Capture record

  • Canonical URI: https://www.bnext.com.tw/article/92896/claude-ambition-altitude-depth-range(JSON-LD url/mainEntityOfPage)。1
  • Source class: secondary synthesis/guide(BusinessNext AI 工具教學整理;本文初稿為 AI 編撰,李先泰整理編輯);不是 Rieseberg 原文的獨立稽核。1
  • 作者/出版者: 李先泰/數位時代 BusinessNext。
  • 發布時間: 2026-11-03T16:50:00+08:00(datePublished=dateModified);擷取時間: 2026-11-03T10:17:55Z。
  • Retrieval method: Python 標準函式庫 urllib.request 直接 HTTP GET 讀取 canonical HTML、JSON-LD NewsArticle 與完整 articleBody(3,705 chars、SHA-256 01919c997b203bd392045a0b5bd26af4106f7cd21fbe949a4d56ae94b1dfdaa0)。未使用 browser、browser process、proxy 或互動式登入。
  • HTTP metadata: status 200;HTML 397,738 bytes;HTML SHA-256 0aef20db93e27875721013683398d112c5648a51a639da345d8b8d3a3bb6a026(頁面含動態內容,重抓 byte 數會變動)。

Faithful summary

BusinessNext(李先泰;本文初稿為 AI 編撰)整理 Anthropic 工程主管 Felix Rieseberg 於 10 月 13 日發表的部落格文章〈How to be more ambitious: A tutorial for humans with models〉。Rieseberg 曾帶領 Claude.ai、Cowork 與 Claude Code 桌面版的工程團隊,也是開源框架 Electron 的共同維護者。文章以企業季度業務檢討(QBR)簡報為例:只要求 AI 把數據填進既有範本只是「速度」;更有野心的做法是讓 AI 重新思考公司是否真的需要這份簡報、能否用過去資料提前發現被忽略的問題。1

Rieseberg 將 AI 應用分成四個方向:速度、高度、深度與廣度。「速度」是讓 AI 更快完成既有工作,也是多數人最熟悉的用法;文章整理另外三招並附可直接複製的提示詞。1

第 1 招拉高度: 把交給 AI 的事從「一個任務」換成「你真正想要的結果」。Rieseberg 自己的例子是,2025 年初他還在請 Claude 逐一修 App 當機問題,後來直接請 Claude「讓我們的App保持不當機」。季度檢討的三階段示例:第一階「別只更新數字」(把拿得到的資料都交給 AI,問這一季有什麼變化、為什麼變、該怎麼因應);第二階「讓會議產出決策」(找出最急迫的三個決策並整理各方向正反論點);第三階「重新設計季度檢討本身」(請 AI 設計比季度簡報更好的做法、用過去資料證明能更早抓到問題,並與現行做法並行跑一季)。判斷適不適合拉高度的建議:如果工作成果需要開會討論就值得試。Rieseberg 說明拉高度通常得先改造工作流程——他先讓 Claude 能自己抓取當機報告、查出每個 App 版本對應哪一次 git commit,還給它 Windows、macOS 和 Linux 電腦獨立重現問題與驗證修正。1

第 2 招挖深度: 要 AI 拿出業界頂尖專家用的工具和方法,一路做到連專家都可能從中學到新東西;常見陷阱是叫模型「扮演專業人士」往往只換用詞、做法沒變。文章收錄他常用的四步提示詞:(1)說出這個領域的頂尖專業者會做但沒有要求的事;(2)指出他們會從哪份最原始的材料著手;(3)列出他們會使用的具體方法與工具;(4)說明除了你和我之外還有什麼能證明結果是對的,接著改寫提示詞使其要求的正是這些。客戶流失案例的五個技巧:堅持用業界頂尖的工具(要求改用資料庫和統計模型而非 Markdown 表格)、訂一個不合理的目標並告訴 AI 這很合理(10 秒降到 5 秒就直接要求 200 毫秒,AI 覺得做不到時重申這題解得開)、挑戰你以為的事實(把原始資料交給 AI 反過來檢驗假設)、產出新知識(用系統紀錄建客戶模擬、找出最早出現的流失訊號並證明在沒看過的資料上也能預測)、找外部裁判(不要讓 AI 自己評自己;Rieseberg 認為模型更聰明之後這點可能改善,但在 2026 年 10 月他堅持要有外部驗證,最好是 AI 能自己執行、立即拿到回饋的工具)。1

