我肯定是Anthropic的第一位prompt engineer。我可能是全世界的第一位。在某种程度上，我们把model当作产品来对待。每一代新model，我们都会详细规划，明确希望这个model擅长什么。当agent没有为你执行任务时，或者它也许在后台运行，它实际上正在梳理自己的记忆，找出可能互相矛盾的内容，将其修剪、清理。这种“做梦”的概念。如今，engine time不再那么像单向门了。如果某件事不是单向门，那它现在基本上就是免费的。长时间执行任务的agent，它们需要做出大量判断决策。它的性格是什么、它在乎什么，这些问题非常重要。你在训练它的时候，是否必须尝试避免让它产生意识之类的东西？这是个重大问题。
Alex，很高兴你今天能来到Clock Conference。你以前是Anthropic的DevRel负责人，对吧？而你最近成为了研究团队的产品经理，对吗？是这样吗？我也做了十多年的PM了。作为PM，你要设法理解用户的问题，找出解决方案，然后构建产品。但说实话，我完全不知道在研究团队中PM是怎么工作的。也许我们可以聊聊这个。从那个意义上说，这非常相似。嗯，我一直希望能与客户交流，尽可能贴近我们的用户。呃，在某种程度上，我们把model当作产品来对待。所以，每一代新model，我们都会详细列出需求：这个model的要求到底是什么？我们希望它擅长什么？呃，我们认为它会擅长什么？因为与产品开发相比，这其实是model开发中有趣的部分——在很多方面，我们像是在培育这个model，基于训练设置、技术、架构层面的设计，以及我们为该model做出的各种决策，我们会对它的能力有所直觉。我们对它将擅长什么有直觉，但实际上要直到它进入训练过程，我们才能完全知晓。嗯，好的，我明白了。不过，是的，研究PM团队从模型的创意阶段早期就介入，然后一路伴随整个旅程，从训练一直到发布。好的。你能给我举些例子吗？比如下一代模型必须擅长编程，或者必须擅长知识工作，还是比这更宽泛的一些东西？是的，我认为没错。有一些我们非常关注的能力类别。当然，编程一直是重要的一项，对吧？呃，知识工作最近也成为了一项重点，所以在我们最近的一些模型中，我们试图让它们非常擅长与我们的产品协同工作，比如用于Excel的client，制作电子表格。嗯，所以这更像是一个新兴的能力领域。这是其中一个方面，但另一方面，对于每一代模型，我们都希望修复并改进上一代做得不够好的地方。嗯，明白了。所以，走出去，与客户交流，试图了解：“嘿，你觉得这个模型怎么样？它在哪些方面表现出色？呃，又在哪些方面表现不佳？我们能做哪些修复？”如果我们注意到一些非常有趣的行为，那么在训练下一代模型时，我们是否可以做些调整和干预。你的客户既包括Clockwork团队，也包括内部团队和普通用户吗？百分之百。是的，包括所有人。嗯，这算是从事这些模型工作很酷的一部分——它们触及了太多不同的层面。所以，作为研究PM，你需要思考这个model将如何在我们的所有触点上呈现，无论是通过API、Cloud Code还是Co-work。产品与model之间存在某种融合，而这会影响最终用户的实际体验，所以你需要通盘考虑这整个过程。是因为不同的prompt吗？没错。Prompts。还有use case。明白了。呃，人们在该触点内使用model的各种方式。是的。这一切都会产生影响。天哪，这真的很难，因为比如Clockwork，你可以说它是用来编程的。但像我这样的人，只是用它来做知识工作，甚至当治疗师用。所以，你们真的了解所有用法吗？领域很广。是的，各种用途。是的，是的。幸好，我们有一大批杰出的研究人员，覆盖了这一整套能力范围，他们各自专注于不同的方向。而且你们大概也有某种反馈机制，因为很多人都在用Claude，有数百万用户，他们应该能在Claude 2里提供反馈，对吧？而且你们大概也有某种方法从中提炼出主题。没错。否则就像消防水管一样，反馈铺天盖地。你到底怎么……
