможно? Подчеркните ей, что эта проблема вполне решаема, и ей нужно продолжать пытаться.

△Сгенерировано ИИ

Оспаривайте свои уже установленные выводы

Особенно в бизнесе многие вещи, которые мы считаем фактами, являются лишь грубыми приближениями к реальности.

Позвольте модели получить доступ к исходной информации и данным, проверяя эти предположения с критическим подходом.

Например:

Мы считаем, что отток пользователей связан с этапом привлечения новых пользователей. Пожалуйста, попытайтесь воспроизвести этот вывод на основе исходных данных.

Найдите новые знания

Этот шаг легко следует за «оспариванием существующих представлений» — поскольку Claude уже глубоко погружен в данные, продолжайте просить его искать слепые зоны:

Постройте модель симуляции клиентов на основе наших логов, воспроизводя ситуацию за последний год. Затем найдите сигналы, которые мы еще не знаем и которые первыми предсказывают отток пользователей, и проверьте предсказательную способность на данных, которые он не видел.

Введите внешнюю оценку

Не позволяйте модели оценивать саму себя.

Я думаю, что по мере повышения интеллекта модели этот вопрос в конечном итоге будет решен. Но в октябре 2026 года я настоятельно рекомендую вам продолжать использовать внешнюю проверку.

В идеале метод проверки должен быть инструментом, который модель может использовать самостоятельно и сразу получать обратную связь.

Вот этот простой запрос часто помогает мне:

Я хочу углубить эту задачу, а не расширять ее. Прежде чем переписывать задачу, выполните четыре вещи:

Укажите, что делают ведущие специалисты в этой области, а я еще не запросил эти требования.

Перечислите, с каких самых исходных материалов они начнут, а не просто используя уже упорядоченные и переваренные материалы.

Перечислите конкретные методы и инструменты, которые они будут использовать.

Укажите, что кроме вас и меня, есть еще что-то, что может подтвердить правильность результата.

Затем перепишите мой запрос, точно включив эти требования.

△Сгенерировано ИИ

Широта: используйте методы из других областей

Быть более амбициозным в «широте» означает рассматривать свою работу с точки зрения различных областей.

Области, которые можно охватить, могут быть больше, чем раньше, потому что раньше это часто было невыгодно с точки зрения затрат.

Эта идея не нова. Почти каждый фильм о команде мастеров в первые 30 минут собирает группу людей с разным фоном и навыками.

С развитием ИИ-продуктов, которые делают многоагентные системы все более доступными — будь то через несколько потоков, координаторов или прямое использование подагентов, я обнаружил, что привлечение Claude к идеям из других областей часто приводит к интересным результатам.

На практике это не так просто, это требует от вас креативности.

Я никогда не думал, что могу использовать Claude для создания 3D-окружения для своей домашней страницы, пока не увидел, как мой коллега Алекс Альберт использует Blender для рендеринга интерьеров.

Знайте, что раньше я занимался созданием видеоигр!

Тем не менее, это именно то место, где я чаще всего вижу удивительные результаты.

Как это сделать? Я буду использовать следующие методы.

Попробуйте заменить существительные глаголами

Это старый метод, упомянутый Томом Келли и Джонатаном Литтманом в книге «Искусство инноваций».

Цель квартального обзора далеко не только в том, чтобы создать «презентацию». Вам нужно:

В течение 30 минут убедить группу занятых людей в объяснении причин и следствий, и принять решение в условиях неопределенности.

Описание задачи с помощью глаголов поможет мне и Claude легче увидеть, какие области могут предоставить уникальные и полезные перспективы.

△Сгенерировано ИИ

Соберите междисциплинарную команду

Предположим, что эта презентация должна быть впечатляющей, иначе инопланетяне взорвут Землю. Какую команду соберут люди?

Чтобы гарантировать качество продукта, я бы пригласил аналитика, журналиста и редактора.

Если потребуется живая демонстрация, возможно, потребуется также привлечь дизайнера анимации и звукового дизайнера.

Привлечение «красной команды», которая специально занимается поиском ошибок, может быть полезным, поэтому стоит найти скептика и судебного бухгалтера.

Тем не менее, этот подход легко может случайно превратиться в ролевую игру. В результате ваше взаимодействие с моделью становится более странным, но фактические результаты не улучшаются.

