記住了第一招，
漏掉了第五招

00 · THE COPY

副本上掉了什麼

貼文的大意是這樣：別再用「你是一個資深⋯⋯」這種角色扮演 prompt，它至少失效兩年，OpenAI 發表 o1 時就叫大家別這麼做；Anthropic 的工程經理 Felix Rieseberg 也在部落格說，這種 prompt 只是讓 AI 換詞，做的事沒變。那想要 AI 更專業怎麼辦？讓它更有野心：看得更大局、用專家在用的工具和資料格式、整合跨領域知識。最後附上原文連結，推薦閱讀。

這段轉述沒有一句是憑空捏造的。但它是三聯複寫單的第二聯：筆壓最重的那一行印得最清楚，其他的淡掉了。原文有四種野心、高度的三個階梯、深度的五招、廣度的兩招、兩次關於角色扮演的警告、一張基礎建設清單，和一段心理學。副本留下了一招半。

副本留下了最好記的那一招，丟掉了最重要的那一招。這不是貼文作者的錯，轉傳本來就是這樣運作的；但如果你打算照著做，就得回頭看正本。下面是正本的摘譯，每節後面附校讀。

01 · FOUR TYPES

四種野心，和被跳過的那一種

作者開場先交代為什麼寫：他在 Claude 團隊工作，每天都聽到有人用模型做出他沒想過、不相信做得到、或只是沒時間試的事。那個月的三件：一位業餘天文愛好者可能找到一顆新行星候選、第一支他真心喜歡的 AI 音樂影片、陶哲軒提出的 Math 2.0。他借陶哲軒的觀察當前提：模型的能力不是均勻成長的，某些方向驚人、某些方向不行。有些人抓到了驚人的那幾個方向，像在飛；更多人還在跟新長出來的翅膀搏鬥。

AI 圈常喊「我們不夠有野心」，看到厲害的案例就轉貼加一句。作者承認這句口號很難照做，所以把野心拆成四種：

校讀：速度不是不重要，是被當成已知

原文跳過速度的理由寫得很清楚：它已經是基本盤，不需要創意。但導讀得把它放回去，因為另外三種都靠它撐著。外部裁判（深度第五招）是一個「跑、驗、改」的迴圈，迴圈要轉得起來，每一圈得夠便宜。零 crash 那個工作流能跑，是因為模型重現一次 bug 的成本低到可以反覆試。速度是那三種野心的地基。

它同時也是天花板。做得更快，產出就更多，而每一份產出都要有人看。這一點原文沒寫，後面第 06 節會補。

速度是另外三種野心的地基，也是它們的天花板。

02 · ALTITUDE

高度：目標背後的目標，和它的帳單

給模型一個任務，等於讓它執行你對「怎麼達成結果」的最佳猜測。要在高度上更有野心，先問自己：這件事做完之後，你真正要的是什麼？目標背後的目標是什麼？作者自己的例子：去年初他還叫 Claude 一個一個修 crash，後來改成叫 Claude 讓 app 保持沒有 crash。

他用一家虛構公司 Acme 的季度業務檢討簡報示範三個階梯，一階比一階更有野心：

1. 別只更新模板裡的數字。把能拿到的資料都給模型，讓它理解這門生意，然後問：這季什麼變了、為什麼、該怎麼辦。
2. 會議要有決策。請模型從它學到的一切裡找出最急的三個決策，並開始整理各方向的正反論點。
3. 質疑這個形式本身。季度檢討是人工篩資料時代的產物。告訴模型：這個會議存在的目的是讓管理層早點發現問題、把錢和人移到對的地方。請設計一個比季度簡報更好的做法，用我們自己的歷史證明它會更早抓到問題，然後跟現行做法並行跑一季。

作者自己標了限制：高度適合真正追求某個最終結果的事，對創作型工作效果較差；一個好用的判斷訊號是，如果你會為這件事開會，就適合拉高度。2026 年還有天花板，對多數公司來說「Claude，去賺錢」本身還行不通，但他觀察到模型越強，能運作的抽象層級就越高。高度也是「把人從迴圈裡拿掉」的地方：找到持久的工作流，你就不用一個任務接一個任務餵。