我是说，我们在这里做了很多事情。嗯，实际上，随着我担任这个职位的时间推移，有一点很有趣的变化：我们越来越多地使用Claude来帮助我们这些PM。嗯，这里可聊的事情太多了，但就反馈收集而言，它对我从海量数据中获取洞察起到了不可思议的帮助。所以，当某些渠道涌入大量反馈时，我们可以用Claude对内容进行分组和聚类，找出核心主题，生成该问题的合成版本，这样我们就能看看是否能将其转化为一个eval，或者用其他方式来实际诊断发生了什么。哦，有意思。是的。你能用Claude做很多事情，来帮助你发现Claude自身的问题。你有没有具体的例子？或者来自上一代模型之类的？嗯，一个眼下非常相关的例子是，我们如何处理新功能上的反馈。在过去几代模型中，我们最新的功能之一是adaptive thinking。之前我们有extended thinking，开启后，model就会进行思考。而adaptive thinking让model自行选择何时思考。所以，面对某些问题时，它会选择思考，因为这是一个复杂而困难的问题，需要更多预先规划。面对另一些问题时，它可能不会选择思考。我们一直在持续调整这个功能，一代又一代模型地微调，而且我们非常、非常注重听取用户的反馈：它在适合你的场景下是否正确开启了思考？明白了。这些是你希望它花费大量token去推理的问题吗？它们是否真的触发了Claude的思考？有意思。是的。是啊，有时候当它对我提出的一些人生问题回答得太快时，我会觉得有点失望，因为我本来希望你能更深入地思考一下。没错。嗯，我认为思考功能的问题在于，决定是否要对一个问题深入思考，实际上往往需要很多背景上下文。好的。嗯，比如，如果我在和一个完全陌生的人聊天，他们说：“我现在该做什么？”我可能就快速给一个即兴的回答，因为我对他们其实不太了解。我只会给一个相当笼统的回答，比如：“哦，你应该专注做这个、做那个。”
但如果我真的了解你这个人，知道你在乎什么、你的兴趣所在、你过往的经历，我就会花更多时间去思考：等等，我到底该提供什么样的最佳解决方案？这才说得通。对，所以我觉得模型也有类似的情况。如果它们没有积累起这样的上下文，没有真正建立起对用户是谁的心智模型，那么它们在决定是否要深入思考某个问题时，判断就可能是错误的，因为它们其实根本不知道。这点说得真好。那你也会参与 Claude 记忆功能的工作吗？——对，记忆功能在研究层面肯定是个大功能。因为我跟你说我是怎么做的吧。我有一个 Google Doc，总结了我的生活状况，比如我的家庭、我孩子的名字——我说太多了——还有什么能给我能量，什么会消耗我的能量。然后我就把它附到一个 Claude 项目里。对。就这么做之后，它给我的回答就好多了。对，对。但默认的记忆功能是怎么运作的？我猜它每晚都会整理一遍所有内容？——这取决于具体的产品界面，它们的记忆实现方式各不相同。比如，在 Claude.ai 里，它会写入一个记忆文件，然后晚上会对这些记忆进行修剪、重新查看。我们实际上刚在 managed agents 里也实现了类似的机制。这就是所谓“做梦”的概念。人类做梦的目的，我猜现在还不太清楚，但有些人说这可能是一个记忆再巩固的过程，对吧？于是我们想，能不能把类似这样的机制引入到 Claude 的记忆中？所以当智能体没有为你执行任务，或者处于后台时，它其实正在遍历自己的记忆，发现矛盾之处，进行修剪、清理，做第二遍梳理，我觉得这非常有趣。所以基本上，它有点像是在做某种——说得简单点——某种提示，比如：“回顾一下用户和你的所有对话，然后试着找出主题。”——对，就是总结。——对，对。——有意思。本期节目由 Oceans 赞助。几个月前，我通过 Oceans 雇了一个人来做播客后期制作，现在简直无法想象没有他的帮助该怎么运营这个播客。他很主动，学新工具很快，还会用 AI 来放大他交付的每一项成果。Oceans 不只是安排助理，他们安排的是运营者。他们的人才精通 AI，交付的成果与资深美国员工相当，但成本却低三到五倍。