別盲目鑽研 Prompt！Claude 工程主管的反直覺觀點：用不好 AI，問題出在想像力
重點一：Claude Cowork 工程主管 Felix Rieseberg 直言，他很少被模型能力驚艷，真正驚艷他的是使用者怎麼結構化問題；最大落差不在工具，在想像力。
重點二：他的核心習慣是「往上提一層」：繁瑣的事不自己做、也不半手動，整包丟給 Claude，再順手建成以後不必重做的系統。
重點三：選 Opus 還是 Sonnet 不只看任務難度，更看你有沒有想清楚要什麼；他也從「盯著 AI 看每一行」轉成只看結果、學會放手。
Felix Rieseberg 最近要搬家，仲介給了他一張房屋平面圖，上面連一個尺寸都沒標。換成多數人，大概就將就著看。但他把這張圖丟進一個資料夾，對 Claude 說：你能不能找出這張平面圖的尺寸，再幫我畫一張標好單位的？
結果 Claude 翻出車庫的建照、反推出整間房子的比例，接著他追加一句「給我一個可以互動的規劃器」，最後拿到的是一個能在 3D 裡走動、自由搬動家具的房屋模型。
重點是，他全程沒告訴 Claude 要做 3D，也坦言自己這個「還算稱職的軟體工程師」，但根本不知道怎麼把 2D 平面圖變成可靠的 3D，更沒讀過這個規劃器的任何一行程式碼。
這段示範來自 Podcast《How I AI》（主持人 Claire Vo），受訪者正是相關產品的工程主管。Felix Rieseberg 是 Anthropic 的 Claude Cowork 與 Claude Code Desktop 工程主管，更早在 Slack 待了五年、打造桌面應用，也是開源框架 Electron 的共同維護者。
照理說，最該對模型能力如數家珍的就是他。但他講了一句反直覺的話：當別人秀出厲害的用法，真正讓他驚艷的「幾乎不是模型做到了什麼」，而是「使用者構思與結構化工作的創意」。
大家在比模型，他說瓶頸在想像力
當前產業的主流敘事是一場模型能力競賽：誰家的模型分數更高、推理更強、上下文更長。但根據Felix在訪談中的觀察，今天最大的落差不是工具能力，而是「人們沒意識到，幾乎任何問題都能丟進這些工具」。
也就是說，多數人卡在不知道該問什麼，而不是工具答不出來。
他用自己在 Slack 的經驗類比。Slack 如果只當成「在同一個介面收發 email」，幾乎沒什麼用；它真正的威力，是逼你改變協作方式：把藏在信件往返裡的對話攤到公開頻道。
他認為 AI 也一樣，要真的把它的能力榨出來，使用者得先改變自己的工作習慣，而不是等模型再聰明一點。
編按：Claude Cowork是 Anthropic 的桌面代理應用，它給 Claude 一台自己的虛擬電腦，Claude 可以在上面臨時寫出解決你問題所需的小軟體，上文中的 3D 規劃器就是這樣長出來的。想從聊天介面升級到本機工作流，可參考《數位時代》的入門指南：Claude 從聊天到 Cowork：本機工作流完整上手。
把任務往上提一層，而不是把 prompt 寫得更好
Felix 反覆示範的其實是一個思考動作，不是更花俏的 prompt 技巧：往上提一層（abstraction layer up）。
做那個家具規劃器時，他一度開始手動輸入「我的床多寬多深」，做到一半他愣住：「我在幹嘛？」於是改口叫 Claude 自己去他的 Email 裡，把他買過的家具全部找出來、放進規劃器。購物收據、搬家清單，這些本來就散落在信箱裡，Email 因此成了個人物品的現成資料庫。
他把這套習慣稱作「反待辦清單」（anti-to-do list）：只要正在做的事很繁瑣、又不需要創意，就該停下來問一句「這能不能交給 Claude」；接著再往上問一層「我要怎麼做，才能以後永遠不必再做這件事」，順手把它建成一套會自己長期運作的系統。
他另一個例子是「承諾追蹤器」：他在 Twitter 上答應幫很多人看 log，記不住，就叫 Claude 讀他的訊息、自己建了一個 SQLite 資料庫加一堆文字檔，到期主動提醒他「兩週前你說要做某件事，該做了」。他說自己從沒打開看過那個資料庫長什麼樣。
對還不知道從何開始的人，他給的入門法是「反向訪談」：直接跟 Claude 說「我是三個小孩的媽、手上開了太多公司，我最大的麻煩是這些，你來訪問我，再告訴我你能怎麼幫我」，讓工具反過來把使用場景從你身上問出來。
選模型不只看任務難度，更看你想清楚了沒