校讀：高度是基礎建設問題

這一節最值得留下的不是那三個階梯，是那張帳單。貼文把高度濃縮成「看得更大局觀」，聽起來像是換個問法就有的東西；原文的意思剛好相反，問法最便宜，讓模型有辦法回答那個問法才貴。你叫它「保持零 crash」，它第一件事是去找 crash report，如果找不到，這句話就只是一句話。

03 · DEPTH

深度：五招，第五招最重

有時候你只是要一件事做得非常好。深度上的野心，是推模型去用該領域最好的專業人士所用的工具、技法、媒介與知識，一直推到連那些專家都可能從你的成果學到東西。延續 Acme 的例子，假設公司有客戶流失的問題，作者的五招：

1. 堅持用業界頂尖的同一套儀器。叫模型「扮演專業人士」時，它常常只換詞彙、不換方法。要做出深度，就要用最好的資料科學家和統計學家在用的工具：模型伸手拿 markdown 表格時，堅持要它改用資料庫和統計模型。你不一定要知道專家用什麼，模型通常知道。
2. 訂不合理的目標，然後告訴模型這很合理。網站要從 10 秒載入壓到 5 秒？直接要求 200 毫秒。模型說做不到？重申這完全可解，叫它繼續。
3. 挑戰你自以為知道的事。商業上很多「事實」只是現實的粗略近似。把原始資料給模型，叫它對抗式地檢查假設：我們相信流失是 onboarding 的問題，請從原始資料試著重現這件事。
4. 產生新知識。模型已經在資料深處時，叫它找盲點：用一年的 log 建一個客戶模擬器，找出我們還不知道的最早流失訊號，並證明它在沒看過的資料上也能預測。
5. 用外部裁判。原文這一招只有一句話，但他用了「懇求」這個字："Do not ask the model to judge itself." 他假設這會隨模型變聰明而解決，但在 2026 年 10 月，他請讀者堅持外部驗證，最好是模型能自己跑、立刻得到回饋的工具。

文末附了一段他常用的 prompt，意思是「我要這個任務更深的版本，不是更大的版本」：先讓模型回答四件事（頂尖專業人士會做而你沒要求的事、他們會從什麼最原始的材料開始、他們會用哪些具體方法和工具、除了你和模型之外什麼能證明結果是對的），再改寫原本的 prompt。中文改寫版在附錄。

校讀：第一招是貼文的主題，第五招是原文的保險絲

先講第一招。原文沒說角色 prompt「失效」，它說的是角色 prompt 會讓模型換詞彙而不換方法。這兩句差很多：前者是叫你別寫，後者是叫你寫了之後別停在那裡。原文的處方也不是「拿掉角色」，而是「加上工具」：模型拿 markdown 表格時叫它用資料庫，這跟 prompt 裡有沒有「資深」兩個字無關。

再講第五招。前面四招都在把模型往深處推，推得越深，人越看不見它在做什麼。第五招是唯一一個往回拉的：不管你推多深，結果要有一個模型以外的東西來判。少了它，「更有野心」就只是叫模型更敢講。貼文一個字都沒提到這招。

原文開頭提到的那顆行星候選，正好是第五招的民間實作。一位業餘愛好者用 Claude Code 分析 NASA TESS 的光變資料，在 TIC 4206066 這顆恆星找到一個每 3.18 天變暗 0.05% 的訊號，推估是約 1.4 倍地球大小的候選天體。他兩週跑了 74 次分析、上千個 script，但真正的做法不是問模型「這是不是行星」，而是不斷叫模型找方法證明它不是；他還把部分資料遮起來，叫模型預測被遮住的那幾段什麼時候會變暗，預測對了才算數。TESS 的後續觀測提案已經核准，目前仍是候選、尚未確認。