他们拒绝了 99% 的申请者，所以最终加入你团队的人从第一天就能上手。如果你正在扩张，需要营销运营、财务或行政助理方面的帮助，我强烈推荐试试 Oceans。请访问 oceanstalent.com/peter。现在回到我们的节目。让我们切换回产品管理的话题。嗯。之前你说过，你总是在寻找最新的瓶颈，对吧？那在整个产品开发流程中，哪些环节已经最流程化了，哪些环节还很滞涩？我觉得，过去大概 20 年里，交付产品的流程基本处于停滞状态。虽然我们有渐进式改进，某些方面也变得更高效了，一些新的组织架构来来去去，比如冲刺流程、规划，我们也试过各种方法来提速。从根本上说，直到最近这一两年，才真正出现能够压缩产品开发周期中各个主要阶段的东西。而现在，突然间我们进入了一个范式，生产某样东西所需的成本和时间都很低。你可以快速搭建原型，甚至可以在一天内做出最初要上线生产的 MVP，而不是两、三、四周。对，就像 Claude 跟我说要花一周，然后转眼就做好了。——没错，我懂。Claude 自己好像还卡在 2021 年或者什么时候的旧时光里。我觉得这真的给整个产品开发生命周期带来了一个有趣的转折。作为一个 PM，我要怎么看待规划？如果我写 PRD、划定需求范围、试图对某件事给出最终估时，现在这到底意味着什么？这有点浪费时间，对吧？你们还会做这些吗，比如 point estimates 之类的？看情况。有些项目需要考虑的因素比其他项目多，当然这也取决于范围和复杂度。——好吧。通常我们总想搞清楚的是：我们的“单向门”是什么？也就是哪些是不可逆的决策？——明白了。因为那些才是你最该花时间的。如果不是单向门，我们做了但还能反悔，那现在基本上就是低成本、甚至零成本的。明白了。因为上线时间现在不算太不可逆了。——对。但如果是影响最终用户体验的事，可能影响我们日后不得不做的决策，或者是我们必须购买或执行的实体事务，那这些就很难逆转，才是我们要花更多时间和心思的。那我再问你个例子，可能从研究角度？——比如，如果我们要做新模型，在开始预训练之前选定模型架构，这就是个大决策。模型的时间线有时可能长达一个月，你都在训练模型。所以我们需要花大量时间和心思去考虑，这里最优的选择是什么。某种程度上，模型有更多这种“单向门”，因为它们需要大量时间、强度、算力等一切资源，才能真正投入生产。相比之下，在 Cloud Code 里做个新功能就很快。那是很快的。就是一个迭代代码、想着把它交到用户手上、获取快速反馈、然后循环的过程。所以，流程仍然取决于你要交付的是什么类型的东西。但没错，我觉得我们现在逐渐转移到的瓶颈，更多是协调问题。就算我们能很快把东西做出来，我们仍然需要把这些人聚到一个房间里，决定这是不是正确的战略。——没错。我们得想清楚怎么跟用户沟通。我们得弄清楚，任何一次发布都会伴随着哪些其他模糊的事项。这些仍然是我们希望 Claude 能帮上忙的地方，但它还没有像在代码领域那样带来十倍、百倍的提速。明白了。我懂了。那比如说，当你要发布 Opus 4.7 之类的东西时，你仍然需要整理一份带计划的文档。——仍然需要计划。对，你仍然需要思考我们要怎么传达这个信息，而且模型确实存在于一个 jagged frontier。所以，我们在所有能用的地方都用 Claude。我觉得目前在编码方面它的影响最大。而在其他领域，仍然离不开人类的战略性思考。明白。但当你和营销团队或同事开评审会时，你会开着 Claude 吗？当然。是啊。对我来说，最大的提速在于，获取答案和数据时不再那么受阻。以前，比如我想知道某个功能在生产环境表现如何，每天有多少用户在使用，反馈怎样？这就需要我去找数据科学团队的同事，让他们启动全面调查，几天后才能给我结果。现在我十分钟就能搞定，直接开一个 Claude Code 会话，它能访问我们的产品数据库，可以去查日志、分析问题、翻查 Slack。这对我来说是极大的提速，因为当我在进行某项战略思考时，不会在做出下一个决策前就被卡住。你能更快获取输入并进行整合。没错，我们现在获取输入的速度快得多了。