Вы должны использовать этот метод для поиска полезных областей и технологий. Прямое поручение модели исследовать инвестиционные объекты, как это делает скептик, имеет больше смысла, чем заставлять ее разрабатывать такую роль.

Все методы, которые я описал ранее, требуют от модели наличия компьютера, который можно использовать, устанавливать программное обеспечение и получать доступ к различным связанным данным, будь то через соединитель MCP или другими способами.

Сейчас есть много инструментов, которые могут предоставить эти условия, я рекомендую выбрать один и использовать его.

Чувство самоэффективности: людям тоже нужно обновить свою оценку собственных способностей

Вот мои конкретные рекомендации о том, как «стать более амбициозным».

Если вы готовы остаться немного дольше, я хотел бы обсудить, почему нам необходимо обсуждать этот вопрос.

Люди всегда ограничены своими собственными суждениями: мы считаем, что возможно, а что невозможно. Более того, мы обычно считаем, что можем добиться успеха только в очень узких областях.

Известный пример — это то, как Микеланджело не хотел рисовать для Сикстинской капеллы. Он считал себя скульптором и не идентифицировал себя как художника.

△Франсиско Гойя «Modo de volar» (Способ летать)

【Франсиско Гойя — один из величайших художников в истории Испании, считается пионером романтической живописи и ключевой фигурой, соединяющей классических мастеров и современное искусство】

Изучая вопрос «амбиции», я узнал о связанном понятии в психологии: чувство самоэффективности.

Проще говоря, люди с более высоким чувством самоэффективности больше верят в свои способности и, следовательно, могут сделать больше.

Существуют доказательства того, что чувство самоэффективности можно повысить с помощью некоторых методов.

Локк и Лэтэм проанализировали 35 лет исследований по установлению целей и пришли к четкому выводу: люди, которым ставят ясные и сложные цели, показывают лучшие результаты, чем те, кто просто получает указание «стараться изо всех сил».

Основатель Stripe Патрик Коллисон ведет список под названием «Fast», в котором записаны достижения человечества под смелыми целями и срочными сроками.

Вот несколько методов с достаточной документацией.

Верить, что трудные вещи можно сделать

В 1939 году Джордж Дантциг опоздал на урок статистики в Беркли.

Он переписал две задачи с доски, думая, что это домашнее задание, и затем сдал свои решения.

На самом деле это были два неразрешенных вопроса в статистике.

Увидеть, как другие справляются, а затем выполнить трудные задачи

На протяжении десятилетий человечество пыталось сократить время пробежки одной мили до менее чем 4 минут.

В мае 1954 года Роджер Баннистер преодолел этот рубеж. Но ситуация, когда «в мире только он один пробежал за 4 минуты», продлилась всего 46 дней.

Если вы следите за бегом, вы заметите, что с двухчасовым рубежом в марафоне происходит нечто подобное.

В апреле этого года Себастьян Сауве пробежал первый марафон за два часа на официальных соревнованиях. Второе место в том же соревновании также пробежало за два часа.

【Двухчасовой барьер марафона: марафонская дистанция составляет 42,195 километра, и достижение "разбить 2" (пробежать за 2 часа) считается таким же знаковым физическим порогом, как "четыре минуты за милю"】

△Сгенерировано AI

Позвольте себе ошибаться, а затем бросьте вызов трудностям

《Внутренняя игра в теннис》 кажется, что это книга, которую все любят, и я только на прошлой неделе её обнаружил.

Основная идея этой книги заключается в том, что когда вы стараетесь изо всех сил и прилагаете слишком много усилий, вы не можете показать свой лучший уровень игры в теннис.

Мы, инженеры, возможно, помним, как Линус описывал Linux, когда он только был представлен:

Я делаю это ради удовольствия, не так масштабно и профессионально, как GNU～

(Кто бы мог подумать, что позже Linux стал важным, а ядро GNU до сих пор не завершено…)

Чувство собственной эффективности не является новой проблемой, но сейчас оно стало слишком важным!

В эпоху, когда способности растут каждые несколько недель, нам срочно нужны методы, чтобы делать то, о чем мы никогда не задумывались всерьез и даже не верили, что сможем это сделать.