前四招把模型往深處推，第五招是唯一往回拉的那一招。

04 · RANGE

廣度：名詞變動詞，再組隊

廣度上的野心，是從過去不划算、現在划算的多個領域視角看自己的工作。作者說這不是什麼獨特洞見，每部搶劫電影前 30 分鐘都在湊一支各有專長的隊伍。隨著 AI 產品讓多 agent 越來越容易跑，他看到叫模型引入其他領域會出現很有趣的結果，但實作需要創意：看到同事 Alex Albert 用 Blender 做室內設計渲染之前，他從沒想過用 Claude 做自己首頁的 3D 環境，雖然他以前做過遊戲。

兩招，借自 IDEO 的 Tom Kelley 與 Jonathan Littman 的《The Art of Innovation》：

1. 把名詞換成動詞。季度檢討不是「一份簡報」，而是「在 30 分鐘內，讓一群忙碌的人相信一個因果故事，並在不確定下做決定」。有了動詞，你和模型都更容易看出哪些領域能帶來獨特視角。
2. 組隊。這份簡報要做到驚人，否則外星人會炸掉地球，人類會派誰？為了產出品質：分析師、記者、編輯。要上台：動態與音效設計師。對抗組：放空者、鑑識會計師。

然後是第二次警告：組隊這招很容易滑進角色扮演，讓對話變怪但成果沒變好。用它是為了找出領域與技法，不要叫模型「寫得像放空者」，要叫它「做放空者研究一檔股票時會做的事」。

最後是整篇的前提，放在廣度這節的末尾：上述所有野心都需要模型有一台電腦、能裝軟體、能存取相關資料。很多工具做得到，作者建議用一個。

校讀：兩次警告，兩個意思

角色扮演在原文出現兩次，貼文只記得第一次。深度那次說的是「角色 prompt 換詞不換法」，解法是換工具；廣度這次說的是「組隊會滑成角色扮演」，解法是做某個職業做的事，而不是寫得像某個職業。兩次都不是「別給角色」，兩次都是「角色之後要接動作」。把這兩次合併成「別再寫你是資深⋯⋯」，剛好把原文的處方丟掉、只留下診斷。

前提那一段也值得停一下。如果你是在聊天視窗裡讀這篇，前面的每一招你都做不到：沒有資料庫、沒有三平台機器、沒有能跑的裁判。這不是你的問題，是座位的問題。

05 · SELF-EFFICACY

自我效能：對人有效的，對模型是什麼

作者在文末解釋為什麼需要這篇。人類一直被「自己相信什麼是可能的」綁住，而且通常只在很窄的領域相信自己：米開朗基羅本來不想畫西斯汀禮拜堂，因為他是雕刻家、不是畫家。心理學有個名字叫自我效能，相信自己能力的人實際上也做到更多，而且有證據顯示它可以被「駭」：Locke 與 Latham 回顧 35 年目標設定研究，結論是給具體、困難的目標勝過叫人盡力；Stripe 創辦人 Patrick Collison 維護一份「Fast」清單，記錄人類在大膽目標加緊迫期限下完成的事。

三個有紀錄的駭法：

• 相信可能，就做到困難的事。1939 年 George Dantzig 上柏克萊統計課遲到，抄下黑板上兩題當作業交，其實是兩個未解問題。
• 看別人做到，自己就做到。Bannister 1954 年 5 月跑進四分鐘，只當了 46 天的唯一一人。兩小時馬拉松今年重演：Sabastian Sawe 4 月在倫敦跑出 1:59:30，同場亞軍 Kejelcha 1:59:41 也破二，第三名也快過舊的世界紀錄。
• 允許自己失敗，就做到困難的事。《網球內心遊戲》的核心論點是太用力反而打不出最好的球；工程師會想起 Linux 的公告：只是個嗜好，不會像 GNU 那樣大而專業。