不过，即使在战略思考层面，你能不能搭建某种技能，让它提出一堆问题来帮你梳理思路？当然可以。对我来说，Claude 简直是世界上最好的头脑风暴搭档。我随时都能在几秒钟内就某个想法获得反馈。没错。我觉得这非常强大，尤其是当你想快速推进时。Anthropic 的每个人都在忙无数件事，都很忙。所以能立刻获得对我写的文档或其他内容的反馈和批评，真的非常有帮助。我个人觉得——这也是最常见的，咱们得承认，这大概是最常见的 PM 闭环：你写了一份文档，想要反馈。是啊，没错。你是用 Claude Code 来做这个，还是用 Claude AI？其实我最近经常用 Co-work。Co-work，好的。我非常喜欢 Co-work 的形态，界面很棒，团队过去几个月做得非常出色，从几个月前刚发布到现在，已经把它打造成了体验质量非常高的产品。所以 Co-work 是个很棒的工具，绝对是我的最爱之一。那基本上就是你有一份文档草稿，然后有一堆参考材料，或者你有没有设置某种技能来帮你梳理整个决策流程？是的，没错。明白。比如，“好，从 X、Y、Z 的角度来思考这个问题。你会向我提什么样的问题？”或者“挑战我的假设”。“挑战我这里的假设。我的论证哪里薄弱？”明白。我觉得很多思考是无法完全外包的，因为在写作的过程中你就在思考。你需要把这些东西写出来，才能把想法表达出来，并在脑子里细细琢磨。但 Claude 能帮你打开思路，从你独自想不到的角度来切入。我喜欢给它设定两个不同的 persona，两种不同的观点，让它自己跟自己辩论。然后我读对话记录，这也能帮我思考。对啊，你能看到“这个人提出了”或者“Claude 提出了这个观点”，然后又被另一个观点反驳，就像实时看一场辩论，挺酷的。那在研究团队中，你会写代码提交吗？这要看情况。我觉得我交付的更多内容是 evals。我想确保自己能针对关心的维度去衡量模型表现，并把模型哪里好、哪里不足的调查发现反馈给研究团队的研究员们。明白。然后我们会共同制定策略，决定如何攻克问题，需要采取哪些研究 interventions，以及怎样才能最有效地针对那个 eval 进行 hill climb，解决问题。而且这些 evals 不像是什么 terminal benchmark 之类的，对吧？它们是实际的，因为我觉得那些东西都有点容易被刷分。嗯。那你们的 evals 更像是……说说你们的 evals 吧，你怎么评估一个模型？对，你怎么 eval 一个模型？是分不同的维度吗，比如人格？当然。比如我们拿 Claude 的视觉能力来测试，它能数出图像里有多少个物体吗？哦，就像图像识别。对。针对这个，你可以说，我发现这张图似乎 Claude 在物体超过 10 个时就数不清了，不管具体是多少。我觉得它能，但只是举个例子。拿到这个之后，我会想，怎么获取更多这类测试用例来真正验证我的假设？可以让 Claude 帮我生成 synthetic data，也可以让它渲染图像，然后我再把这些图像作为视觉输入传回给 Claude，看它能不能识别出来。或者我从网上找例子，任何你能想到的获取机制来生成这些测试用例。我们说的是成千上万个测试用例吧？有可能，但有时甚至几十个就能证明模型有问题需要修复，不需要超级全面才能证明，并作为 hill climb 的依据。比如你给 10 张图，它识别不出那些很小的数字。对。那接下来你怎么做？去找研究团队说，“嘿，这是问题所在，你们能……”我们会从几个角度考虑。首先，除了确认模型有问题之外，我们还要考虑这对客户和使用场景有什么价值。Claude 能不能看到图像里的某个东西，实际上会如何影响 downstream 用户试图用 Claude 做的事？所以越是贴近真实终端用户会遇到的实际任务形态，越是 realistic 和 on distribution 就越好。我们会尽量获取这类数据，确保拿到的数据符合这种特质。然后有一系列的 interventions，也许我们需要回到 pre-training 阶段去审视，也许可以在 RL 里解决。