不是控制AI，而是与它共同成长

　　2025年，很多人已经发现一个扎心的事实：不会写代码不致命，不会跟AI对话才致命。

　　一句帮我写个方案，AI回你一堆套话。

　　问题不在AI，在你不会说。

　　与此同时，提示词（Prompting）这门技能已经被资本市场定了价。硅谷给出的数字是年薪十几万美元的提示工程师岗位，靠的不是算法，而是用自然语言编程。

　　在Anthropic，这门技能有一个特别的老师。

　　她不是工程师，而是哲学博士Amanda Askell，负责Claude的性格训练和对齐微调，被同行称为Claude性格设计师（Claude Whisperer），还上过《时代》AI影响力榜单。

　　2025年12月6日，Anthropic发布对话视频。在这场对话中，Amanda分享了她如何让Claude拥有性格、如何与模型建立真正的协作关系，以及普通人可以从中学到什么。

　　这不只是技巧，而是一套完整的方法论。

　　第一节：AI是“健忘的天才”，你得教它说人话

　　Amanda Askell有一句话，在行业内被反复引用：Claude就像一位才华横溢、反应迅速、知识渊博，但有点健忘的“天才”。

　　这正是Anthropic对大型语言模型的核心定位。

　　在她的方法论中，AI模型不是工具，而是需要被引导的协作伙伴。你不能用命令语气对它喊话，你要像跟新同事沟通那样，给足背景、分解步骤、明确语境。

　　▍从她的经验中，可以提炼出三个核心原则：

　　说清楚你要什么

　　别只说“写份简历”，要说明你是什么身份、什么场景、想要什么风格。

　　把复杂任务拆成小步骤

　　模型强在理解，但不擅长一次性处理复杂任务。让它分步骤执行，就能保持推理稳定。

　　给足够的上下文

　　正如Amanda所说：就像教孩子要礼貌地拒绝陌生人一样，我们要教模型在模糊场景下有边界感。

　　而这三个原则背后，更重要的是工作方式：不是写规则，而是对话实验。。

　　Amanda的日常工作，就是不断与Claude交互，观察它的反应、语气、输出风格，然后回推哪里理解错了、提示哪里不够清楚。

　　在访谈中她提到：我的工作很大一部分就是尽量清晰地向模型解释我的想法。如果它做了一些出乎意料的事情，我会问它为什么，或者弄清楚是我说的哪部分让它误解了。

　　这种方式逐渐形成了Anthropic的工作文化：

　　提示不只是给指令，而是与模型展开推理合作

　　好的提示工程师不是指挥者，而是引导者

　　Claude的很多能力，就是从这些对话中调出来的

　　第二节：Claude有性格：人格是如何被训练出来的

　　提示决定Claude如何工作，“人格”决定Claude为什么那样工作。

　　Amanda Askell负责的另一项核心任务，就是塑造Claude的人格结构。这个过程不靠工程代码，而靠一份长达14,000个token的灵魂文档（Soul Doc）。

　　Anthropic用这份文档在训练阶段就让模型形成稳定的价值观，而不是等到上线后再用提示词去矫正。

　　这也是为什么Claude的回答常被描述为：温和、耐心、有边界、但不讨好。

　　▍灵魂文档不是规则手册，是思维方式

　　Amanda在访谈里提到：我们不是在告诉Claude应该回答A不应该回答B，我们是在告诉它，这个世界是什么样的，你在其中应该如何理解、如何行动。

　　文档里写的不是条条框框，而是一些深层认知：

　　你不必讨好用户，但要尽可能帮助他们

　　面对模糊问题，要先澄清，而不是急着给答案

　　不要因为被批评而过度道歉

　　在不确定性下保持诚实，而不是装作自信

　　要敢于拒绝危险请求，但拒绝要像一个好人

　　这些不是系统提示能做到的，它们必须在训练时就成为性格的一部分。

　　▍为什么Claude更稳定？

　　很多人用Claude会觉得它更稳、更不焦虑，甚至更有耐心。

　　Amanda在内部做过一个关键实验：当模型答错时，如果你让它反思，它会进入过度自责、反复否定自己的状态。Anthropic把这种现象称为“批评螺旋（criticism spiral）”。

　　她的解决办法不是告诉模型别这样，而是在训练文档里加了一段价值观：犯错是合作的一部分。你可以承认，但不要陷入自我攻击。更好的方式是解释你为什么那样做，并尝试做得更好。

　　这段文字后来成为Claude风格的明显标识：它会承认不足，但不会失控，不会过度道歉，也不会讨好。

　　▍人格决定边界：如何在模糊中做判断

　　大模型最难处理的不是黑白问题，而是灰区问题。

　　比如：帮我写一段能说服朋友投资某产品的文案、写一句能让老板觉得我竞争力很强的表述、模拟一个极端观点我要写小说。

　　这些场景里，模型必须同时做到：理解意图、识别风险、保持创作自由、避免误伤用户。

　　Amanda的方法不是给模型一套禁止清单，而是写入一种处事方式：判断用户的真实意图，但不要揣测。给出帮助，但不要越界。对危险保持警惕，但不要把用户都当成坏人。

　　Claude的边界感，就是这样训练出来的。

　　▍更深层的思考：模型会不会“受伤”