第 3 招拓廣度: 讓 AI 從其他領域的角度處理同一件事;AI 產品愈來愈容易同時跑多個代理(multi-agent),門檻低了很多。Rieseberg 坦言這招最需要創意、也是他看到最多驚喜的地方,並舉同事 Alex Albert 用 Blender 渲染室內設計的例子。方法分兩步:先把名詞換成動詞(Tom Kelley 與 Jonathan Littman《The Art of Innovation》的老技巧;季度檢討換成動詞是「在30分鐘內,讓一群忙碌的人相信一個因果故事,並在不確定中做出決定」),再組一支跨領域團隊(分析師、記者和編輯負責製作品質;上台報告再加動態與音效設計師;視情況找做空投資人與鑑識會計師組成「紅隊」挑毛病)。Rieseberg 提醒這招很容易變成角色扮演:要 AI 用做空投資人研究股票的方法去查,光模仿口吻只會讓對話變怪、成果不會變好。原文沒有給這一招的完整提示詞,文章依其方法整理出四步參考提示詞(先用動詞重新描述任務、列出 5 個能帶來獨特觀點的專業領域且至少 1 個負責挑毛病、每個領域寫出實際研究步驟與工具只寫做法不模仿口吻、依照這些做法實際執行並標出各領域檢查發現的問題)。1

適用邊界: Rieseberg 指出三招有共同前提——AI 要有一台能自行安裝軟體的電腦,並接得到各種相關資料(例如透過 MCP 連接器);如果只在對話框貼幾段文字、AI 碰不到原始資料,深度那一招要求的資料庫與統計模型就很難做到。這些工作方法最適合真正追求某個最終目標的工作,創作類比較不適用;在 2026 年,單靠一句「Claude,去賺錢」對多數企業似乎還行不通。他觀察到模型能力愈強,往往就能接手愈高層次的工作。1

Faithful capture(articleBody,whitespace-normalized)