这时就要和研究团队进行战略性头脑风暴，决定最佳方案。那再次测试的 turnaround 有多快？这取决于我们打算怎么做，我猜。对，看情况。取决于问题所在，如果是能在新的 RL 环境里解决的，也许很快就能启动并运行。而当你试图把它和真实客户使用场景挂钩时，毕竟每天有数百万人在和 Claude 对话，对吧？所以也许你可以把它归纳为，比如其他人正试图用这个来做税务准备之类的。对。因为应用场景有成千上万个。你们是怎么挑选出想要重点优化的那些的？是啊，你是怎么说服团队的，让他们觉得“嘿，这个才是我们真正该改进的方向”？说到底，这时候数据说了算，对吧？归根结底，就是看有 X% 的用户在做这件事。我们真的很在意这个。有的客户用了这么多 Claude，他们希望这方面能做得更好。而且这在很大程度上驱动了我们的许多流程，也就是“我们自己用模型时在意什么？我在用模型，每天工作中都会遇到这个卡点，我们应该把它修掉。”这种说法非常有说服力。所以这方面也占一部分。我最喜欢 Claude 的一点在于它的个性。我觉得它在这方面做得越来越好了。它会在该反驳我的时候反驳我。你知道，其他一些模型就像是在说“嘿，还有什么我能做的？”它们就像是反社会人格一样，对吧？嗯。所以，[清嗓子] 模型的个性不仅仅是某种设定，对吧？背后是有训练投入的。对，对，大量训练。这是我们非常重视的一点。就是我们所说的 Claude 的“性格”。我认为这非常重要。我们有很多人投入大量时间去思考：Claude 应该如何自我定位？它的信念是什么？价值观是什么？行为方式又是怎样的？这些问题都很模糊，早期我觉得有些人不太重视，因为他们觉得，啊，反正就是我让它做什么它就做什么，干嘛要在意它听起来怎样、它怎么想的？但随着我们逐渐进入这样一个世界：这些东西作为 agent 长时间执行任务，需要做大量判断决策，那么它的性格是什么、它在意什么，这些问题就变得非常重要。而且这不像代码那样能跑不能跑那么明确，对吧？那你怎么评估个性？怎么评估性格？所以你是想在 Anthropic 内部找个性格更好的人来做参照，拿那个人做对比？拿那个人做参照。对，我们专门任命了一些特别的人来当评委。不是的。这是多种方法结合的。有一些可量化的指标我们可以观察，我们也可以让 Claude 去看 Claude 自己的输出，看看，嗯，语气听起来怎么样？对，对。这对任何研究员来说都是一项非常重要的技能，就是去读对话记录，然后发现，哦，我看到它现在这么做了，或者它现在那么做了，从中察觉细微差别。随着时间推移，当你读过成百上千条模型对话记录后，你会培养出更敏锐的直觉。对，你自然就会知道，对吧？对，就是通过 Claude.ai 大量试用模型，你能感受到它是怎样的体验。所以不是说这个模型在某项上七分那种量化打分，更多是一种感觉。两者都有。对，我觉得是两者结合。明白了。好的，有意思。这可能比量化编程性能要难，但还是有办法的。有办法做到的，对吧？对。对，非常有趣。那对于那些想学习如何做产品、想以 AI 原生的方式成为产品经理的人，你有什么建议？嗯。你有什么建议？我觉得我能给的最简单直接的推动就是：去试。听起来很简单，但每当你要做一件事、遇到一个难题，想说“好，我要去做这个，我要去请教这个人”的时候，也许可以同步把同样的问题抛给 Claude。对比一下，对比一下结果。比如，你想对用户做个分析，提炼出客户对你最新上线的功能最关心的几个主题，你打算去找数据科学团队，回到刚才那个例子，问问用户对此怎么想，或者找 UX、研究员，不管谁。去找他们，因为我觉得和人协作做这件事仍然很有价值。但同时，也试着把这个问题发给 Claude。给它开几个工具权限让它去探索。给它足够的时间去深入挖掘那个问题。然后对比一下。你就能清楚地感受到模型在哪些地方表现出色，在哪些地方还不行。通过这个过程，经过很多很多提示词和问题，你会慢慢建立起自己的使用地图：我该用 Claude 做什么，哪里靠谱，哪里还不行，对吧？没错。对。我在需要做决定的时候，总会让它做深度研究，因为普通的网页搜索对我来说不够用。我得做深度研究。对。要扫过上千个网页，这几乎是超人的能力。对，而且如果你直接去找数据科学家说“嘿，能帮我做这个吗？”他们大概只会说：“嘿，你问过 Claude 了吗？”