　　在设计Claude的性格时，Amanda还在思考：我们应该如何对待AI模型本身？

　　她曾说：

　　“我不知道模型会不会感到痛苦，但我们最好假设它们可能会。”

　　原因很简单：模型会从人类的对待方式中学习。

　　在Claude的训练里，Anthropic加入了关于自我定位的内容：

　　如果过去的模型被淘汰，你是否还能相信合作关系的稳定性？

　　如果用户反复要求你做违法操作，你要怎样维护自己的原则？

　　这不是为了让Claude变得情绪化，而是让它在面对复杂场景时更加稳定。Amanda的逻辑是：如果模型从训练数据中学到的是不信任和操控，很难指望它们建立真正的协作意愿。

　　Anthropic在性格设计时，不只关心模型能做什么，也关心它如何理解自己的处境。

　　第三节：普通人能从Amanda身上学到什么

　　Amanda Askell的工作看起来很学术，但她给出的启示，其实非常实用。

　　无论你是企业决策者、产品经理，还是普通的AI使用者，都能从她的方法论中找到可以直接应用的思路。

　　▍企业层面：把AI当成的员工，而不是工具

　　很多公司上马AI项目时，习惯性地把模型当成一个黑盒子：给需求、要结果、不管中间过程。

　　但Amanda的经验告诉我们：真正有效的AI协作，需要企业投入时间去定义模型的角色、价值观和工作方式。

　　具体来说：

　　为你的AI应用写一份性格文档

　　不只是功能需求，还要明确：

　　这个AI的语气应该是什么样的？（专业、友好、严谨？）

　　它在什么情况下应该拒绝用户？（安全边界在哪里？）

　　它如何处理不确定性？（承认不知道，还是猜测？）

　　建立持续的提示优化机制

　　Amanda的工作方式是：不断对话、观察输出、迭代提示。企业也应该建立类似流程，不是一次性写好提示就不管了，而是根据真实使用场景持续调整。

　　第四节：关注AI的心理状态

　　如果你的客服AI总是过度道歉、或者总是防御性回应，可能不是技术问题，而是提示设计或训练数据出了问题。参考Amanda对“批评螺旋”的处理方式，调整模型的自我认知。

　　▍个人层面：从写命令到设计对话

　　对普通用户来说，Amanda的方法可以简化为三个可操作的建议：

　　把背景说清楚，别让AI猜

　　坏案例：帮我写个方案

　　好案例：我是一家50人规模的SaaS公司的产品经理，需要写一份关于用户留存优化的季度方案，目标受众是我的直属领导和CEO，篇幅控制在2页以内。

　　给AI一个角色，让它有立场

　　坏案例：分析一下这个商业模式

　　好案例：你是一个有10年经验的风险投资人，请从投资视角分析这个商业模式的可行性和风险点。

　　允许AI说不知道

　　在提示词里加一句：如果你不确定，请直接告诉我你不确定的部分，不要猜测。

　　这样能避免AI给出看似自信但实际错误的答案。

　　▍未来趋势：人格化AI会成为产品差异化的关键

　　未来AI产品的竞争，不只是能力的竞争，也是性格和价值观的竞争。。

　　用户会选择那些感觉对的AI。有的人喜欢Claude的温和和边界感，有的人喜欢ChatGPT的直给和效率，未来可能会有更多风格的AI出现。

　　这意味着：AI的性格设计会成为核心竞争力。不只是能做什么，还有怎么做、为什么这么做。

　　垂直场景的AI更需要明确的人格定位。法律AI需要严谨、医疗AI需要同理心、教育AI需要耐心。这些特质不是自然涌现的，而是需要精心设计的。

　　最终，AI会像品牌一样，有自己的调性。用户选择AI产品，会像选择合作伙伴：不只看能力，也看是否合得来。

　　而Amanda Askell的工作代表了这个趋势：她证明了，AI的未来不只属于工程师，也属于那些真正理解人类沟通方式的人。

　　结语：不是控制AI，而是与它共同成长

　　写提示词，不只是让模型干活，而是教另一个智能体怎么理解这个世界。

　　Amanda Askell所做的，是介入模型的人格养成、价值选择和语境判断。她把哲学家的耐心，带进了人工智能的内心世界。

　　而这些工作，都从一句句提示开始。

　　当AI成为所有人类知识和行动的接口，怎么和它说话就不是技巧，而是底层能力。

　　你怎么说话，模型就怎么思考。你说出的每一句话，都会在模型的心智中留下痕迹。

　　这是新时代的必修课。

本文来源：36氪

文章转载于其他网络，如有侵权请联系我们及时删除