Claude 工程负责人：别再像 2024 年那样使用 Claude

这期来自 Silicon Valley Girl 的访谈请到了 Anthropic 的 Felix Rieseberg，他负责过 Claude.ai、Cowork 和 Claude Code Desktop 的工程工作。标题的判断很直接：很多人还在用 2024 年的方式使用 Claude。这个说法值得中文 AI 读者注意，因为它指向的不是模型能力问题，而是使用者的任务设计问题——如果只让 Claude 总结邮件、改写句子，就很难感受到过去一年模型在长任务、工具调用和代码工作流上的变化。

访谈的核心线索是“你向 AI 要求得太少”。当模型能力已经超出简单问答时，继续把它当作单步工具，会让人自己成为公司里的瓶颈。更合理的做法是把完整目标交给 AI，让它拆解、执行、反馈，人则负责设定标准与验收结果。这对正在搭建 AI 工作流的团队尤其有参考价值：瓶颈往往不在模型，而在人愿不愿意重新划分任务边界。

另一个值得关注的点是如何判断 AI 的创造性工作，以及如何发现它“自信的错误”。简介特别提到，“你是专家”这类提示并不够。模型给出看似合理的答案时，语气并不能作为可靠性信号。真正有效的是提供明确上下文、验收标准和可核对的依据，并设计抽查与复核环节。这对把 Claude 接入生产流程的团队是直接的风险提示。

节目还讨论了 Felix 现在的工作日形态，以及用 AI 做以前做不到的事。这部分对中文读者的启发在于：AI 的价值不只是提速已有任务，而是扩展任务范围。团队可以问自己，哪些工作因为人力成本高而从未尝试，现在是否值得重新评估。

总体来看，这期内容适合正在从“试用 AI”转向“把 AI 放进真实工作流”的读者。它不提供万能提示词，而是讨论任务授权、质量判断和信任建立这些更底层的问题。对于使用 Claude 或类似模型的工程、产品和创业团队，这些经验比单点技巧更值得参考。