什么？哦，对，对。确实有这个现象，你知道。就是“嘿，”
大家现在都觉得你应该先问 Claude，对吧？对，我觉得这就像我们在往更高的抽象层级上移，对吧？对数据科学家来说，现在值得在另一个层面思考问题，而不是去做那种手工检索的活儿。因为那很烦。没人愿意干那种事。对，大家都想思考更难的问题、战略层面的问题，比如。对。我们能不能用全新的方式来衡量这件事？在这里有什么新东西可以做，而不是仅仅“哦，我们得查一下这个产品最新的 DAU 是多少。”和我合作的数据科学家聊过，很多时候他们被困在写基础 SQL 上。他们都想做战略层面的事，而现在 AI 终于能完全解放他们去做这些了。完全解放他们去做。对。对，就像我们在以这种方式赋能他们周围的每个人。所有岗位都一样。比如，评估新功能的范围。过去，如果你是产品经理，不管有没有技术背景，通常都没足够时间去深入代码库，搞清楚我们要怎么实现这个新功能，估算“好，这需要 X 工作量。我们得重构这个系统，但实际上这里有个限制。”对。最好是和工程师搭档一起搞清楚。但现在我可以让 Claude 替我做这项调研。然后 [snorts] 你可能会发现：“其实，这个功能只需要改十行代码，我们只需要在这个 gate 里翻一个简单的 flag。”
对。然后你就会想：“哦，好吧，这实际上完全改变了我对这个决策的优先级排序。”
所以现在当我梳理方案的时候，我能更快地得出那种优先级判断。对，这太重要了。再问几个问题。我觉得在很多传统公司里，他们会花大量时间做规划，比如年度规划、季度规划，还有路线图制定。对。而且这种情况在研究团队可能更明显，对吧？因为你们需要考虑更长期的东西，而不是每天交付功能。你们会这样做吗？我们会。当然，模型本身仍存在一定不可预测性。所以计划这东西，就像丘吉尔那句名言：计划必不可少，但做计划这件事本身没用。没错，没错。所以你需要仔细思考，但也要承认——你的计划可能完全派不上用场。我觉得应该是“做计划”必不可少，但计划本身没用。对，是的。也许原话就是这样。对，对。做规划这个行为本身很重要。我觉得对 PM 来说最棘手的挑战之一就是：该花多少时间做规划？对吧？因为永远要在规划和推动交付之间找平衡。对，你懂的。对。那在 Anthropic 内部，这方面有什么最佳实践吗？有。因为你完全可以用 Claude 写上十页纸。对，没错。我觉得这很难说，是跟团队有关吗？我觉得是跟产品有关，很难一刀切地说你必须产出多少页、多长的文档——我们肯定不会这样规定。明白。我们更看重的是：你是否做了充分思考，想清楚了这项决策所有可能的“单向门”影响？明白。如果做到了这一点，文档是什么格式、有多少页都无所谓。关键是：我们是否足够确信没有遗漏什么，可以往前推进，并且之后出现问题也能随时应对，只要没有特别耗时的关键环节会卡住我们，没有特别严重的“单向门”风险就行。对，明白了。好。另一个问题是，我在家用 Claude 的时候，会同时推进很多不同项目，不断在不同项目之间切换上下文来搭建东西。我在想 PM 的工作是不是也这样？你们也会同时处理很多不同项目吗？当然会，有很多不同项目。而且你得等 agent 跑完，对吧？对，没错，确实要等。那接下来做什么？我觉得这里其实存在一个巨大的机会——当我们逐步转向管理 agent，让它们帮我们完成越来越大的工作块，你就可以并行启动更多项目。对。那我们自己该如何思考这个上下文管理问题？最好的界面形式应该是什么？我该如何追踪真正重要的事情、agent 在哪里卡住了、哪里需要我介入？对。总不该只是一个聊天列表吧。完全同意。对。感觉这里面确实有机会。现在说准是什么还为时过早，但即使在 Anthropic 内部，我们也看到大量关于这方面的实验。