“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？”

與大模型的交互，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“伙伴”的。

以下是從訪談中提煉的七個核心交互技巧：

技巧一：心態轉變——從“指令執行者”到“思維伙伴”

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伙伴。他不會直接問“我該怎么做？”，而是分享自己的初步戰略，然后讓Claude來挑戰它、審視它。

怎么做呢？

在開始一段復雜對話時，先別急著提問。把你完整的思路、背景信息、甚至是一份粗糙的初稿“喂”給它，然后提出開放性問題，例如：

• “這是我的初步想法，你看到了哪些我沒看到的盲點？”

• “基于這些材料，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？”

大模型通常被訓練得非常友善和樂于助人，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“這個策略哪里可以改進？”，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。告訴我這個策略哪里有問題。）

具體怎么做？

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。”

對于需要復雜推理的任務，一個簡單的指令“前綴”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。在處理復雜問題時，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調用不同的、更強大的推理流程。

當你希望得到更高質量的分析、代碼或解決方案時，在你的請求中明確地加入類似指令：

• “請一步一步來推理，并展示你的思考過程。”

• “在回答之前，請進行深度分析。”

• “認真思考以下問題，并給出詳盡的回答。”

高質量的輸出，源于高質量的輸入。你提供給模型的上下文信息（“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的產品策略是什么？”只會得到泛泛的網絡信息。但如果你提供相關的內部文檔、Slack對話、用戶反饋，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信息才能工作的顧問。在提問前，盡可能地提供所有相關的背景材料：項目文檔、數據報告、會議紀要、甚至是你之前的思考片段。這里不得不提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，我們并不知道如何才能最好地向模型提問。那么，為什么不讓模型自己來教我們呢？

如果你是開發者，可直接進入控制臺找到Prompt優化器

Anthropic內部有一個“Prompt改進器”工具，用戶描述目標后，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標簽來組織信息）遠比人類憑直覺寫出的更有效。（在Claude的開發者服務里可以體驗）

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，并解釋為什么它有效。”

技巧六：迭代與協作——從“一問一答”到“共同構建”

不要期望通過一次完美的提問就得到最終答案。真正高效的交互，是一個持續迭代、共同構建的過程。

Anthropic的工程師用Claude寫代碼，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”的循環。

具體地，將模型視為你的“結對編程伙伴”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”

衡量一次交互是否成功，關鍵不在于對話持續了多久，而在于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消息，也可能長達兩百條時，該如何衡量？”這提醒我們，傳統的“用戶參與度”指標在AI時代可能完全失效。

在每次交互后，問自己三個問題：

1. 這次對話幫我節省了時間嗎？

2. 我是否獲得了新的、有價值的見解？

3. 我的項目是否因此向前邁進了一步？

如果答案是肯定的，那么無論對話長短，這都是一次成功的交互。

忘掉那些傳統的參與度指標。

一次成功的AI交互，不在于你們“聊”了多久，而在于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

1.改變關系：停止將AI視為工具，開始將其培養成能夠提供批判性反饋和獨立視角的思維伙伴。

2.打破常規：用直接甚至“粗暴”的指令，突破模型的“友善”設定，去挖掘更深層次的、有價值的洞見。

3.重定義價值：成功的AI協作，其衡量標準不是交互頻率或時長，而是它是否實實在在地為你節省了時間、帶來了新知、推動了進程。

2025，您不容錯過的 9 份最佳指南

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