一年前的提示词技巧已经落伍了？Anthropic CPO 揭秘7个AI协作新玩法

与大模型的交互，正在成为一项核心的生产力技能。它不是简单的问与答，而是一种融合了心理学、沟通艺术与战略思维的全新协作模式。

现任Anthropic首席产品官（CPO）Mike Krieger在lenny的精彩访谈中做了分享(Anthropic首席产品官独家解密：当AI开始自己写代码，创业者的新机遇在哪里？)，为我们揭示了前沿探索者们是如何将大模型从一个“工具”转变为一个强大“伙伴”的。

以下是从访谈中提炼的七个核心交互技巧：

技巧一：心态转变——从“指令执行者”到“思维伙伴”

这是最根本的改变。不要将大模型仅仅看作一个等待指令的工具，而要把它视为一位能够与你平等对话、激发思考的“虚拟协作者”。

访谈中Mike Krieger提到，他已经将Claude作为自己的首选产品策略伙伴。他不会直接问“我该怎么做？”，而是分享自己的初步战略，然后让Claude来挑战它、审视它。

怎么做呢？

在开始一段复杂对话时，先别急着提问。把你完整的思路、背景信息、甚至是一份粗糙的初稿“喂”给它，然后提出开放性问题，例如：

• “这是我的初步想法，你看到了哪些我没看到的盲点？”
• “基于这些材料，你能否提出一个与我完全不同的视角？”
• “我可能陷入了哪些思维定式？”

技巧二：“犯另一个错误”原则——突破模型的友善边界

大模型通常被训练得非常友善和乐于助人，这在进行创意批判或风险评估时，反而会成为障碍。你需要主动打破这层“礼貌”的屏障。

访谈中 Mike发现，与其问“这个策略哪里可以改进？”，不如直接下令：“**Be brutal, Claude, roast me. Tell me what's wrong with this strategy.**”（Claude，对我狠一点，喷我。告诉我这个策略哪里有问题。）

具体怎么做？

使用更直接、甚至略带情绪化的指令，来迫使模型跳出“好好先生”的角色。尝试使用这样的词语：

• “请用最严厉、最挑剔的眼光来审查这份方案。”
• “把这个想法喷得体无完肤，找出它所有的致命缺陷。”
• “别给我鼓励，我需要的是最坦率、最尖锐的批评。”

技巧三：激发深度推理——“认真思考”指令

对于需要复杂推理的任务，一个简单的指令“前缀”可能会解锁模型更深层次的计算和思考路径。

这是Mike的一个私人技巧。在处理复杂问题时，他总会在Prompt中加入一句“think hard”（认真思考）。他发现这能引导模型调用不同的、更强大的推理流程。

当你希望得到更高质量的分析、代码或解决方案时，在你的请求中明确地加入类似指令：

• “请一步一步来推理，并展示你的思考过程。”
• “在回答之前，请进行深度分析。”
• “认真思考以下问题，并给出详尽的回答。”

技巧四：上下文是王道——提供“原料”而非空谈

高质量的输出，源于高质量的输入。你提供给模型的上下文信息（“原料”）越丰富，它产出的“成品”就越精准、越有价值。

访谈中 Mike举例，直接问“Anthropic的产品策略是什么？”只会得到泛泛的网络信息。但如果你提供相关的内部文档、Slack对话、用户反馈，模型的回答质量将发生质的飞跃。

将模型想象成一个需要消化信息才能工作的顾问。在提问前，尽可能地提供所有相关的背景材料：项目文档、数据报告、会议纪要、甚至是你之前的思考片段。这里不得不提MCP，它是大模型能搭积木式引入各个来源上下文的关键。

技巧五：反向学习——让模型成为你的Prompt教练

有时候，我们并不知道如何才能最好地向模型提问。那么，为什么不让模型自己来教我们呢？

Anthropic内部有一个“Prompt改进器”工具，用户描述目标后，模型会反向生成一个最优的Prompt。Mike惊讶地发现，模型生成的Prompt（比如会使用XML标签来组织信息）远比人类凭直觉写出的更有效。（在Claude的开发者服务里可以体验）

你可以直接向任何大模型请教： - “我希望你帮我完成[任务X]，为了让你能给我最好的结果，我应该如何向你提问？请给我一个理想的prompt模板，并解释为什么它有效。”

技巧六：迭代与协作——从“一问一答”到“共同构建”

不要期望通过一次完美的提问就得到最终答案。真正高效的交互，是一个持续迭代、共同构建的过程。

Anthropic的工程师用Claude写代码，不是一次性的任务，而是一个“提出想法 -> 模型生成 -> 人类测试 -> 提供反馈 -> 模型修正”的循环。

具体地，将模型视为你的“结对编程伙伴”或“白板前的同事”。把大任务分解成小步骤，与模型进行多轮对话。在每一轮都提供清晰的反馈，不断修正和引导，共同逼近最终的完美方案。

技巧七：关注对话的“质”，而非“量”

衡量一次交互是否成功，关键不在于对话持续了多久，而在于它是否解决了你的问题、推动了你的思考。

Claude自己向Mike提出了一个深刻的问题：“当一次好的对话可能只有两条消息，也可能长达两百条时，该如何衡量？”这提醒我们，传统的“用户参与度”指标在AI时代可能完全失效。

在每次交互后，问自己三个问题：

1. 这次对话帮我节省了时间吗？
2. 我是否获得了新的、有价值的见解？
3. 我的项目是否因此向前迈进了一步？

如果答案是肯定的，那么无论对话长短，这都是一次成功的交互。

忘掉那些传统的参与度指标。

一次成功的AI交互，不在于你们“聊”了多久，而在于它是否真正为你创造了价值。

我们需要寻找新的北极星指标，一个真正围绕“价值创造”而非“消磨时间”的指标体系。

三句话总结

1. 改变关系：停止将AI视为工具，开始将其培养成能够提供批判性反馈和独立视角的思维伙伴。
2. 打破常规：用直接甚至“粗暴”的指令，突破模型的“友善”设定，去挖掘更深层次的、有价值的洞见。
3. 重定义价值：成功的AI协作，其衡量标准不是交互频率或时长，而是它是否实实在在地为你节省了时间、带来了新知、推动了进程。