更有雄心：别用过去的能力，限制现在的想象

读 Felix Rieseberg《How to Be More Ambitious》有感

借来的翅膀，能带我们走多远？

过去，想到一件想做的事，我们很容易先问：我会不会？要学多久？一个人能不能完成？请人帮忙贵不贵？

这些问题很实际。但它们也会提前筛掉许多可能性。一些想法没有失败，只是从来没有走到尝试那一步。

AI 让我开始怀疑：当我们能够调用的知识、方法和执行能力已经发生变化，我们对“自己能做什么”的判断，是不是还停留在过去？

Felix 把使用 AI 的雄心分为速度、高度、深度和广度。我更愿意把它们理解成四个可以重新打开的空间。

省下时间之后，重新决定把注意力放在哪里。

速度：把劳动委托出去，让注意力有地方可去

AI 能把一项工作从几个小时缩短到几分钟，这很有价值。但省下来的时间，最后去了哪里？

如果只是继续塞进更多任务，我们得到的可能是更高的产量，也可能是更紧的日程。

我更在意另一种可能：把搜集、整理、格式转换、重复修改这些劳动交出去，让自己有精力停在真正值得思考的地方。这个问题值得解决吗？这个解释真的说通了吗？这个东西是我想做的吗？

速度也会改变尝试的门槛。过去，一个想法需要投入几周才知道有没有希望，我们很容易放弃。现在，如果能先做一个小样，试错就不再那么沉重。我们可以尝试几个方向，再决定把时间留给哪一个。

当然，省下来的时间也可以拿去休息、散步、陪伴家人。能够重新选择时间的去向，本身就是收益。

高度：先说明想得到什么，再讨论怎么做

我们给 AI 的指令，经常已经包含了自己选好的办法。

“帮我做一份 PPT”，默认了最终需要的是 PPT。“帮我把这段内容整理成笔记”，默认了笔记就是最合适的学习方式。

但如果继续往上问：这份 PPT 要帮助谁作出什么决定？这份笔记要让我学会什么？可选择的做法就多了。

为了学会一个概念，最后需要的也许是一个能操作的小实验、一组能暴露误解的问题，以及一次对答案的核查。笔记只是其中一部分。

面向结果验收，意味着先把“什么算做好”讲清楚，再给 AI 寻找路径的空间。过程中的限制仍然要说，例如不能动哪些数据、花费不能超过多少、哪些决定需要我确认。涉及重要后果时，过程也需要留下证据。

Felix 在原文中举了一个例子：他从让 Claude 修复某个崩溃，走向要求它让应用持续保持稳定。为此，他接通了崩溃报告、版本信息和不同系统上的测试环境。

这个例子让我意识到，目标提高之后，也要为 AI 提供真正抵达目标的条件。只把指令写得更宏大，并不会自动产生更好的结果。

深度与广度可以结合，不必先成为每个领域的专家才开始尝试。

深度：站在专家的肩膀上，也借用他们的方法

遇到陌生领域，我以前最容易想到的是：先让 AI 给我讲讲。

现在还可以多问一步：如果一个真正擅长这件事的人来做，他会先看什么材料？用什么工具？怀疑哪些结论？怎样知道自己做对了？

这一步很重要。专家的价值不只在于知道更多名词，还在于知道怎样接近问题。

分析数据时，不能停在一张看起来有条理的表格；可以继续检查原始记录、比较不同解释、用新数据检验判断。修改程序时，也不能只得到一段“应该已经修好”的说明；可以复现问题、执行测试，再看故障是否真的消失。

“站在专家的肩膀上”，对我来说，就是让原本接触不到的方法，也进入自己的尝试范围。

我未必一开始就知道该用什么方法，但可以要求 AI 把方法找出来、用起来，再把能检验结果的东西交出来。这样，小白的起点依然是小白，能够开始的工作却不必一直停在入门层面。

广度：想象有一个能力广泛的团队，可以被你调动

做一个产品，可能同时需要编程、设计、写作、研究和测试。过去，这些能力往往分散在不同的人身上，协调它们需要钱，也需要关系和时间。

现在，我愿意先做一个大胆的想象：如果这些领域的知识、方法和工具，都有机会为这个想法服务，我会把它做成什么样？

这个问题能把人从“我只会这一点”里暂时解放出来。

但真正值得调动的是各个领域的做法。让设计者的方法帮助发现操作上的障碍，让测试者的方法找出失败条件，让研究者的方法追问证据。几个 Agent 都自称专家、轮流表示赞同，并没有增加多少能力。

我想象的“全能之人”，更像一个帮助自己打开思路的假设：先看看这件事需要哪些能力，再尝试把它们接起来。原本看似跨得太远的想法，也许就有了第一条能走的路。

想象力，开始成为需要认真对待的能力

沿着这四个方向想下去，很容易生出一种感觉：原则上，似乎没有什么不值得先想一想。最大的制约，可能越来越像是想象力和钱包。如果工具与算力的费用有足够支持，我们就更应该认真问问，自己究竟想尝试什么。

我愿意保留这种感觉。它鼓励人把那些早早划掉的想法重新拿出来。

不过，“可以大胆提出”与“已经能够实现”，中间仍然隔着一次真实尝试。模型有能力边界，现实也有数据、权限、成本和时间的限制。那些限制具体在哪里，值得通过实践弄清楚，而不是全部用一句“我不会”提前代替。

每次尝试都留下证据，帮助自己判断下一步。

过去的能力，可以帮助我判断从哪里出发，却不必替我决定只能走到哪里。

我可以先提出一个以前不敢认真考虑的目标，给它必要的材料和工具，做出一个能检验的小结果。成功了，就再往前走；失败了，也要知道失败发生在哪里。

最后仍然要由自己决定，什么值得投入，什么做到这里就够了。雄心可以指向一个更大的项目，也可以指向更自由的生活。

有了 AI 之后，我想多问自己一句：有没有一件事，我还在因为“以前的我做不到”，而没有让现在的自己试一试？

原文：Felix Rieseberg · How to Be More Ambitious

本文沿用原文的四个方向，关于注意力、学习和生活选择的部分，是在此基础上的个人思考。

封面由 AI 生成，借鉴了戈雅版画的视觉气质，并非戈雅原作。文中三张解释图为本篇重新绘制。