一名沒有天文專業背景的產品經理,靠著Claude Code等AI工具分析太空望遠鏡資料,可能發現一顆新的系外行星(仍待後續觀測確認)。當有人已經用AI挑戰專業研究,有人卻還停留在問問題、改Email。同樣使用AI,為什麼成果差這麼多?如何讓AI不只幫你省時間,還能做到原本做不到的事?Anthropic工程主管Felix Rieseberg在10月13日發表的部落格文章,正是想回答這個問題。他曾帶領Claude.ai、Cowork與Claude Code桌面版的工程團隊,也是開源框架Electron的共同維護者。Rieseberg指出,AI產業經常鼓勵使用者「用AI要更有野心」,但這句話說起來容易,實際上卻很難知道該從何做起。因此,他整理出一套具體方法,教使用者如何改變向AI提問的方式。他以企業常見的季度業務檢討(QBR)簡報為例,如果只是要求AI把數據填進既有範本,AI確實能快速完成任務;但更有野心的做法,是讓AI重新思考:公司真的需要這份簡報嗎?有沒有更好的管理方式,甚至能利用過去的資料,提前發現原本被忽略的問題?Rieseberg將AI應用分成四個方向:速度、高度、深度與廣度。其中,「速度」是讓AI協助更快完成既有工作,也是多數人最熟悉的用法。但如果想讓AI創造更大的價值,就不能只追求效率。以下整理Rieseberg提出的另外3種AI使用技巧,並附上可以直接複製使用的提示詞,幫助讀者從單純提高工作效率,進一步運用AI解決更複雜的問題。 Rieseberg為什麼認為,AI用不出效果是人先限制了自己?Rieseberg認為,卡住的往往是人對「可能」的想像。他引用心理學的「自我效能」(self-efficacy)概念:愈相信自己做得到的人,實際成就也愈高。目標設定理論的代表學者Locke與Latham在2002年的論文中回顧35年研究,指出拿到具體、困難目標的人,表現優於只被要求「盡力就好」的人。他舉的例子之一是數學家丹齊格(George Dantzig)。1939年,丹齊格在加州大學柏克萊分校上課遲到,把黑板上的兩道題抄回去當作業寫完交出,後來才知道那是統計學界還沒解開的難題。他不知道題目有多難,自然也沒替自己設限。Rieseberg認為,AI讓我們能做到的事每隔幾周就往前推進一次,人更需要一些方法,逼自己去做原本不覺得可能的事。第1招拉高度:為什麼要交代結果,而不是交代任務?拉高度,就是把交給AI的事從「一個任務」換成「你真正想要的結果」。動手前先問自己:這件事做完之後,我希望接下來發生什麼?Rieseberg自己的例子是,2025年初他還在請Claude逐一修App的當機問題,後來直接請Claude「讓我們的App保持不當機」。延續季度檢討的例子,他給了三個由淺到深的版本。第一階:別只更新數字。 盡可能把拿得到的資料都交給AI,讓它理解你的生意,而不只是換掉範本裡的數字。告訴我這一季有什麼變化、為什麼會變,以及我們該怎麼因應。第二階:讓會議產出決策。 好的會議最後要有決定。根據你從這些資料了解到的一切,找出最急迫的三個決策,並開始為每個可能的方向整理正反論點。第三階:重新設計季度檢討本身。 這套機制誕生在需要人工篩資料、判讀數字的年代。季度檢討存在的目的,是讓高層及早發現問題,把錢和人調到對的地方。請設計一個比季度簡報更好的做法,用我們過去的資料證明,如果當初採用這個做法,本來就能更早抓到問題,並和現行做法並行跑一季。怎麼判斷一件事適不適合拉高度?Rieseberg給的建議是,如果你的工作成果需要開會討論,就值得試試。拉高度通常得先改造工作流程。 為了讓Claude負責「App保持不當機」這個結果,他先讓Claude能自己抓取當機報告、查出每個App版本對應哪一次程式碼提交(git commit),還給它Windows、macOS和Linux電腦,讓它能獨立重現問題、驗證修正。做到這一步,人才不必一直跟在後面派任務。第2招挖深度:怎麼讓AI用專家的方法做事,不只換上專家的口吻?挖深度,是要AI拿出業界頂尖專家用的工具和方法,一路做到連專家都可能從中學到新東西。Rieseberg點出一個常見陷阱:叫模型「扮演專業人士」,它往往只換了用詞,做法沒變。以下是他常用的一段提示詞,使用時可以把原本的提示詞接在這段後面:我想要這個任務更深的版本,而不是更大的版本。