Autor: QbitAI
Wyznacz kilka nierealistycznych celów, a następnie powiedz modelowi: to jest całkowicie rozsądne!
To mała wskazówka dotycząca korzystania z AI, którą podzielił się Felix Rieseberg, szef Claude Code desktop.
Jak dokładnie to zrobić?
Załóżmy, że chcesz skrócić czas ładowania strony internetowej z 10 sekund do 5 sekund. Sugeruje:po prostu ustaw cel na 0,2 sekundy.
Model mówi, że to niemożliwe? Więc powtarzaj mu: ten problem można absolutnie rozwiązać, spróbuj jeszcze raz, spróbuj jeszcze raz.
Zdaniem Felixa możemy być jeszcze odważniejsi, przydzielając zadania AI.
Na przykład pierwotne zadanie brzmiało „zrób prezentację raportową”. Można je przeformułować jako:
W ciągu 30 minut przekonaj grupę zajętych ludzi do swojego wyjaśnienia przyczyn i skutków sprawy oraz podejmij decyzję, podczas gdy sytuacja jest jeszcze niejasna.
Oprócz celowego wyznaczania ambitnych celów oferuje również kilka konkretnych podejść:
Nie mów AI tylko „myśl jak ekspert”. Następnie dopytaj: na jakie surowe materiały spojrzałby prawdziwy ekspert, jakich narzędzi by użył, jakie metody by zastosował, a potem zapisz te wymagania w zadaniu.
Nie traktuj własnego osądu bezpośrednio jako odpowiedzi. Przekaż go AI do weryfikacji i pozwól AI wrócić do oryginalnych materiałów w poszukiwaniu dowodów, które go potwierdzają, oraz kontrprzykładów, które mogłyby go obalić.
Nie pozwól AI oceniać samej siebie. Jeśli to kod, faktycznie go uruchom; jeśli to prognoza, przetestuj ją na nowych danych, a ostatecznie pozwól, by prawdziwe wyniki mówiły same za siebie.
Poniżej znajduje się szczegółowy samouczek Felixa dotyczący używania (strojenia) i (uczenia) Claude, lekko zredagowany.
Miłej lektury~
Z AI możemy być jeszcze bardziej ambitni
Pracuję w zespole Claude.
To, co czyni tę pracę fascynującą, to fakt, że niemal każdego dnia dowiaduję się, że kolejna rzecz została osiągnięta z pomocą Claude — a nawet samodzielnie przez Claude.
Niektóre rzeczy, o których nigdy nie pomyślałem, niektóre, które początkowo uważałem za niemożliwe; a niektóre były po prostu rzeczami, na które sam nie miałem wystarczającej ciekawości ani czasu, by spróbować.
Właśnie w tym miesiącu Claude być może pomógł odkryć nową planetę; zobaczyłem pierwszy teledysk muzyczny AI, który naprawdę mi się spodobał; zaczęliśmy nawet dyskutować, czy nadchodzi nowa era matematyki.
Różne zdolności modelu nie rozwijają się równolegle. Jak powiedział Terence Tao, są „zadziwiające w niektórych kierunkach, a jednak wciąż niewystarczające w innych”.
Niektórzy nauczyli się wykorzystywać zdumiewające możliwości modelu, jakby naprawdę wzlecieli. Patrzenie, jak osiągają takie wyżyny dzięki produktowi, który zbudowałem własnymi rękami, jest naprawdę fascynujące.
Więcej osób wciąż zastanawia się, jak dobrze wykorzystać te nowo wyrosłe skrzydła. Wciąż się zastanawiają: poza odpowiadaniem na „Jaka jest stolica Francji” czy „Czy możesz złagodzić ton tego e-maila”, co jeszcze potrafi AI?
Wielu z nas w branży AI często mówi jedną rzecz:z AI powinieneś być bardziej ambitny.
To zdanie stało się niemal naszym okrzykiem bojowym. Za każdym razem, gdy widzimy zdumiewające wyniki, udostępniamy je z komentarzem: „Wciąż nie jesteśmy wystarczająco ambitni”.
Wiem też, że mówienie tego jest łatwe, ale faktyczne robienie tego jest trudne. Dlatego oto poradnik „jak być bardziej ambitnym”.
Dzielę ambicję na cztery kategorie:szybkość, wysokość, głębokość i szerokość.
Szybkość: wykonanie tej samej pracy w krótszym czasie. To najbardziej podstawowy sposób, w jaki AI tworzy wartość ekonomiczną.