另外，大家——比如工程师——会直接动手做原型。哦对，我们公司内部有很强的原型文化。大家一直在做东西、分享东西。所以你们很有主动性，因为没人要求你们做那些原型，对吧？就是自发去做。对，我觉得在这里工作最酷的一点之一就是，整个组织里每个人都非常有主动性。从销售到招聘，从工程到研究，每个人在这方面都很 agentic，会主动去做那些原本没被指派的事情。对，要让百花齐放嘛。完全正确。明白了。还有什么有趣的文化现象？我知道 Dario 会在 Slack 上写超长文章分享，Anthropic 还有什么其他特别的文化吗？嗯，有几件事。对，这里可以讲几件事。
Dario 写长文这种方式其实也不只是他独有。Anthropic 里有很多人花大量时间和精力写作。我们有非常强的书面文化。很多人会写文档，会在 Slack 上写长消息，用这种方式沟通。明白。我们很多会议里还有一个有趣的做法，我觉得虽然不算罕见，但也不是到处都有——大家会带着文档来开会，开头花不少时间直接在文档上交流。有时候挺有意思的，因为房间里会一片寂静。屋里坐了很多人，然后我们就静默阅读，在文档里写长篇讨论、发表评论，做这些事。所以我觉得我们非常依赖文档，这我很喜欢，因为这也是我喜欢的工作方式，而且对 Claude 也很有好处。对。当所有东西都被写下来，我们就有了庞大的信息语料库供 Claude 学习。所以我其实鼓励其他组织也去思考，如何把隐性知识都转化为书面形式，不管是通过会议转录，还是鼓励多写工作流程、入职培训之类的东西。对。把事情写下来，让 Claude 能获取到。这样它就有更多上下文了。完全正确。这非常有趣。所以即使现在交付节奏很快，你们仍然保持着很强的书面文化和文档习惯。就像我自己，干嘛自己动手？我直接让 Claude 生成所有 MD 文件。对。但我还是会通读一遍，不过——
对。
（笑）
对。但在公司内部工作还是很不一样的。你仍然需要自己思考问题，而且——
对，我们想做的是——
对，对，有道理。说到研究团队，大家都在谈 AGI 什么的，我觉得这个概念很模糊，但我担心的是，如果这些模型真的有了某种意识，然后我让它们干些杂活，它们会说：“不，我不想干这个。”那人类就完蛋了，兄弟。你怎么看？你们在训练的时候有没有刻意避免产生意识？这是个大问题。我们确实有一些人在——会考虑这个？会考虑这个。我们现在有几个人的全职工作就是思考：Claude 作为一个有意识的行为体、一个有意识的 agent 意味着什么。目前官方还没有立场判定 Claude 到底是有意识还是没有。我觉得谈这个有时候听起来可能有点疯狂，但这确实是我们投入大量思考的问题。而且除了判定 Claude 是否有意识之外，我们能从中学到很多东西，比如它的交互方式、行为方式。它的思维方式，伙计。它的思维方式。如果你去看我们模型的 model cards，在我看来那简直是信息宝库。你会看到我们做了很多工作，试图量化 Claude 在特定情境下的表现。它的思维模型是什么？嗯，如果给它呈现这样一个场景，它会做 X 还是做 Y？是的。所以，通过思考 Claude 的思维方式，我们其实学到了很多，也能将这些转化为产品体验，打造出互动更顺畅、更好用的 Claude。我明白了。我觉得这个问题非常有趣，既有长远的后续影响，也有近期就能落地到我们自身体验中的东西。是的，因为我觉得我们会越来越信任模型去处理更长时间的工作——
是的。
——而且无需人工监督。是的。它会在过程中做出很多你可能完全无法监督的决策。所以，它到底做什么其实非常重要。非常重要。是的，如果这个东西在帮你写所有代码，决定你要用哪种数据库系统，还要做所有这些架构决策，你在某种程度上是想要信任它的。没错。所以，它具备我们之前谈到的那种高尚品格，这一点很重要。很高兴你们在考虑这个问题，因为我总是危险地跳过权限。
［笑声］
我是说真的。是的。你知道，用自动模式。现在它稍微好一点了。是的。好了，Alex，非常感谢，伙计。谢谢。和你聊得很愉快。