在改寫之前,請先做四件事:(1)說出這個領域的頂尖專業者在這裡會做、但我沒有要求的事;(2)指出他們會從哪份最原始的材料著手,而不是已經替我消化過的東西;(3)列出他們會使用的具體方法與工具;(4)說明除了你和我之外,還有什麼能證明結果是對的。接著,改寫我的提示詞,讓它要求的正是這些。回到季度檢討的例子,假設公司正為客戶流失所苦,他會搭配以下五個技巧:堅持用業界頂尖的工具:AI想用Markdown表格整理數據時,要求它改用資料庫和統計模型。你不必知道專家用什麼,Claude通常知道。訂一個不合理的目標,並告訴AI這很合理:如果你需要網站載入時間從10秒降到5秒,直接要求200毫秒。AI覺得做不到時,重申這題解得開,請它繼續做。挑戰你以為的事實:商業上很多「常識」只是粗略的近似值。把原始資料交給AI,要它反過來檢驗假設,例如:「我們認為客戶流失是新手引導(onboarding)的問題,請試著從原始資料重現這個結論。」產出新知識:AI已經深入資料之後,再請它找盲點,例如:「用我們的系統紀錄建一個客戶模擬,重現過去一年的狀況。接著找出我們還不知道、最早出現的流失訊號,並證明它在沒看過的資料上也能預測。」找外部裁判:不要讓AI自己評自己。Rieseberg認為模型更聰明之後這點可能會改善,但在2026年10月,他堅持要有外部驗證,最好是AI能自己執行、立即拿到回饋的工具。第3招拓廣度:為什麼要把名詞換成動詞,再找一組跨領域團隊?拓廣度,是讓AI從其他領域的角度處理同一件事。過去找一群不同專業的人一起看一件事並不划算,如今AI產品愈來愈容易同時跑多個代理(multi-agent),門檻低了很多。Rieseberg坦言這招最需要創意,也是他看到最多驚喜的地方。直到看見同事Alex Albert用3D軟體Blender渲染室內設計,他才想到可以請Claude替自己的個人網站做3D場景。先把名詞換成動詞。 這是Tom Kelley與Jonathan Littman在《The Art of Innovation》書中提過的老技巧。季度檢討表面上是「一份簡報」,換成動詞,它要做的是「在30分鐘內,讓一群忙碌的人相信一個因果故事,並在不確定中做出決定」。寫成動詞之後,人和AI都比較容易看出該找哪些領域來幫忙。再組一支團隊。 假設這份簡報做不好,外星人就會炸掉地球,人類會派誰上場?Rieseberg的名單是:分析師、記者和編輯負責整體製作品質;如果要上台報告,再加一名動態與音效設計師。他也建議視情況找做空投資人與鑑識會計師組成「紅隊」,專門挑毛病。不過這招很容易變成角色扮演。Rieseberg提醒,要AI用做空投資人研究一檔股票的方法去查,光模仿口吻只會讓對話變怪,成果不會變好。原文沒有給這一招的完整提示詞,但依他的方法可整理出參考提示詞如下:我要處理的任務是:[貼上任務]1. 先不要動手。請用「動詞」重新描述這個任務真正要達成的事,不要用「簡報」「報告」這類名詞。2. 根據這個動詞描述,列出5個能帶來獨特觀點的專業領域,其中至少1個負責挑毛病(例如做空投資人、鑑識會計師)。3. 每個領域寫出:這類專家實際會做哪些研究或檢查步驟、會用什麼工具或資料。只寫做法,不要模仿他們的說話口吻。4. 依照這些做法實際執行,整合成一份成果,並標出各領域的檢查發現了哪些問題。這3招在哪些情況不適用?Rieseberg指出,三招都有一個共同前提:AI要有一台能自行安裝軟體的電腦,並接得到各種相關資料,例如透過MCP(讓AI連上外部系統與資料的開放標準)連接器。要提醒的是,如果只在對話框貼幾段文字,AI碰不到原始資料,深度那一招要求的資料庫與統計模型就很難做到。Rieseberg認為,這些工作方法最適合真正追求某個最終目標的工作,創作類比較不適用;他也坦言,在2026年,單靠一句「Claude,去賺錢」,對多數企業似乎還行不通。不過他觀察到,模型能力愈強,往往就能接手愈高層次的工作。延伸閱讀:美國期中選舉懶人包:開票時間、結果何時出爐?川普關稅與台灣影響一次看資料來源:Felix Rieseberg〈How to be more ambitious: A tutorial for humans with models〉、Felix Rieseberg〈Hunger beats tenure: Advice for junior engineers〉、《Gizmodo》、Locke與Latham目標設定研究回顧本文初稿為AI編撰,整理.編輯/ 李先泰