Na przykład przy pisaniu fragmentu kodu, z pomocą Claude'a mogę go ukończyć szybciej. To zastosowanie jest już dość dojrzałe i nie ma dużej potrzeby zgłębiania bardziej złożonych sposobów jego użycia, więc pominę je tutaj.
Wysokość: podniesienie poziomu abstrakcji zadania, skupienie się na końcowym rezultacie, który chcesz osiągnąć, a nie na poszczególnych konkretnych zadaniach.
Głębokość: myślenie o zadaniu jak najlepszy ekspert, wchodzenie głębiej w bazowe dane, narzędzia i problemy.
Szerokość: poszukiwanie podejść do rozwiązywania problemów z wielu dziedzin, a także wykorzystywanie wiedzy, narzędzi i metod, z którymi normalnie nie miałbyś kontaktu.
Chociaż używam głównie Claude'a, te sugestie nie są skierowane do żadnego konkretnego modelu.
Wysokość: Pozwól modelowi pracować na wyższym poziomie abstrakcji
Często nazywamy to podejście od niechcenia „pozwalaniem modelowi pracować na wyższym poziomie abstrakcji”. Kiedy dajesz modelowi zadanie, w rzeczywistości wykonuje on twoją najlepszą myśl o tym, jak osiągnąć pożądany rezultat.
Jeśli chcesz myśleć z wyższego wymiaru, możesz zapytać siebie — co chcesz, aby stało się dalej? I jaki jest cel kryjący się za celem?
Na początku zeszłego roku wciąż prosiłem Claude'a o pomoc w naprawianiu pojedynczych awarii programów. Później poprosiłem go bezpośrednio, aby zapewnił, że nasza aplikacja zawsze działa bez awarii.
Spójrzmy na codzienne zadanie biurowe (szczerze mówiąc, nawet trochę nużące).
Załóżmy, że jesteś w firmie Acme i musisz przygotować prezentację PPT na kwartalny przegląd biznesowy (QBR). Daj Claude'owi garść danych, a chętnie pomoże ci ją zrobić; może masz już szablon i wystarczy wypełnić treść.
To naprawdę nie może się równać z odkryciem nowej planety. Ale dla tego samego raportu kwartalnego, co jeszcze możemy kazać zrobić AI? Możemy zacząć od najbardziej podstawowych wymagań i krok po kroku podnosić nasze ambicje:
Krok pierwszy: pozwól mu zrozumieć, co wydarzyło się w biznesie.
Większość przeglądów musi odpowiedzieć na te pytania: Co zmieniło się w tym kwartale? Dlaczego? Co należy zrobić dalej?
Jeśli chcesz tylko zaktualizować liczby w szablonie, powstrzymaj ten impuls — daj modelowi tyle danych, ile zdołasz zdobyć, pozwól mu naprawdę zrozumieć twój biznes, a następnie zapytaj go:
Powiedz mi, co zmieniło się w tym kwartale, dlaczego to nastąpiło i jakie działania powinniśmy podjąć.
Krok drugi: pozwól mu zidentyfikować decyzje, które należy podjąć.
Spotkanie — przynajmniej dobre spotkanie — powinno idealnie zakończyć się jakimiś decyzjami. Możesz zapytać Claude'a w ten sposób:
Na podstawie wszystkiego, czego się nauczyłeś, określ trzy najpilniejsze decyzje w tej chwili i przeanalizuj możliwe kierunki działania, wymieniając argumenty za i przeciw każdemu z nich.
Krok trzeci: poproś go o przeprojektowanie tego mechanizmu działania.
Dawniej, aby przeprowadzić dobry kwartalny przegląd biznesowy, ludzie musieli starannie filtrować dane, rozumieć, co te dane oznaczają, a następnie ocenić, czy biznes wymaga korekty.
Teraz możesz spróbować zapytać Claude'a:
Celem przeglądu jest umożliwienie kierownictwu jak najwcześniejszego wykrycia problemów oraz alokacji kapitału i personelu we właściwe miejsca.
Zaprojektuj lepszy sposób osiągnięcia tego celu niż kwartalna prezentacja PPT, wykorzystaj nasze własne dane historyczne, aby udowodnić, które problemy mogłoby to wykryć wcześniej, a następnie uruchom to równolegle z istniejącą metodą przez jeden kwartał.
Kiedy naprawdę dążysz do ostatecznego rezultatu, metoda podnoszenia poziomu celu jest najskuteczniejsza; jednak w przypadku zadań twórczych jej zastosowanie jest stosunkowo ograniczone.
Bardzo dobrym sygnałem do oceny jest: jeśli to, co robisz, będzie później wymagało jeszcze spotkania w celu omówienia, to warto podnieść cel o jeszcze jeden poziom.
