一句话看懂：Anthropic 工程经理、Claude Cowork 工程负责人 Felix Rieseberg 在近期访谈中提出，2024 年那种给模型设定“专家角色”的提示词已经过时，用户应把更大目标交给通才模型，并定期清理过时的 Skill。该访谈在其 X 帖子获得超过 500 万次浏览后引发关注。
事件核心：发生了什么
据 InfoQ CN 报道，Felix Rieseberg 于 2026 年 10 月 13 日发表博文，建议用户在使用 AI 时“更有野心”，不要只让它把旧任务做得更快。随后他做客 Silicon Valley Girl 访谈，披露 Claude Cowork 由其团队约一周半开发完成，而他本人已不再亲自写代码，主要精力放在产品原型、用户需求和团队管理上。
访谈中几个具体主张值得注意：不必再告诉 Claude“你是某个领域的专家”，应直接提供专业工具和数据；写 Skill 要谨慎，模型迭代快，为上一代模型写的 Skill 可能过时，删掉反而效果更好；面对不熟悉的领域，可用“对抗式审查”，让多个 Claude 分头找错，再由另一个 Claude 核查意见是否成立。他还以自己为例，说过去逐个把崩溃记录交给 Claude 修复，本质上是在给 AI 当“传送带”，后来改为让 Claude 直接读取全部崩溃数据、自行判断。
为什么重要
这些做法指向一个正在变化的工程判断：大模型已是通才，靠角色扮演式提示词收窄其行为，收益可能不如给它合适的工具、数据和自主判断空间。Skill 从“越多越好”转向“按需维护、定期删除”，也意味着 Agent 工作流的竞争点正从提示词技巧转向流程设计、数据接入和结果验证。对 Anthropic 而言，Claude Cowork 这类产品的工程经验会直接影响其企业侧说服力，但公开信息目前仅限于访谈与博文，尚无系统性评测数据。
对用户/开发者/创作者的影响
对普通用户，Felix 建议先想清楚工作最终要达成什么，再把更大的目标交给模型，而不是停留在总结邮件、调整语气。对开发者，值得尝试的是把“评价标准”写进流程：不仅看结果，也看过程是否可靠，碰巧猜对不算做好。对使用 Skills 的团队，应把过时 Skill 当技术债处理。创意工作者可参考其思路：与其笼统要求“写好一点”，不如让 AI 按专业人士的步骤和方法工作。需要提醒的是，访谈中提到的 NASA 数据寻星案例仍待 NASA 核实，不能视为已确认成果。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 Claude Cowork 是否公布更多落地细节和可用范围；二是“对抗式审查”能否沉淀为 Anthropic 官方推荐的工作流；三是 Skills 生态是否会因模型更新出现清理与重构潮，以及社区是否形成可复用的评价标准。
来源：InfoQ CN