結語：自我效能不是新問題，但現在更有力。當我們的能力每隔幾週就跳一次，我們需要技法讓自己去做原本沒想過、不相信可能的事。

校讀：類比的邊界，和缺的那一格

這一節講的是人，不是模型。「訂不合理的目標」對模型有效，機制應該跟對人不一樣：不是給它信心，比較像是打破它保守的預設答案，讓它別在第一個可行解就停下。導讀要提醒的是別把兩件事混成一件，否則下一步就是對模型喊話。

Bandura 的自我效能有四個來源。原文舉的三個例子大致對應後面三個，唯獨缺了最強的第一個：

缺的那一格正是人用 AI 時最該刻意累積的：不是看一百個別人的案例，是自己把一個題目從開題跑到裁判，親手付一次帳單。替代經驗可以工業化，親身經驗不行。接到〈跑從來不是問題，看才是〉

06 · NOT IN THE ORIGINAL

原文沒說，但該說的

第五招原文只給了一句：最好是模型能自己跑、立刻得到回饋的工具。什麼算好的裁判，他沒展開。用三題 Three.js 跑過一輪之後，有三件事可以補。

裁判的解析度

能跑不等於能看。三題 Three.js 在 Claude Code 裡每一輪都是零 console error，但零錯誤只說明程式沒炸，不說明飛機像飛機、馬車像馬車。同一題換到 Gemini app 跑，程式能跑、沒截斷，畫面卻一直閃、小卡，要人把症狀貼回去它才知道機翼尖端在閃。裁判看得到什麼，野心就只能到哪裡。

裁判的獨立性

同一個對話裡先讀過上一個 surface 的失敗清單，再跑一次，那一輪的結果就不乾淨了。這跟作者說的「不要讓模型評自己」是同一件事的另一面：裁判不能是當事人，也不能先看過當事人的筆記。

裁判的成本

這是第 01 節補的那段速度的另一半。每一輪驗證要多久，決定你能跑幾輪；能跑幾輪，決定前四招推得多深。有評論者指出，抽象層級越高，人類驗證的成本就越接近指數成長，人看不懂、驗不了的系統，野心就會變成災難。這個批評不是 Felix 原文的內容，但它跟原文的第五招是同一個方向：裁判不只要有，還要付得起。

裁判看得到什麼，野心就只能到哪裡。

結 · THE ORIGINAL

回去看正本

貼文最後那句「推薦閱讀」是對的，但要照著做，有三件事副本上看不到：第一，讓模型有一台電腦和資料，這是前提不是選項；第二，每一個往深處推的要求，都配一個模型以外的裁判；第三，野心的帳單先付，問法最後才問。

原文 8 分鐘。第二聯掉的那幾行，剛好是最貴的那幾行。

附錄 · APPENDIX

深度 prompt 中文改寫、名詞表、查證表

A · 深度 prompt（中文改寫，非逐字翻譯）

原文的英文版本請見出處。下面是依原意改寫的中文版，可直接用：

我要的是這個任務更深的版本，不是更大的版本。改寫之前先回答四件事：
一、這個領域最頂尖的人會做、而我沒要求的事是什麼。
二、他們會從什麼最原始的材料開始，而不是已經替我消化過的摘要。
三、他們會用哪些具體的方法和工具。
四、除了你和我之外，什麼東西能證明結果是對的。
回答完，再把我原本的 prompt 改寫成要求這四件事的版本。

B · 名詞表

C · 查證表

D · 出處

• Felix Rieseberg, How to be more ambitious: A tutorial for humans with models, 2026-10-13。本篇為摘譯與導讀，非全文翻譯；引文控制在短句，段落皆為改寫。
• Gizmodo, Did Claude Help an Amateur Astronomer Discover a New Planet?, 2026-10。
• Terence Tao, Math 2.0, 2026-10-10。
• London Marathon Events, Sawe smashes two-hour barrier, 2026-04-26。
• VentureBeat, How to prompt on OpenAI o1, 2024-09。
• 本系列前作：〈跑從來不是問題，看才是〉（harness-probe），實驗 repo clarencechien/harness-probe。