Oczywiście ograniczenia nadal istnieją — przynajmniej w 2026 roku, dla większości firm samo powiedzenie „Claude, idź zarabiać pieniądze” wydaje się nie być w stanie sprawić, by wszystko działało automatycznie.
Jednak moja ogólna obserwacja jest taka: wraz ze wzrostem możliwości modele wydają się coraz bardziej zdolne do pracy na wyższych poziomach abstrakcji.
Podnoszenie poziomu celu może również pomóc ludziom znaleźć przepływy pracy, które działają w sposób zrównoważony bez ciągłej interwencji człowieka, dzięki czemu nie musisz przydzielać modelowi nowych zadań jedno po drugim.
Aby zrobić to dobrze, często wymaga to zmiany istniejących przepływów pracy.
Na przykład, aby Claude mógł zapewnić, że nasza aplikacja nie ulegnie awarii, musiałem najpierw umożliwić mu łatwy dostęp do raportów o awariach, zrozumienie, któremu commitowi Git odpowiada każda wersja aplikacji, oraz dać mu uprawnienia dostępu do komputerów z Windows, macOS i Linux. Dopiero wtedy mógł naprawdę samodzielnie odtwarzać problemy i weryfikować, czy poprawki są skuteczne.
Głębokość: wykorzystaj metody najlepszych ekspertów, aby dokładnie przepracować problem
Czasami chcesz po prostu, aby zadanie zostało wykonane szczególnie dobrze.
Bycie bardziej ambitnym w „głębokości” oznacza popychanie modelu do korzystania z narzędzi, technik, mediów i wiedzy używanych przez najlepszych profesjonalistów w tej dziedzinie oraz ciągłe podnoszenie poprzeczki — aż nawet ci eksperci mogliby nauczyć się czegoś nowego z twoich wyników.
Kontynuujmy kwartalny przegląd biznesowy firmy Acme. Załóżmy, że ta firma boryka się z problemem odpływu użytkowników, czyli klienci stale odchodzą z czasem.
Odkryłem, że połączenie następujących metod jest bardzo pomocne:
Upieraj się przy korzystaniu z narzędzi używanych przez najlepszych ludzi w branży
Kiedy prosisz model, aby „pracował jak profesjonalista”, często po prostu przełącza się on na zestaw profesjonalnego słownictwa, podczas gdy rzeczywista metoda pozostaje niezmieniona.
Aby naprawdę dogłębnie zbadać problem, musisz użyć narzędzi używanych przez najlepszych analityków danych i statystyków. Kiedy Claude sięga po tabelę Markdown, nalegaj, aby przełączył się na bazy danych i modele statystyczne.
Nie musisz z góry wiedzieć, czego używaliby eksperci — Claude zazwyczaj to wie.
Ustaw „nierozsądne” cele, a następnie powiedz modelowi, że są bardzo rozsądne
Chcesz skrócić czas ładowania strony internetowej z 10 sekund do 5 sekund? Poproś bezpośrednio o 0,2 sekundy.
Czy model uważa, że coś jest niemożliwe? Podkreśl mu ponownie, że ten problem na pewno da się rozwiązać i że musi dalej próbować.
Kwestionuj wnioski, które już zaakceptowałeś
Szczególnie w biznesie wiele rzeczy, które uważamy za fakty, to jedynie zgrubne przybliżenia rzeczywistości.
Pozwól modelowi uzyskać dostęp do surowych informacji i danych oraz zbadać te założenia z sceptycznym nastawieniem.
Na przykład:
Uważamy, że odpływ użytkowników jest problemem w procesie wdrażania nowych użytkowników. Spróbuj odtworzyć ten wniosek na podstawie surowych danych.
Odkrywaj nową wiedzę
Ten krok łatwo wynika z „kwestionowania istniejącej wiedzy” — skoro Claude zagłębił się już w dane, kontynuuj prośby o szukanie martwych punktów:
Zbuduj model symulacji klientów na podstawie naszych logów, aby odtworzyć sytuację z ostatniego roku. Następnie zidentyfikuj najwcześniejsze sygnały zapowiadające odpływ użytkowników, o których jeszcze nie wiemy, i zweryfikuj zdolność predykcyjną za pomocą danych, których nigdy nie widział.
Wprowadź zewnętrzną ocenę
Nie pozwalaj modelowi oceniać samego siebie.
Uważam, że wraz z ciągłym wzrostem inteligencji modeli ten problem w końcu zostanie rozwiązany. Ale w październiku 2026 roku zdecydowanie zalecam trzymanie się zewnętrznej walidacji.
