使用 Claude 的 4 種企圖心是速度求快、高度追成果、深度運用原始資料與專業方法，以及廣度借用跨域方法。Felix Rieseberg 在 2026 年 10 月 13 日的操作教學保留速度這項基本效益，主要展開高度、深度與廣度。要實作代理工作流程，最值得保留的是成果定義，以及讓模型自己取得證據、執行工具、接受外部檢驗的環境。
把簡報寫快一點，很容易看見進步。讓 AI 提早發現營運問題，卻得重做資料與驗收流程。後者需要更多準備，也比較接近企業願意持續付費的工作：某個問題有人負責追蹤，結果出錯時能查回原因。
高度：把季度簡報改成能持續檢查的任務
高度（Altitude）是提高任務的抽象層級，從單一產物往最終目的追問。Rieseberg 用虛構的 Acme 公司示範季度業務回顧（QBR），依序提高交辦範圍。
提示詞 1：理解季度變化
季度變化提示詞要求模型理解業務，取代在舊簡報裡填新數字：
告訴我這一季發生了什麼變化、原因是什麼，以及我們應該怎麼處理。
提示詞 2：選出 3 個優先決策
決策提示詞把會議目的收斂到決策，保留原教學指定的 3 個優先事項：
根據你目前掌握的全部資訊，找出最迫切的 3 個決策，開始分析可能採取的方向，並分別提出支持與反對的理由。
提示詞 3：設計預警流程，與舊制並行一季
預警流程提示詞要求歷史驗證與並行試行：
這場業務回顧的目的，是讓主管及早發現問題，把資金和人力放到正確的位置。請設計比季度簡報更好的做法，利用我們過去的資料證明它能更早發現問題，並讓新做法與現行流程並行一季。
並行一季是示範任務的要求，並非實測成功的案例。新機制若只產出更多警報，主管反而多了一項工作。實作時應留下每次警報的時間、當時可見的資料，以及後來是否真的出現問題。用事後才知道的資訊回測，會高估提早發現問題的能力。
Rieseberg 也描述自己如何把修復單次當機，擴大成讓應用程式持續避免當機。他先補齊當機報告讀取、版本與 Git 提交的對應關係，還有 Windows、macOS、Linux 重現環境。這段經驗的工程成本值得保留：代理得有能力重現與驗證，目標才有可執行的下一步。
深度：保留原始資料，把專家方法交給工具執行
深度（Depth）要求模型採用專業方法，往原始資料與問題假設繼續追查。單叫 Claude 扮演資料科學家，可能只換來更多術語。
Rieseberg 的做法有順序。先要求領域專家會用的工具，例如資料庫與統計模型；接著提高目標，再挑戰原本相信的原因。
示意目標與實測結果：10 秒、5 秒與 200 毫秒
Rieseberg 舉頁面載入時間為例：原先想從 10 秒縮到 5 秒，可以改提 200 毫秒。這些都是示意目標，沒有測試結果支撐；團隊仍得先定義裝置、網路條件與衡量指標。
提示詞 4：用原始資料驗證流失原因
客戶流失提示詞先要求用原始資料重現既有解釋：
我們認為客戶流失是初次使用引導出了問題。請用原始資料試著重現並驗證這個推論。
提示詞 5：用未見資料驗證流失訊號
流失訊號提示詞要求找出新訊號，並保留未見資料的預測條件：
根據系統紀錄，建立能重現去年客戶行為的模擬系統。接著找出我們尚未察覺、最早出現的流失訊號，並證明這個訊號能預測模型未曾看過的資料。
能重現去年的模擬器，仍可能只是貼合歷史資料。若要把訊號用在留存工作，應按時間切開開發資料與驗證資料，並核對訊號出現時是否已經知道客戶會流失。預測流失也不等於證明某項挽留措施有效，後者另有介入效果的問題。
提示詞 6：用 4 個問題重寫深度任務
深度任務提示詞要求外部裁判，並保留 4 個問題：
我希望這項任務做得更深入，而不是把範圍擴大。重寫任務前，請先說明：
（1）這個領域的頂尖專業人士，會做哪些我還沒有要求的事；
（2）他們會從哪些最原始的材料開始，而非使用已經替我整理過的內容；
（3）他們會使用哪些具體方法與工具；
（4）除了你我以外，什麼證據能顯示結果正確。
接著重寫我的提示詞，精確要求以上事項。
成果與執行紀錄：外部驗收看什麼
代理的外部驗收，需要檢查任務結束後的環境狀態。Anthropic 在 2026 年 1 月 9 日的代理評估文章區分執行紀錄（transcript）與成果（outcome）。訂票代理說已訂好機票，資料庫裡也得真的有訂位。
Anthropic 建議，早期可以從真實失敗整理 20–50 個簡單任務。這是起步建議，成熟系統可能需要更大、更難的題組。評分方法則分成程式、模型與人工 3 類；外部裁判不必一律是另一個模型。
| 驗收對象 | 可保留的證據 | 能回答的問題 |
