让 AI 做 PPT 只是起点，做 Claude 的人教你把野心放大

野心分四种，速度只是最低的一种

Felix 给这篇文章配的是戈雅的一幅老版画《飞行的方式》，几个人绑着自制的翅膀在夜空里飞。他用这个比喻 AI：有些人已经驾着新翅膀飞得很高了，更多人还在扑腾，不知道这对翅膀除了问「法国首都是哪」「帮我把这封邮件写得别那么冲」，还能干嘛。

他把用 AI 的野心分成四种：

• 速度：同样的活，干得更快。这是 AI 最基本的价值，大家都会，他一笔带过；
• 高度：别只盯着手上这件活，往上看它到底是为了什么结果；
• 深度：像这个行当里最顶尖的人那样去做，碰到底层的数据和工具；
• 广度：请别的行当的人来一起看，用上你平时根本想不到的知识和手法。

后面三种，才是他想教的。

高度：问问自己，这件活干完，你真正想要什么

Felix 自己的例子很好懂。去年年初，他还在让 Claude 一个一个地修软件崩溃；后来他换了个说法，直接让 Claude 负责「让咱们的应用一直不崩」。

从修一个 bug 到管住整件事，这一步听着简单，背后要做的准备不少。他先得让 Claude 能随时拿到崩溃日志，能看懂哪个版本对应哪次代码改动，还给它配了 Windows、Mac、Linux 三台测试电脑，好让它自己复现问题、自己验证修好了没有。想让 AI 管结果，先得把它需要的东西交到它手上。

然后他拿季度汇报做演示，分三步往上走：

第一步，别只让 AI 把模板里的数字更新一遍。尽量多给它材料，让它真的读懂你的业务，然后问它：这个季度什么变了，为什么变，我们该怎么办。

第二步，好的会议最后是要拍板的。接着问它：根据你看到的所有东西，挑出最急的三个决策，每个都列出支持和反对的理由。

第三步，往根上问。季度汇报存在的意义，是让管理层早点发现问题、把钱和人调到对的地方。那就问它：有没有比一份季度 PPT 更好的办法做到这件事？ 拿我们过去的数据证明它能更早发现问题，然后跟现在的做法并行跑一个季度试试。

他也说了这招的边界：适合目标明确的事，做创作类的东西就没那么好使。有个简单的判断方法，如果这件事以后要开会讨论，那就值得往上多问一层。

深度：让 AI 用上行业里最好的人用的家伙

有时候你就想把一件事做到极好。Felix 给了几个他常用的办法，还是接着季度汇报的例子，假设公司正在流失客户：

坚持用行业里最好的工具。 你让 AI「像专业人士一样」，它往往只是换了一套更专业的词，干活的方法没变。它要拿表格糊弄你，你就坚持让它用数据库和统计模型。专家用什么你不用知道，AI 一般知道。

定一个离谱的目标，然后告诉它这很合理。 网页想从 10 秒加载降到 5 秒？直接要 0.2 秒。它说做不到，你就说能做到，接着干。

挑战你自以为知道的事。 把原始数据给它，让它专门去拆你的假设。比如「我们认为客户流失是新手引导没做好，你从原始数据里看看是不是这么回事」。

找外部裁判，别让模型给自己打分。 这一条他说得最重。他的原话是，至少在 2026 年 10 月，他恳请大家坚持用外部的东西验证结果，最好是 AI 能自己跑起来、马上拿到反馈的工具。放到咱们身上，就是让 CodeX 写完东西以后，用真实的数据、真实的运行结果去对，而不是问它一句「你觉得做得好吗」。

他还分享了一段他自己常用的提示词，我翻成了中文，你可以原样发给 CodeX：

我想要这个任务的深度版本，不是更大的版本。在改写之前，请先：一，说说这个领域顶尖的专业人士在这里会做哪些我没要求的事；二，说出他们会从哪些最原始的材料入手，而不是用别人已经消化好再递给我的东西；三，说出他们会用的具体方法和工具；四，除了你和我之外，还有什么能证明结果是对的。然后把我的提示词改写成正好要这些东西的版本。

把这段话放在你的任务前面，它会先帮你把问题想深一层，再动手。