W idealnym przypadku metoda walidacji powinna być narzędziem, które model może uruchomić samodzielnie i natychmiast uzyskać informację zwrotną.
Poniższe proste polecenie często mi pomaga:
Chcę pogłębić to zadanie, a nie rozszerzyć jego zakres. Zanim przepiszesz zadanie, najpierw wykonaj cztery rzeczy:
Wyjaśnij, co najlepsi specjaliści w tej dziedzinie zrobiliby, o co jeszcze nie poprosiłem.
Wymień najbardziej surowe materiały, od których by zaczęli, zamiast bezpośrednio używać treści, które zostały już dla mnie uporządkowane i przetworzone.
Wymień konkretne metody i narzędzia, których by użyli.
Wyjaśnij, co oprócz ciebie i mnie mogłoby dowieść, że wynik jest poprawny.
Następnie przepisz moje polecenie i dokładnie wpisz te wymagania do niego.
Szerokość: Korzystaj także z metod z innych dziedzin
Bycie bardziej ambitnym w „szerokości” oznacza badanie swojej pracy z perspektywy różnych dziedzin.
Zaangażowanych dziedzin może być więcej niż w przeszłości, ponieważ robienie tego w przeszłości często nie było opłacalne.
Ten pomysł nie jest nowy. W niemal każdym filmie o ekspertach łączących siły pierwsze 30 minut poświęcone jest na zebranie grupy ludzi o różnych doświadczeniach i różnych mocnych stronach.
Ponieważ produkty AI sprawiają, że systemy wieloagentowe są coraz łatwiejsze do uruchomienia — czy to poprzez wiele wątków, orkiestrator, czy bezpośrednio przy użyciu podagentów — zauważam, że wprowadzanie przez Claude'a pomysłów z innych dziedzin często prowadzi do bardzo interesujących rezultatów.
Wprowadzenie tego w życie nie jest łatwe; wymaga od ciebie użycia kreatywności.
Zanim zobaczyłem, jak mój kolega Alex Albert używa Blendera do renderowania projektów wnętrz, nigdy nie pomyślałem o użyciu Claude'a do stworzenia środowiska 3D dla mojej strony głównej.
Powinieneś wiedzieć, że kiedyś tworzyłem gry wideo!
Jednak to jest również dokładnie miejsce, w którym najczęściej widzę niespodzianki.
Jak to konkretnie zrobić? Używam następujących metod.
Spróbuj zastąpić rzeczowniki czasownikami
To stara metoda wspomniana przez Toma Kelleya i Jonathana Littmana w Sztuce innowacji.
Celem kwartalnego przeglądu jest znacznie więcej niż wyprodukowanie „prezentacji PPT”. To, co musisz zrobić, to:
W ciągu 30 minut przekonać grupę zajętych ludzi do wyjaśnienia przyczyn i konsekwencji pewnej sprawy oraz podjąć decyzję w warunkach niepewności.
Opisywanie zadania za pomocą czasowników ułatwia mnie i Claude'owi dostrzeżenie, które dziedziny mogą zapewnić unikalne i użyteczne perspektywy.
Zbuduj interdyscyplinarny zespół
Załóżmy, że ta prezentacja PPT musi być zachwycająca, w przeciwnym razie obcy wysadzą Ziemię. Jaki zespół zebraliby ludzie?
Aby zapewnić jakość finalnego produktu, zatrudniłbym analityka, dziennikarza i redaktora.
Gdyby potrzebna była również prezentacja na miejscu, być może potrzebowałbym także projektanta animacji i projektanta dźwięku.
Wprowadzenie dedykowanego „czerwonego zespołu”, który szuka wad, mogłoby być bardzo pomocne, więc zatrudniłbym także sceptyka i księgowego śledczego.
Jednak takie podejście łatwo przypadkowo zamienia się w odgrywanie ról. Rezultat jest tylko taki, że twoja rozmowa z modelem staje się dziwniejsza, podczas gdy rzeczywisty wynik się nie poprawia.
Powinieneś użyć tej metody, aby znaleźć użyteczne dziedziny i techniki. Bezpośrednie poproszenie modelu o przeprowadzenie śledztwa w taki sposób, w jaki sceptyk bada cel inwestycyjny, ma więcej sensu niż proszenie go o napisanie takiej postaci.
Wszystkie metody, które wcześniej przedstawiłem, wymagają, aby model miał komputer, którym może operować, mógł instalować oprogramowanie i mieć dostęp do różnych odpowiednich danych, czy to poprzez łączniki MCP, czy w inny sposób.
Obecnie istnieje całkiem sporo narzędzi, które mogą zapewnić te warunki, i sugeruję, abyś wybrał jedno i go używał.