|---|---|---|
| 程式修復 | 失敗重現、修復版本、測試結果 | 原本的錯誤是否消失 |
| 流失訊號 | 資料時間切分、預測結果 | 未見資料上是否仍有預測力 |
| 提早預警 | 警報時間、當時資料、後續事件 | 是否在問題發生前提出有效警報 |
三列是實作對照，沒有宣稱任何成效數字。評估題組固定下來，也能追蹤延遲、token 用量與每次任務成本。若代理多跑幾輪只增加產量，外部驗收卻沒有改善，投入更多算力的理由就不充分。
OpenAI 的評估文件截至 2026 年 10 月 16 日列出 3 個基本步驟：定義任務、使用測試輸入執行、分析結果並調整提示詞。這提供跨供應商的對照。不過，該頁也公告 Evals 平台將在 2026 年 10 月 31 日轉為唯讀，11 月 30 日關閉；新流程應把評估方法與特定平台分開規劃。
廣度：按工作方法分工，讓不同領域產生不同證據
廣度（Range）是引入其他領域的工具與方法，補足原本工作未涵蓋的視角。Rieseberg 建議先把名詞換成動詞：季度簡報可以重述為讓忙碌主管理解因果，並在不確定下做決策。
接著才決定需要哪些專業。分析師檢查資料，記者追問敘事缺口，編輯整理論證；如果要現場呈現，再加入動態設計與音訊方法。對抗性檢查則可以借用放空研究與鑑識會計的調查動作。每個角色都應對應可查核的工作，避免只要求模型模仿職稱語氣。
這也不表示每次都要建立多代理系統。Anthropic 於 2024 年 12 月 19 日發表的有效代理建構指南建議先採最簡單可行方案，需要時才增加複雜度。代理往往以延遲與成本換取任務表現；若單次呼叫配合檢索已足夠，多派幾位代理會增加協調負擔。
Rieseberg 提醒，這些做法需要能安裝軟體的電腦環境，也需要相關資料存取。MCP 是模型連接工具與資料的一種協定，並非唯一方式。實作時可以先讓代理提出分析與修改建議，再依成果驗證情況擴大執行權限。目標範圍與操作權限，應分別設定。
常見問題
Claude 的高度、深度與廣度可以一起使用嗎？
Claude 的高度、深度與廣度可以用在同一項任務。Rieseberg 的季度回顧例子先提高成果目標，再往原始資料追查，最後引入其他領域方法；速度是第 4 個面向。每次擴大範圍，仍需保留可檢查的成功條件。
Claude 的企圖心教學只適用 Claude 嗎？
Claude 的企圖心教學並未限定模型。Rieseberg 明說建議不依賴特定模型；資料、工具與外部驗證是否齊備，才決定任務能否執行。不同產品可用的連接方式仍需個別確認。
Claude 代理評估一定要用另一個模型打分嗎？
Claude 代理評估可以採程式、模型或人工評分。Anthropic 列出的 3 類方法各有用途，能用測試或資料庫狀態確認的成果，可直接驗證。模型評分需要明確標準與校準。
OpenAI Evals 還適合當新流程的長期依賴嗎？
OpenAI Evals 平台不適合被當成沒有退場日期的依賴。截至 2026 年 10 月 16 日，官方文件列出 10 月 31 日轉唯讀、11 月 30 日關閉的時程。評估資料與成功條件應保留在可移轉的格式。
權威來源
- Felix Rieseberg：How to be more ambitious，2026 年 10 月 13 日
- Anthropic：Demystifying evals for AI agents，2026 年 1 月 9 日
- Anthropic：Building effective agents，2024 年 12 月 19 日
- OpenAI：Evals 文件，截至 2026 年 10 月 16 日
Author Insight
沒有外部成功條件的任務，應留在人類引導的協作階段。即使目標寫得很清楚，只要結果仍得靠模型自己宣稱正確，就缺乏擴大自主執行的依據。已有可執行測試與可重現環境的工作，才適合承接更長期的目標。
術語表
| 術語 | 本文用法 |
|---|---|
| 高度 Altitude | 從單一交付物往最終成果提高抽象層級 |
| 深度 Depth | 使用原始材料與領域專業方法追查問題 |
| 廣度 Range | 引入其他領域的工具與工作方法 |
| 代理評估 Evals | 以指定任務與評分條件檢查代理表現 |
| 執行紀錄 Transcript | 一次任務的工具呼叫、輸出與中間結果 |
| 成果 Outcome | 任務結束後，環境裡實際留下的狀態 |
