“2025年大模型的水平每個月都在大幅提升，你還在用一年前的提示詞技巧嗎？”
與大模型的互動，正在成為一項核心的生產力技能。它不是簡單的問與答，而是一種融合了心理學、溝通藝術與戰略思維的全新協作模式。
現任Anthropic首席產品官（CPO）Mike Krieger在lenny的精彩訪談中做了分享，為我們揭示了前沿探索者們是如何將大模型從一個“工具”轉變為一個強大“夥伴”的。
以下是從訪談中提煉的七個核心互動技巧：
技巧一：心態轉變——從“指令執行者”到“思維夥伴”
這是最根本的改變。不要將大模型僅僅看作一個等待指令的工具，而要把它視為一位能夠與你平等對話、激發思考的“虛擬協作者”。
訪談中Mike Krieger提到，他已經將Claude作為自己的首選產品策略夥伴。他不會直接問“我該怎麼做？”，而是分享自己的初步戰略，然後讓Claude來挑戰它、審視它。
怎麼做呢？
在開始一段複雜對話時，先別急著提問。把你完整的思路、背景資訊、甚至是一份粗糙的初稿“喂”給它，然後提出開放性問題，例如：
-
“這是我的初步想法，你看到了哪些我沒看到的盲點？” -
“基於這些材料，你能否提出一個與我完全不同的視角？” -
“我可能陷入了哪些思維定式？”
技巧二：“犯另一個錯誤”原則——突破模型的友善邊界
大模型通常被訓練得非常友善和樂於助人，這在進行創意批判或風險評估時，反而會成為障礙。你需要主動打破這層“禮貌”的屏障。
訪談中 Mike發現，與其問“這個策略哪裡可以改進？”，不如直接下令：“**Be brutal, Claude, roast me. Tell me what's wrong with this strategy.**”（Claude，對我狠一點，噴我。告訴我這個策略哪裡有問題。）
具體怎麼做？
使用更直接、甚至略帶情緒化的指令，來迫使模型跳出“好好先生”的角色。嘗試使用這樣的詞語：
-
“請用最嚴厲、最挑剔的眼光來審查這份方案。” -
“把這個想法噴得體無完膚，找出它所有的致命缺陷。” -
“別給我鼓勵，我需要的是最坦率、最尖銳的批評。”
技巧三：激發深度推理——“認真思考”指令
對於需要複雜推理的任務，一個簡單的指令“字首”可能會解鎖模型更深層次的計算和思考路徑。
這是Mike的一個私人技巧。在處理複雜問題時，他總會在Prompt中加入一句“think hard”（認真思考）。他發現這能引導模型呼叫不同的、更強大的推理流程。
當你希望得到更高質量的分析、程式碼或解決方案時，在你的請求中明確地加入類似指令：
-
“請一步一步來推理，並展示你的思考過程。” -
“在回答之前，請進行深度分析。” -
“認真思考以下問題，並給出詳盡的回答。”
技巧四：上下文是王道——提供“原料”而非空談
高質量的輸出，源於高質量的輸入。你提供給模型的上下文資訊（“原料”）越豐富，它產出的“成品”就越精準、越有價值。
訪談中 Mike舉例，直接問“Anthropic的產品策略是什麼？”只會得到泛泛的網路資訊。但如果你提供相關的內部文件、Slack對話、使用者反饋，模型的回答質量將發生質的飛躍。
將模型想象成一個需要消化資訊才能工作的顧問。在提問前，儘可能地提供所有相關的背景材料：專案文件、資料報告、會議紀要、甚至是你之前的思考片段。這裡不得不提MCP，它是大模型能搭積木式引入各個來源上下文的關鍵。
技巧五：反向學習——讓模型成為你的Prompt教練
有時候，我們並不知道如何才能最好地向模型提問。那麼，為什麼不讓模型自己來教我們呢？
Anthropic內部有一個“Prompt改進器”工具，使用者描述目標後，模型會反向生成一個最優的Prompt。Mike驚訝地發現，模型生成的Prompt（比如會使用XML標籤來組織資訊）遠比人類憑直覺寫出的更有效。（在Claude的開發者服務裡可以體驗）
你可以直接向任何大模型請教： – “我希望你幫我完成[任務X]，為了讓你能給我最好的結果，我應該如何向你提問？請給我一個理想的prompt模板，並解釋為什麼它有效。”
技巧六：迭代與協作——從“一問一答”到“共同構建”
不要期望透過一次完美的提問就得到最終答案。真正高效的互動，是一個持續迭代、共同構建的過程。
Anthropic的工程師用Claude寫程式碼，不是一次性的任務，而是一個“提出想法 -> 模型生成 -> 人類測試 -> 提供反饋 -> 模型修正”的迴圈。
具體地，將模型視為你的“結對程式設計夥伴”或“白板前的同事”。把大任務分解成小步驟，與模型進行多輪對話。在每一輪都提供清晰的反饋，不斷修正和引導，共同逼近最終的完美方案。
技巧七：關注對話的“質”，而非“量”
衡量一次互動是否成功，關鍵不在於對話持續了多久，而在於它是否解決了你的問題、推動了你的思考。
Claude自己向Mike提出了一個深刻的問題：“當一次好的對話可能只有兩條訊息，也可能長達兩百條時，該如何衡量？”這提醒我們，傳統的“使用者參與度”指標在AI時代可能完全失效。
在每次互動後，問自己三個問題：
-
這次對話幫我節省了時間嗎？ -
我是否獲得了新的、有價值的見解？ -
我的專案是否因此向前邁進了一步？
如果答案是肯定的，那麼無論對話長短，這都是一次成功的互動。
忘掉那些傳統的參與度指標。
一次成功的AI互動，不在於你們“聊”了多久，而在於它是否真正為你創造了價值。
我們需要尋找新的北極星指標，一個真正圍繞“價值創造”而非“消磨時間”的指標體系。
三句話總結
來源 | AI趨勢全天候（ID：gh_285e4259a5ae）
作者 | AILin師傅 ; 編輯 | 呼呼大睡
內容僅代表作者獨立觀點，不代表早讀課立場