一般人挑模型的直覺是「難的任務用最強的」。Felix 的標準不一樣。他多數任務用 Sonnet 4.6 就夠，很少撞到天花板；他把 Opus 保留給「我自己都還沒想清楚到底要什麼」的時候。
他的類比是律師、會計師、醫生這類專業工作者：他們真正值錢的，不只是給你正確答案，而是重新詮釋你到底在問什麼，因為客戶進門時說出口的需求，往往不是他真正要的。換句話說，他用模型的判準不只是任務技術難度，而是「這個問題被我界定得多清楚」。
問題已經收斂得很乾淨（像是「我有平面圖、要單位、要新的一張」），交給 Sonnet；問題還一團模糊、需要對方先幫你把模糊變具體，才動用 Opus。
延伸閱讀｜Claude 三款模型怎麼選？Opus、Sonnet、Haiku 完整比較，沒切換模型可能會多花 5 倍成本
從盯著 AI 看每一行，到只看結果
Felix 形容自己原本是個控制狂，過去需要讀 Claude 寫的每一行程式碼。他說自己正在慢慢放掉這種控制，越來越只用「成效」評斷 Claude，不再盯它怎麼做。
支撐這個轉變的產品設計，是他示範的「即時產出物」（live artifacts）：透過接上 Gmail、Spotify、Notion 等資料的「連接器」（connectors，把外部服務授權串進 Claude 的機制），做出一個會自動刷新資料的個人儀表板，右上角一個重新整理鍵就能把最新資料拉進來，不必自己處理 API 金鑰。
但他強調，這類儀表板真正有價值的版本同樣是「往上提一層」：不是把今天的會議列出來（那看行事曆就好），而是叫 Claude 去查每場會議的對象、補上最近的對話脈絡、到 Slack 看對方這週在忙什麼，把你為這場會準備得更足。
他甚至花二十美元（約新台幣 630 元）買了一支有 Wi-Fi 和藍牙的小硬體，叫 Claude Code 一次就寫好韌體，做成一個實體「Claude buddy」：每次 Claude 需要他批准動作，就亮一顆大按鈕讓他按。他說自己不是硬體工程師、不會焊電路，但「我們活在未來，誰在乎」。
他總結這套態度的那句話頗能代表他的產品觀：AI 要是只幫你移動滑鼠游標，那就用壞了；他要的是 AI 在背景把一堆煩人的事做掉，把人空出來去做有創意的事。
個人玩得轉，不等於公司複製得了
要把這套用法當成方法論之前，有幾個前提得說清楚。
第一，他示範的多數工作流建立在 Claude Cowork 這個特定產品上，而且很多是高度個人化、用完即丟的小工具，他自己就說那個家具規劃器「只給我和我太太用，一個月後就丟掉」，不需要優化給一百萬個使用者。把「個人生活自動化」直接等同於「企業生產力」要小心，後者牽涉的協作、稽核與可維護性，是這些一次性小工具沒處理的。
第二，Felix 是 Anthropic 員工，他對 Claude 的熟悉與信任高過一般人，他也提到公司內部對 Claude 的關係「比較個人」。他能放手不盯著看，是建立在他清楚知道模型的邊界；一般使用者沒有這層校準就盲目放手，風險高得多。
值得一提的是，他說自己「很少撞到 Sonnet 4.6 的天花板，可能是因為我每天做的事就是沒那麼難」，這句話其實透露了，他的任務樣本偏個人、偏簡單。「模型能力不是瓶頸」這個判斷，套到更硬的專業場景未必同樣成立。
把這些限制放回去，Felix 真正點到的瓶頸反而更值得追蹤：他認為產業最難的不是把模型練得更強，而是設計「人機介面」，讓人容易駕馭 AI。
現在大家靠彼此分享 tips（這集 Podcast 本身就是一種），正說明 AI 產品還停在早期階段，所以 Claude 才會有 Cowork、Code、Chrome、桌面版這麼多入口，把使用者粗分成「快速問答／深度工作／工程任務」三種情境。
或許 Felix 這種「往上抽一層」的習慣，會比悉心鑽研完美Prompt更來的重要。
延伸閱讀｜
Claude Cowork 限時加碼！原有 5 小時配額翻倍，Pro、Max、Team 付費用戶 1 個月內自動套用
哈佛研究也看好的 AI 用法！這組「第二意見」提示詞，讓 AI 在拍板前先抓出你的決策漏洞
（本文轉載自《數位時代》，初稿為 AI 編撰）
延伸閱讀
Claude 免費官方認證來了！AI 創作者教你 6 小時取得 3 張證書，加進 LinkedIn 履歷增優勢
Claude Cowork 新手懶人包來了！本機環境 7 步驟、10 分鐘，設完直接讓 AI 替你做簡報
Claude、ChatGPT、Gemini 都能用！17 組萬用提示詞，寫作、研究、溝通一次搞定