Poczucie własnej skuteczności: Ludzie również muszą aktualizować swoje oceny własnych zdolności
Powyższe to moje konkretne sugestie dotyczące „jak być bardziej ambitnym”.
Jeśli jesteś gotów zostać jeszcze chwilę, chcę opowiedzieć, dlaczego konieczne jest, abyśmy omówili tę kwestię.
Ludzie zawsze byli ograniczeni przez własne osądy: to, co uważamy za możliwe, i to, co uważamy za niemożliwe. Co bardziej kłopotliwe, zwykle uważamy, że możemy coś zmienić tylko w bardzo wąskiej dziedzinie.
Niechęć Michała Anioła do malowania Kaplicy Sykstyńskiej jest słynnym przykładem. Uważał się za rzeźbiarza i brakowało mu identyfikacji z tożsamością malarza.
[Francisco Goya jest jednym z największych malarzy w historii Hiszpanii, uważanym za pioniera malarstwa romantycznego i kluczową postać łączącą klasycznych mistrzów ze sztuką nowoczesną]
Podczas badania kwestii „ambicji” dowiedziałem się, że psychologia ma powiązane pojęcie: poczucie własnej skuteczności.
Mówiąc prościej, osoby z wyższym poczuciem własnej skuteczności bardziej wierzą we własne zdolności, a zatem mogą osiągnąć więcej rzeczy.
Istnieją dowody na to, że poczucie własnej skuteczności można poprawić za pomocą określonych metod.
Locke i Latham dokonali przeglądu 35 lat badań nad wyznaczaniem celów i doszli do jasnego wniosku: osoby, którym wyznaczono jasne i wymagające cele, osiągają lepsze wyniki niż te, którym jedynie powiedziano, aby „dały z siebie wszystko”.
Założyciel Stripe, Patrick Collison, prowadzi listę o nazwie „Fast”, na której zapisuje, co ludzkość osiągnęła w ramach śmiałych celów i pilnych terminów.
Poniżej znajduje się kilka dobrze udokumentowanych metod.
Wierz, że trudne rzeczy można zrobić
W 1939 roku George Dantzig spóźnił się na zajęcia ze statystyki na Berkeley.
Przepisał dwa zadania z tablicy, zakładając, że to praca domowa, a później oddał swoje rozwiązania.
W rzeczywistości były to dwa nierozwiązane problemy ze statystyki.
Zobacz, jak robią to inni, a potem idź i dokonaj trudnych rzeczy
Przez dziesięciolecia ludzkość próbowała przebiec milę w czasie krótszym niż cztery minuty.
W maju 1954 roku Roger Bannister przełamał tę barierę. Jednak sytuacja „tylko on na świecie biega poniżej czterech minut” trwała zaledwie 46 dni.
Jeśli śledzisz bieganie, zauważysz, że coś podobnego dzieje się z barierą dwóch godzin w maratonie.
W tym kwietniu Sabastian Sawe przebiegł pierwszy maraton poniżej dwóch godzin w oficjalnym biegu w Londynie. Zdobywca drugiego miejsca w tym samym biegu również przebiegł poniżej dwóch godzin.
[Bariera dwugodzinnego maratonu: Pełny maraton ma 42,195 kilometra, a ludzkie „przełamanie 2” (bieg poniżej dwóch godzin) jest uważane za przełomowy próg fizyczny na równi z „milą poniżej czterech minut”]
Pozwól sobie na porażkę, a potem podejmij trudne wyzwania
„The Inner Game of Tennis” wydaje się książką biznesową, którą wszyscy uwielbiają, a ja odkryłem ją dopiero w zeszłym tygodniu.
Główna idea książki jest taka: kiedy próbujesz rozpaczliwie mocno i nadmiernie się wysilasz, w rzeczywistości nie możesz grać w tenisa najlepiej, jak potrafisz.
My, inżynierowie, być może wciąż pamiętamy, jak Linus opisał Linuksa, gdy został on po raz pierwszy ogłoszony:
Robię to coś tylko dla zabawy, nie będzie tak wspaniałe i profesjonalne jak GNU~
(Kto by pomyślał, że Linux stanie się później tak wielką sprawą, podczas gdy jądro GNU do dziś nie zostało ukończone...)
Poczucie własnej skuteczności nie jest nowym problemem, ale dziś stało się tak, tak ważne!
W erze, w której możliwości skaczą naprzód co kilka tygodni, pilnie potrzebujemy metod, aby dokonywać rzeczy, których nigdy poważnie nie rozważaliśmy, a nawet w które nigdy nie wierzyliśmy, że możemy zrobić.
