Anthropic主管拆解「野心提示詞」3招：拉高度、挖深度與拓廣度

Anthropic工程主管Felix Rieseberg於2026年10月的部落格文章中探討如何釋放模型潛力。他指出，許多人僅將AI用於改寫信件或填寫資料，主要障礙來自人對可能性的自我設限。他將延伸AI應用的野心劃分為速度、高度、深度與廣度，並深入拆解後三者在實務中的做法。 「拉高度」要求工作者指派AI聚焦最終成果而非單一步驟任務。例如在季度業務檢討情境中，將更新簡報數字提升為重新設計比簡報更早發現問題的機制；實務上往往需要改造流程，例如讓Claude能自主讀取當機報告、比對程式碼提交，並在獨立環境中驗證修正。 「挖深度」旨在避免模型僅以扮演專業人士的口吻回應，強調必須導向業界頂尖專家實際使用的方法與工具。工作者可要求AI自原始資料著手、改採資料庫與統計模型反向檢驗商業假設，並設立具挑戰性的目標，同時搭配外部工具驗證，產出未曾注意的盲點。 「拓廣度」則是將任務由名詞轉換為動詞敘述，在釐清核心目的後，引入分析師、編輯、做空投資人或鑑識會計師等不同領域的專家視角，以多代理人思維執行挑錯與多角度審查。 Rieseberg同時說明這些方法的局限性：上述三招的共同前提是AI具備可獨立安裝與操作軟體的運算環境，且能透過MCP等標準串接外部資料；若僅在網頁對話框提供少量文本，將難以發揮深度工具與驗證效益。

值得帶走的重點

• Anthropic工程主管Felix Rieseberg撰文分析，多數工作者因自我設限而僅讓AI處理瑣碎任務，應轉向更高野心的目標導向應用。
• 「拉高度」建議將交辦任務轉換為期望結果，並調整工作流程，讓模型自主存取日誌、比對程式碼並在多系統中獨立重現問題。
• 「挖深度」強調導入業界專業工具與原始資料反向檢驗假設，不讓AI僅停留在角色扮演的口吻，並須設置外部獨立驗證回饋。
• 「拓廣度」主張以動詞重構任務目標，透過多代理人架構調動跨領域專家做法挑錯；落地前提為賦予AI獨立執行環境並串接外部資料。