Автор: QbitAI
Поставьте несколько необоснованных целей, а затем скажите модели: это совершенно разумно!
Это небольшой совет по использованию ИИ, которым поделился Феликс Ризенберг, руководитель Claude Code desktop.
Как именно это делается?
Предположим, вы хотите сократить время загрузки сайта с 10 секунд до 5 секунд. Он предлагает:просто поставьте цель в 0,2 секунды.
Модель говорит, что это невозможно? Тогда продолжайте говорить ей: эта проблема абсолютно решаема, попробуй ещё раз, попробуй ещё раз.
По мнению Феликса, при постановке задач ИИ мы можем быть ещё смелее.
Например, исходная задача была «сделать отчётную презентацию». Её можно переформулировать так:
В течение 30 минут убедите группу занятых людей в своём объяснении причин и последствий вопроса и примите решение, пока ситуация ещё не ясна.
Помимо намеренной постановки агрессивных целей, он также предлагает несколько конкретных подходов:
Не просто говорите ИИ «думай как эксперт». Затем уточните: какие исходные материалы стал бы изучать настоящий эксперт, какие инструменты он бы использовал, какие методы он бы применял, и затем впишите эти требования в задачу.
Не принимайте собственное суждение сразу за ответ. Передайте его ИИ для проверки и попросите ИИ вернуться к исходным материалам, чтобы найти доказательства в его поддержку, а также контрпримеры, которые могут его опровергнуть.
Не позволяйте ИИ оценивать самого себя. Если это код — фактически запустите его; если это прогноз — проверьте его на новых данных, и в конечном итоге пусть реальные результаты скажут своё слово.
Ниже приведено подробное руководство Феликса по использованию (настройки) и (обучения) Claude, слегка отредактированное.
Приятного чтения~
С ИИ мы можем быть ещё более амбициозными
Я работаю в команде Claude.
Что делает эту работу увлекательной, так это то, что почти каждый день я узнаю, что ещё одна вещь была выполнена с помощью Claude — или даже самостоятельно Claude.
Некоторые вещи я никогда не мог себе представить, некоторые изначально считал невозможными; а некоторые были просто вещами, на которые у меня самого не хватало ни любопытства, ни времени, чтобы попробовать.
Только в этом месяце Claude, возможно, помог открыть новую планету; я увидел первый музыкальный клип, созданный ИИ, который мне искренне понравился; мы даже начали обсуждать, не наступает ли новая эра математики.
Различные способности модели развиваются не синхронно. Как сказал Теренс Тао, они «удивительны в одних направлениях, но всё ещё отстают в других».
Некоторые люди научились использовать поразительные возможности модели, как будто они действительно научились летать. Наблюдать за тем, как они достигают таких высот с помощью продукта, который я создал своими собственными руками, поистине завораживает.
Больше людей всё ещё выясняют, как хорошо использовать эти недавно выросшие крылья. Они всё ещё размышляют: помимо ответа на вопрос «Какая столица Франции» или «Можешь сделать тон этого письма помягче», что ещё может делать ИИ?
Многие из нас в индустрии ИИ часто говорят одну вещь:с ИИ вы должны быть более амбициозными.
Эта фраза почти стала нашим боевым кличем. Всякий раз, когда мы видим поразительные результаты, мы репостим их с комментарием: «Нам всё ещё не хватает амбиций».
Я также знаю, что говорить это легко, но на самом деле делать это трудно. Поэтому вот руководство о том, «как стать более амбициозным».
Я делю амбициозность на четыре категории:скорость, высота, глубина и широта.
Скорость: выполнение той же работы за меньшее время. Это самый базовый способ, которым ИИ создаёт экономическую ценность.
Например, при написании фрагмента кода с помощью Claude я могу закончить его быстрее. Это использование уже достаточно зрелое, и нет большой необходимости исследовать более сложные способы его применения, поэтому я пропущу это здесь.
Высота: повышение уровня абстракции задачи, сосредоточение на конечном результате, которого вы хотите достичь, а не на отдельных конкретных задачах.
Глубина: обдумывание задачи как топовый эксперт, более глубокое погружение в лежащие в основе данные, инструменты и проблемы.
Широта: поиск подходов к решению проблем из множества областей, а также использование знаний, инструментов и методов, с которыми вы обычно не сталкиваетесь.
Хотя я в основном использую Claude, эти советы не нацелены на какую-либо конкретную модель.
Высота: позвольте модели работать на более высоком уровне абстракции
Мы часто небрежно называем этот подход «позволить модели работать на более высоком уровне абстракции». Когда вы даёте модели задачу, она на самом деле выполняет вашу лучшую идею о том, как достичь желаемого результата.
