Claude Code负责人：把AI目标定得激进点，反而更好用

设定不合理目标并告诉模型“这非常合理”，是Claude Code桌面版负责人Felix Rieseberg分享的AI使用技巧。例如想把网站加载时间从10秒压缩到5秒，可直接把目标定到0.2秒；模型说做不到，就继续告诉它问题完全可以解决，再试试。他还建议把任务中的名词换成动词，比如把“做一份汇报PPT”改为“在30分钟内让一群忙碌的人信服你对事情前因后果的解释，并在情况尚不明朗时作出决策”。其他做法包括：不只让AI“像专家一样思考”，还追问真正专家会看哪些原始资料、用什么工具和方法，并写进任务；不把自己的判断直接当答案，交给AI回原始材料找支持证据和反例；不让AI自己打分，代码实际运行、预测用新数据检验，让真实结果说话。

Felix把野心分为四类：速度、高度、深度和广度。速度是用更少时间完成同样工作，已较成熟。高度是提高任务抽象层次，关注最终结果而非具体任务。他以季度业务复盘为例：先让模型理解业务发生了什么变化、为什么、该怎么办；再让它判断最迫切的三项决策并分析支持与反对理由；最后让它重新设计复盘机制，用历史数据证明能更早发现问题，并与现有方法并行运行一个季度。他指出，追求最终结果时提高目标层次最有效，创作类任务适用性有限；判断信号是“如果事情之后还需开会讨论，就值得把目标再提一层”。局限在于，至少到2026年，对多数企业说“Claude，去赚钱吧”仍无法让事情自动运转。提高目标层次还需改变工作流程，例如为让Claude确保应用不崩溃，要先让它获取崩溃报告、理解版本对应Git提交，并授权访问Windows、macOS和Linux电脑，才能独立复现和验证修复。

深度是推动模型使用顶尖专家的工具、技术、媒介和知识，直到专家也可能从成果中学到新东西。方法包括：坚持使用行业顶尖人士所用工具，当Claude想用Markdown表格时坚持改用数据库和统计模型；设定“不合理”目标并强调其合理；挑战已认定结论，让模型接触原始数据检验假设；找出新知识，如构建客户模拟模型重现过去一年，找最早预示用户流失的信号并用未见数据验证；引入外部评判，不让模型自评，理想验证方式是模型可自行运行并立即获得反馈的工具。他还给出一段提示词：改写任务前先说明顶尖专业人士会做哪些未提出的要求、从哪些原始材料入手、采用什么方法和工具、除你我外还有什么能证明结果正确，再把这些要求写进提示词。

广度是从不同领域视角审视工作。随着多智能体系统更易运行，让Claude引入其他领域思路常带来惊喜。他提到同事Alex Albert用Blender渲染室内设计，自己此前做电子游戏，从未想过用Claude为主页制作3D环境。具体方法之一是沿用《The Art of Innovation》中的老办法：把名词换成动词。