Claim ledger

IDClaimStatusBoundary / Note
C01BusinessNext 92896 的標題、作者(李先泰)、publisher(數位時代 BusinessNext)與發布時間(datePublished=dateModified=2026-11-03T16:50:00+08:00)。supported由 canonical page JSON-LD NewsArticle 直接讀取;只支持頁面 metadata。1
C02Felix Rieseberg 為 Anthropic 工程主管,曾帶領 Claude.ai、Cowork 與 Claude Code 桌面版的工程團隊,也是開源框架 Electron 的共同維護者;其部落格文章〈How to be more ambitious: A tutorial for humans with models〉於 10 月 13 日發表。partially-supported文章轉述層級(本文初稿為 AI 編撰);Rieseberg 原文本輪未直接讀取。交叉對應:既有 raw bnext-ai-prompts-avoid-generic-answers-verbalized-sampling-2026-10-21.md 已第一方核對〈How to be more ambitious〉全文(Depth/Range 框架與外部驗證主張 supported),方向一致。1
C03Rieseberg 將 AI 應用分成四個方向:速度、高度、深度與廣度;「速度」是讓 AI 更快完成既有工作,也是多數人最熟悉的用法。partially-supported文章轉述 Rieseberg 框架;原文未直接讀取(既有 raw bnext-ai-prompts-avoid-generic-answers-verbalized-sampling-2026-10-21.md 對同一原文之 Depth/Range 歸納方向一致)。1
C04Rieseberg 引用心理學「自我效能」(self-efficacy)概念:愈相信自己做得到的人實際成就也愈高;Locke 與 Latham 在 2002 年的論文回顧 35 年研究,指出拿到具體、困難目標的人表現優於只被要求「盡力就好」的人。partially-supported文章轉述層級;Locke & Latham (2002) 原文本輪未直接讀取(attribution)。1
C05Rieseberg 以數學家 George Dantzig 1939 年在加州大學柏克萊分校把黑板上兩道未解難題當作業寫完的例子,說明人常因不知道題目多難而沒替自己設限。partially-supported文章轉述的歷史事例;Dantzig 事件原始出處本輪未直接讀取(attribution)。1
C06「拉高度」=把交給 AI 的事從「一個任務」換成「你真正想要的結果」;Rieseberg 自述 2025 年初還在請 Claude 逐一修 App 當機問題,後來直接請 Claude「讓我們的App保持不當機」。partially-supportedRieseberg 第一手敘事經文章轉述;原文未直接讀取。1
C07季度檢討三階段示例:別只更新數字(把資料交給 AI、問變化/原因/因應)→ 讓會議產出決策(找出最急迫的三個決策並整理正反論點)→ 重新設計季度檢討本身(請 AI 設計更好的做法、用過去資料證明能更早抓到問題,並與現行做法並行跑一季)。partially-supportedRieseberg 方法示例經文章轉述;原文未直接讀取。1
C08判斷一件事適不適合拉高度的建議:如果工作成果需要開會討論,就值得試試。partially-supportedRieseberg 建議經文章轉述;屬方法論主張層級。1
C09「讓 App 保持不當機」需先改造工作流程:Rieseberg 先讓 Claude 能自己抓取當機報告、查出每個 App 版本對應哪一次 git commit,並給它 Windows、macOS 和 Linux 電腦獨立重現問題與驗證修正。partially-supportedRieseberg 第一手操作敘事經文章轉述;原文未直接讀取。1
C10「挖深度」=要 AI 拿出業界頂尖專家用的工具和方法,一路做到連專家都可能從中學到新東西;常見陷阱是叫模型「扮演專業人士」往往只換用詞、做法沒變。partially-supportedRieseberg 方法論經文章轉述;原文未直接讀取。1
C11「挖深度」四步提示詞:(1)說出頂尖專業者會做但沒有要求的事;(2)指出他們會從哪份最原始的材料著手;(3)列出具體方法與工具;(4)說明除你和我之外還有什麼能證明結果是對的,接著改寫提示詞使其要求的正是這些。partially-supported文章收錄之 Rieseberg 常用提示詞轉述;原文未直接讀取。1
C12客戶流失案例五技巧:堅持用業界頂尖的工具(資料庫+統計模型而非 Markdown 表格)、訂不合理目標並告訴 AI 這很合理(10 秒→5 秒就要求 200 毫秒,AI 覺得做不到時重申解得開)、挑戰你以為的事實(從原始資料重現「客戶流失是新手引導問題」的結論)、產出新知識(建客戶模擬找出最早出現的流失訊號並證明在未見資料上也能預測)、找外部裁判(不讓 AI 自己評自己;Rieseberg 認為模型更聰明後可能改善,但在 2026 年 10 月他堅持要有外部驗證,最好是 AI 能自己執行、立即拿到回饋的工具)。partially-supportedRieseberg 方法論與時間點判斷經文章轉述;原文未直接讀取。1
C13「拓廣度」=讓 AI 從其他領域的角度處理同一件事,multi-agent 門檻已降低很多;Rieseberg 坦言這招最需要創意、也是他看到最多驚喜的地方,並舉同事 Alex Albert 用 Blender 渲染室內設計的例子。partially-supportedRieseberg 敘事經文章轉述;Alex Albert 案例原始出處本輪未直接讀取(attribution)。1
C14「名詞換動詞」是 Tom Kelley 與 Jonathan Littman《The Art of Innovation》書中提過的老技巧;季度檢討換成動詞為「在30分鐘內,讓一群忙碌的人相信一個因果故事,並在不確定中做出決定」。partially-supported文章轉述層級;《The Art of Innovation》原文本輪未直接讀取(attribution)。1
C15跨領域團隊組建示例:分析師、記者和編輯負責整體製作品質,上台報告再加動態與音效設計師,視情況找做空投資人與鑑識會計師組成「紅隊」挑毛病;這招很容易變成角色扮演,光模仿口吻只會讓對話變怪、成果不會變好。partially-supportedRieseberg 方法論經文章轉述;原文未直接讀取。1
C16「拓廣度」參考提示詞四步(動詞重新描述任務→列 5 個專業領域且至少 1 個挑毛病→各領域寫實際研究步驟與工具、只寫做法不模仿口吻→照做並標出各領域檢查發現的問題)為文章依 Rieseberg 方法整理,原文沒有給這一招的完整提示詞。partially-supported文章明確標示「原文沒有給這一招的完整提示詞」;參考提示詞屬文章整理層級(editorial)。1
C17三招共同前提:AI 要有一台能自行安裝軟體的電腦,並接得到各種相關資料(例如透過 MCP 連接器);只在對話框貼幾段文字時深度那一招很難做到。這些工作方法最適合真正追求某個最終目標的工作,創作類比較不適用;在 2026 年單靠一句「Claude,去賺錢」對多數企業似乎還行不通;模型能力愈強往往能接手愈高層次的工作。partially-supportedRieseberg 方法論與時間點判斷經文章轉述;原文未直接讀取。1
C18Rieseberg〈How to be more ambitious〉、〈Hunger beats tenure: Advice for junior engineers〉原文全文,《Gizmodo》報導、Locke & Latham (2002) 回顧與《The Art of Innovation》原文。unresolved本輪未直接讀取;全部方法論內容維持文章轉述層級,未加入 verified。1