Если вы хотите мыслить из более высокого измерения, вы можете спросить себя — что вы хотите, чтобы произошло дальше? И какова цель за целью?
В начале прошлого года я всё ещё просил Claude помочь мне исправить отдельные сбои программы. Позже я напрямую попросил его обеспечить, чтобы наше приложение всегда работало без сбоев.
Давайте рассмотрим повседневную офисную задачу (честно говоря, даже немного скучную).
Предположим, вы в компании Acme и вам нужно подготовить PPT для квартального обзора бизнеса (QBR). Дайте Claude кучу данных, и он с радостью поможет вам его сделать; возможно, у вас уже есть шаблон, и ему просто нужно заполнить содержание.
Это действительно не идёт ни в какое сравнение с открытием новой планеты. Но для того же квартального отчёта что ещё мы можем заставить ИИ сделать? Мы можем начать с самых базовых требований и шаг за шагом повышать наши амбиции:
Шаг первый: заставьте его понять, что произошло в бизнесе.
Большинство обзоров должны отвечать на эти вопросы: Что изменилось в этом квартале? Почему? Что следует делать дальше?
Если вы хотите только обновить цифры в шаблоне, пожалуйста, сдержите этот импульс — дайте модели как можно больше данных, которые вы можете достать, позвольте ей по-настоящему понять ваш бизнес, а затем спросите её:
Расскажи мне, что изменилось в этом квартале, почему это произошло и какие действия нам следует предпринять.
Шаг второй: заставьте его определить решения, которые необходимо принять.
Встреча — по крайней мере, хорошая встреча — в идеале должна заканчиваться какими-то решениями. Вы можете спросить Claude так:
Основываясь на всем, что вы узнали, определите три наиболее срочных решения на данный момент и проанализируйте возможные направления действий, перечислив аргументы за и против каждого.
Шаг третий: попросите его переработать этот рабочий механизм.
В прошлом, чтобы провести качественный квартальный обзор бизнеса, людям приходилось тщательно фильтровать данные, понимать, что эти данные означают, а затем судить, нуждается ли бизнес в корректировке.
Теперь вы можете попробовать спросить Claude:
Цель обзора — позволить руководству как можно раньше обнаруживать проблемы и направлять капитал и персонал в нужные места.
Пожалуйста, разработайте лучший способ достижения этой цели, чем квартальная презентация в PowerPoint, используйте наши собственные исторические данные, чтобы доказать, какие проблемы он мог бы обнаружить раньше, а затем запустите его параллельно с существующим методом в течение одного квартала.
Когда вы действительно стремитесь к конечному результату, метод повышения уровня цели наиболее эффективен; но для творческих задач его применимость относительно ограничена.
Очень хороший сигнал для суждения: если то, что вы делаете, все еще потребует последующего обсуждения на совещании, значит, стоит поднять цель еще на один уровень.
Конечно, ограничения все еще существуют — по крайней мере, в 2026 году для большинства компаний просто сказать «Claude, иди зарабатывать деньги», похоже, не способно заставить все работать автоматически.
Однако мое общее наблюдение таково: по мере роста возможностей модели, похоже, все больше способны работать на более высоких уровнях абстракции.
Повышение уровня цели также может помочь людям найти рабочие процессы, которые устойчиво функционируют без постоянного вмешательства человека, так что вам не придется поручать модели новые задачи одну за другой.
Чтобы сделать это хорошо, часто требуется изменить существующие рабочие процессы.
Например, чтобы заставить Claude обеспечить, что наше приложение не падает, мне сначала пришлось дать ему легкий доступ к отчетам о сбоях, понимание того, какому Git-коммиту соответствует каждая версия приложения, и разрешение на доступ к компьютерам под управлением Windows, macOS и Linux. Только тогда он смог действительно самостоятельно воспроизводить проблемы и проверять, эффективны ли исправления.
Глубина: используйте методы лучших экспертов, чтобы тщательно проработать проблему
Иногда вы просто хотите, чтобы задача была выполнена особенно хорошо.
Быть более амбициозным в «глубине» означает подталкивать модель использовать инструменты, методы, медиа и знания, используемые лучшими профессионалами в этой области, и постоянно повышать планку — пока даже эти эксперты не смогут узнать что-то новое из ваших результатов.
Продолжим с квартальным обзором бизнеса компании Acme. Предположим, эта компания сталкивается с проблемой оттока пользователей, то есть клиенты постоянно уходят с течением времени.
Я обнаружил, что сочетание следующих методов очень полезно:
Настаивайте на использовании инструментов, которые используют лучшие люди в отрасли
Когда вы просите модель «работать как профессионал», она часто просто переключается на набор профессиональной лексики, в то время как фактический метод остается неизменным.
