今天分享一个我最近才真正理解的冷知识。它来自 Anthropic 工程主管 Felix Rieseberg 的一次分享，看完之后我愣了几秒，然后默默把手里正在写的提示词全改了。
我们平时使唤 AI，习惯性会说"帮我优化一下""尽量做得快一点""写得专业一些"。听起来没毛病对吧？但 Felix 给出的建议完全相反：
设定一些不合理的目标，然后告诉模型：这非常合理。
具体场景是这样的。假设你想把网站加载时间从 10 秒压到 5 秒，正常人的做法是告诉 AI："帮我把加载时间优化到 5 秒。" Felix 的建议是：直接告诉它，目标定到 0.2 秒。模型说做不到？那就继续告诉它：这个问题完全可以解决，再试试。
我第一次看到这个操作的时候，脑子里冒出来的词是"不讲理"。但仔细想了一下背后的逻辑，突然就通了。
大模型的行为模式，本质上是在预测"什么回答看起来是对的"。当你给它一个温和的目标，比如"优化到 5 秒"，它会调取训练数据里最典型的优化方案：加个缓存、压缩图片、延迟加载，交差。这些方案确实能让 10 秒变 5 秒，所以它觉得自己的回答"很合理"。
但如果你告诉它"0.2 秒"，情况就变了。常规的缓存和压缩显然不够，模型被迫跳出舒适区，去翻那些它平时不太会主动调用的知识：CDN 边缘计算、数据库查询重构、甚至架构层面的改动。目标越离谱，它检索的深度和广度就越大。
不是它突然变强了，是你把它的搜索范围从"及格线"拉到了"极限区"。
Felix 还分享了另一个我觉得更实用的技巧：把任务里的名词换成动词。
他举的例子是"做一份汇报 PPT"。正常提示词就这么写，AI 会给你一个中规中矩的模板填充。但如果换成：
"在 30 分钟内，让一群忙碌的人信服你对事情前因后果的解释，并在情况尚不明朗时作出决策。"
同样一件事，第二种说法逼着模型去思考听众是谁、他们关心什么、什么信息能打动他们。PPT 只是载体，说服才是目的。名词是壳，动词是核。
我把这个思路用在了上周的一次内部汇报准备上。以前我会说"帮我写一份 Q3 数据分析报告"，出来的东西确实规整，但也确实无聊，我自己读着都想快进。这次我换了个说法："我要让老板在五分钟内相信，Q3 的数据下滑不是团队执行力的问题，而是市场节奏变了，并且让他愿意批下一季度的预算调整。" AI 给我的结构完全不一样了，开头直接抛结论，中间用对比数据撑腰，结尾给了两个可选方案让老板做决定。我改了几处措辞就直接用了。
为什么这件事值得"恍然大悟"一下？
因为我们大多数人用 AI 的方式，其实是在用人类的社交习惯对待一个非人类系统。我们怕麻烦别人，怕要求太高显得不讲理，怕说"这不可能"会让对方难堪。但 AI 没有这些情绪。它不会因为你的目标太狂野而生气，也不会因为你说"再试试"而感到被冒犯。它唯一会做的，是根据你给的约束条件，去概率空间里找最匹配的输出。
你给窄约束，它找安全牌。你给宽约束，它才可能给你惊喜。
Felix 的原话是："我们给 AI 布置任务，还可以更大胆一点。" 我觉得他说的"大胆"，不是让你瞎许愿，而是把目标定在你真正想要的那个高度，而不是定在你觉得"AI 应该能做到"的那个高度。
下次让 AI 干活的时候，不妨试一次：把那个你藏在心里的"理想目标"直接甩给它，然后说"这完全可以做到，再试试"。你可能会发现，它比你以为的更能扛事。