一句话看懂：InfoQ CN 刊发一篇译自 Claude 开发者 Felix Rieseberg 的实践指南，提出速度、高度、深度、广度四个维度，讨论如何把用 AI 的目标定得更大胆，而不是只拿来改邮件、做 PPT。
事件核心：发生了什么
这篇指南由 Felix Rieseberg 写于 2026 年 10 月 13 日，InfoQ CN 于 2026 年 11 月 4 日发布中文译稿。作者参与 Claude 开发，但文中观点属于个人经验分享，并非 Anthropic 的官方产品公告。文章把“用 AI 更有雄心”拆成四个维度：速度，即用更少时间完成同样的工作；高度，即关注最终成果而非单一任务；深度，即像领域顶尖专家那样使用工具和方法；广度，即引入平时不会接触的领域视角。以季度业务复盘（QBR）为例，作者建议逐步从理解数据变化，推进到识别关键决策，再到用历史数据验证新的复盘机制。
为什么重要
目前公开信息显示，多数 AI 应用仍集中在写邮件、改文案、做幻灯片等表层任务上，模型能力与使用方式之间存在明显落差。作者援引陶哲轩的说法，模型能力“在某些方面令人惊叹，在另一些方面却仍显不足”。从行业角度看，这篇指南的价值不在提示词技巧，而在工作流设计：要让模型承担更高层次的目标，用户需要先调整自己获取数据、验证结果和安排工具的方式，例如让 Claude 能读取崩溃报告、关联 Git 提交，并在不同操作系统上复现问题。这对应着大模型从“单次问答”走向“可长期运行的工作流程”的方向。
对用户/开发者/创作者的影响
对普通用户，作者建议先问清任务背后真正想要的结果，再决定是否值得把目标提高一层。对开发者，文中强调深度做法：坚持使用数据库、统计模型等专业工具，设定看似不合理的目标，用原始数据检验既有假设，并通过可自行运行、立即反馈的外部工具验证结果。对创作者，作者建议用“把名词换成动词”的方式重新描述任务，再按需组建分析师、记者、编辑乃至“红队”式的多角色协作，但提醒不要停留在角色扮演，而要真正借鉴其他领域的方法。作者也承认限制：到 2026 年，单凭一句“去赚钱吧”对多数企业仍不现实，创作类任务对“提高目标层次”的适用性也较弱。
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
其一，文中提到的多智能体协作、子智能体与 MCP 连接器等能力，是否会在主流 AI 产品中进一步降低使用门槛；其二，企业是否会把 AI 从辅助工具推进到稳定性维护、业务复盘等需要持续介入的流程中；其三，作者强调的外部验证方式，会否成为模型评估和结果校验的常见配置。
来源：InfoQ CN