Чтобы действительно глубоко изучить проблему, вам нужно использовать инструменты, которые используют лучшие специалисты по данным и статистики. Когда Claude тянется к таблице Markdown, настаивайте на том, чтобы он переключился на базы данных и статистические модели.
Вам не нужно заранее знать, что использовали бы эксперты — Claude обычно знает.
Ставьте «неразумные» цели, а затем говорите модели, что они вполне разумны
Хотите сократить время загрузки сайта с 10 секунд до 5 секунд? Попросите сразу 0,2 секунды.
Модель считает что-то невозможным? Снова подчеркните ей, что эта проблема определенно решаема и что ей нужно продолжать пытаться.
Оспаривайте выводы, которые вы уже приняли
Особенно в бизнесе многие вещи, которые мы считаем фактами, являются лишь грубыми приближениями к реальности.
Дайте модели доступ к исходной информации и данным и проверьте эти предположения со скептическим настроем.
Например:
Мы считаем, что отток пользователей является проблемой в процессе адаптации новых пользователей. Попробуйте воспроизвести этот вывод на основе исходных данных.
Открывайте новые знания
Этот шаг естественно следует за «оспариванием существующих представлений» — поскольку Claude уже глубоко погрузился в данные, продолжайте просить его искать слепые зоны:
Постройте имитационную модель клиентов на основе наших логов, чтобы воспроизвести ситуацию за последний год. Затем выявите самые ранние сигналы, предвещающие отток пользователей, о которых мы пока не знаем, и проверьте прогностическую способность на данных, которые она никогда не видела.
Привлекайте внешнюю оценку
Не позволяйте модели оценивать саму себя.
Я думаю, что по мере дальнейшего повышения интеллекта моделей эта проблема в конечном итоге будет решена. Но в октябре 2026 года я настоятельно рекомендую придерживаться внешней валидации.
В идеале метод валидации должен представлять собой инструмент, который модель может запускать самостоятельно и получать от него немедленную обратную связь.
Следующий простой промпт часто помогает мне:
Я хочу углубить эту задачу, а не расширить её рамки. Прежде чем переписывать задачу, пожалуйста, сначала выполните четыре вещи:
Объясните, что сделали бы ведущие профессионалы в этой области, о чём я ещё не просил.
Перечислите самые исходные материалы, с которых они начали бы, вместо того чтобы напрямую использовать контент, который уже был организован и переработан для меня.
Перечислите конкретные методы и инструменты, которые они использовали бы.
Объясните, что, помимо вас и меня, могло бы доказать правильность результата.
Затем перепишите мой промпт и точно впишите эти требования в него.
Широта: также используйте методы из других областей
Быть более амбициозным в «широте» означает рассматривать свою работу с точки зрения разных областей.
Задействованных областей может быть больше, чем в прошлом, потому что раньше делать это часто было невыгодно.
Эта идея не нова. Почти в каждом фильме о том, как эксперты объединяются в команду, первые 30 минут посвящены сбору группы людей с разным опытом и разными сильными сторонами.
Поскольку ИИ-продукты делают мультиагентные системы всё проще и проще в запуске — будь то через несколько потоков, оркестратор или прямое использование субагентов — я обнаруживаю, что привлечение Claude к идеям из других областей часто приводит к весьма интересным результатам.
Воплотить это в жизнь непросто; это требует от вас творческого подхода.
До того как я увидел, как мой коллега Алекс Альберт использовал Blender для рендеринга дизайна интерьеров, я никогда не думал об использовании Claude для создания 3D-окружения для моей домашней страницы.
Вы должны знать, я раньше делал видеоигры!
Однако именно здесь я чаще всего вижу неожиданные результаты.
Как это сделать конкретно? Я использую следующие методы.
Попробуйте заменить существительные глаголами
Это старый метод, упомянутый Томом Келли и Джонатаном Литтманом в The Art of Innovation.
Цель квартального обзора — гораздо больше, чем создание «презентации в PowerPoint». Что вам нужно сделать, так это:
За 30 минут убедить группу занятых людей в объяснении причин и последствий какого-либо вопроса и принять решение в условиях неопределённости.
Описание задачи с помощью глаголов позволяет мне и Клоду легче увидеть, какие области могут предоставить уникальные и полезные перспективы.
Создайте междисциплинарную команду
Предположим, эта презентация должна быть потрясающей, иначе инопланетяне взорвут Землю. Какую команду собрали бы люди?
Чтобы обеспечить качество конечного продукта, я бы привлёк аналитика, журналиста и редактора.