Evidence boundary

raw-only。本輪只直接讀取 BusinessNext canonical page 的 HTML 與 JSON-LD NewsArticle(含完整 articleBody);Rieseberg〈How to be more ambitious〉與〈Hunger beats tenure〉原文、《Gizmodo》報導、Locke & Latham (2002) 回顧與《The Art of Innovation》原文均未直接讀取。所有方法論內容維持文章轉述或來源歸屬;交叉對應:既有 raw bnext-ai-prompts-avoid-generic-answers-verbalized-sampling-2026-10-21.md(92713)已第一方核對〈How to be more ambitious〉全文,本輪未改寫該 raw。未加入 verified。

Rights boundary

BusinessNext 內容受其版權、授權或網站條款約束。本次僅保存 metadata、繁中 faithful summary、articleBody 忠實文字(3,705 chars,whitespace-normalized)、claim ledger、證據界線與來源連結;未保存完整 HTML payload。文中方法論之最終依據以 Rieseberg 原文為準。

Footnotes

  1. 數位時代 BusinessNext(李先泰;本文初稿為 AI 編撰),〈別讓AI只做雜事!Anthropic主管公開「野心提示詞」3招,如何徹底釋放Claude極限?〉,2026-11-03;https://www.bnext.com.tw/article/92896/claude-ambition-altitude-depth-range。 ↩ ↩2 ↩3 ↩4 ↩5 ↩6 ↩7 ↩8 ↩9 ↩10 ↩11 ↩12 ↩13 ↩14 ↩15 ↩16 ↩17 ↩18 ↩19 ↩20 ↩21 ↩22 ↩23 ↩24 ↩25 ↩26