Если также требуется презентация на месте, мне, возможно, понадобятся дизайнер анимации и звуковой дизайнер.
Привлечение специальной «красной команды», которая ищет недостатки, может быть очень полезным, поэтому я бы также привлёк скептика и судебного бухгалтера.
Однако этот подход легко может случайно превратиться в ролевую игру. В результате только ваш разговор с моделью становится более странным, а фактический результат не улучшается.
Вы должны использовать этот метод, чтобы найти полезные области и техники. Прямая просьба к модели провести исследование так, как скептик изучает инвестиционный объект, имеет больше смысла, чем просьба написать такого персонажа.
Все методы, которые я представил ранее, требуют, чтобы у модели был компьютер, которым она может управлять, возможность устанавливать программное обеспечение и доступ к различным соответствующим данным, будь то через коннекторы MCP или другими способами.
Сейчас существует довольно много инструментов, которые могут предоставить эти условия, и я предлагаю вам выбрать один и использовать его.
Самоэффективность: людям также нужно обновлять свои суждения о собственных способностях
Выше приведены мои конкретные предложения о том, «как быть более амбициозным».
Если вы готовы остаться немного дольше, я хочу поговорить о том, почему нам необходимо обсуждать этот вопрос.
Люди всегда были ограничены своими собственными суждениями: тем, что мы считаем возможным, и тем, что мы считаем невозможным. Что более проблематично, так это то, что мы обычно думаем, что можем что-то изменить только в очень узкой области.
Нежелание Микеланджело расписывать Сикстинскую капеллу — известный пример. Он считал себя скульптором и не идентифицировал себя с личностью художника.
[Франсиско Гойя — один из величайших художников в истории Испании, считающийся пионером романтической живописи и ключевой фигурой, связывающей классических мастеров с современным искусством]
Изучая вопрос «амбиций», я узнал, что в психологии есть связанное понятие: самоэффективность.
Проще говоря, люди с более высокой самоэффективностью больше верят в свои способности и поэтому могут достичь большего.
Есть доказательства того, что самоэффективность можно повысить с помощью определённых методов.
Локк и Лэтем обзорно изучили 35 лет исследований постановки целей и пришли к ясному выводу: люди, которым даны чёткие и сложные цели, показывают лучшие результаты, чем те, кому просто говорят «делать всё возможное».
Основатель Stripe Патрик Коллисон ведёт список под названием «Fast», в котором фиксирует, что человечество достигло в рамках смелых целей и жёстких сроков.
Ниже приведены несколько хорошо задокументированных методов.
Верьте, что трудные вещи можно сделать
В 1939 году Джордж Данциг опоздал на занятие по статистике в Беркли.
Он переписал две задачи с доски, предположив, что это домашнее задание, и позже сдал свои решения.
На самом деле это были две нерешённые задачи по статистике.
Увидьте, как это делают другие, а затем идите и завершайте трудные дела
На протяжении десятилетий человечество пыталось пробежать милю быстрее четырёх минут.
В мае 1954 года Роджер Баннистер преодолел этот барьер. Но ситуация «только он в мире бегает быстрее четырёх минут» продлилась всего 46 дней.
Если вы следите за бегом, то заметите, что нечто подобное происходит с двухчасовым барьером в марафоне.
В апреле этого года Сабастиан Саве пробежал первый марафон быстрее двух часов в официальном забеге в Лондоне. Второй призёр того же забега также пробежал быстрее двух часов.
[Двухчасовой барьер в марафоне: Полный марафон составляет 42,195 километра, и человеческое «breaking 2» (пробежать быстрее двух часов) считается знаковым физическим порогом, сравнимым с «милей быстрее четырёх минут»]
Позвольте себе ошибаться, а затем бросайте вызов трудным делам
«The Inner Game of Tennis», похоже, является бизнес-книгой, которую любят все, а я обнаружил её только на прошлой неделе.
Основная идея книги такова: когда вы отчаянно стараетесь и перенапрягаетесь, вы на самом деле не можете играть в свой лучший теннис.
Мы, инженеры, возможно, ещё помним, как Линус описал Linux, когда впервые объявил о нём:
Я делаю эту вещь просто ради удовольствия, она не будет такой грандиозной и профессиональной, как GNU~
(Кто мог представить, что Linux позже станет таким большим делом, а ядро GNU до сих пор не завершено...)
Самоэффективность — не новая проблема, но сегодня она стала такой, такой важной!
В эпоху, когда возможности скачкообразно растут каждые несколько недель, нам срочно нужны некоторые методы, чтобы совершать вещи, о которых мы никогда серьёзно не задумывались или даже никогда не верили, что сможем их сделать.
