Anthropic on 周先森的小站

Dario Amodei 2.8万字长文：强大 AI 出现之后的世界

Mon, 11 May 2026 00:00:00 +0800

Anthropic 创始人 Dario Amodei（Claude 这家大模型背后的人）写过一篇 2.8万字的长文，叫 Machines of Loving Grace（直译「充满爱的机器」）。

这篇文章在英文 AI 圈被反复引用，因为它做了一件大部分 AI 公司高管不太愿意做的事——他不只讲风险，而是系统性地写「假如真正强大的 AI 真的出现，世界变好的路径长什么样」。中文圈摘过几段，但少有人讲过整篇本身，更没人提炼出「普通人能用什么」。下面梳理。

「压缩的21世纪」

先说他这篇文章的核心说法，叫「压缩的21世纪」。

意思是：如果真正强大的 AI 出现，它能把人类生物学家原本要花50到100年才能做出的进步，压到5到10年内完成。他给「真正强大的 AI」下了具体定义：在生物、编程、数学、工程上比诺贝尔奖得主聪明，能自主完成几小时到几周的任务，几百万个独立实例同时跑、速度比人类快几十倍。他用一句话总结叫「数据中心里的天才国度」。

他认为 AI 真正强大之后影响最大的有5个领域，挨个讲。

五大影响领域

生物医学

这是他最有把握的一块。在他的设想里，大部分自然感染病可以可靠预防或治疗，多数癌症的死亡率显著下降，阿尔茨海默症得到预防，糖尿病、肥胖、心脏病、自身免疫病这些慢病也会大幅好转，健康寿命可能再延长一倍。

为什么是这块？Dario 的解释是，生物问题足够「可计算化」，很多突破靠从海量数据里找规律，正好是 AI 最强的事。

神经科学和心理健康

Dario 设想 PTSD、抑郁、精神分裂、成瘾这些都能得到根治或显著缓解，自闭症、智力障碍也会有有效干预，普通人的日常情绪和认知功能基线也会改善。他特别提到一句很有意思的话：现代 AI 解释性研究（搞明白模型内部在干什么）和神经科学家研究大脑问的是同一类问题。所以 AI 反过来帮人类理解大脑，是双向促进的。

经济发展和贫困

设想里，医疗进步会扩散到现在的发展中世界，最贫困地区可能在5到10年内追上现在中等收入国家的水平，农业可能出现「第二次绿色革命」，气候变化的技术应对也会加速。但他自己明确说这块没那么有把握。技术能造出来不等于能均衡分配，腐败、制度差异、人本身愿不愿意接受新技术，这些都不是 AI 能直接解决的。

国际治理

这块他写得最谨慎，整章主要在列疑虑而不是设想，本文就不展开了。

工作和意义

这一块跟普通人最相关。

他的看法是，短期内，人类还能靠「比较优势」在经济里保持相关性。意思是哪怕 AI 在每件事上都比你强，人和 AI 协作仍然比 AI 单干便宜，所以人还有事干。长期看，如果 AI 在几乎所有任务上都超过人，社会需要重新设计，可能是 UBI（全民基本收入），也可能是别的机制。

他特别讲了一句让我印象很深的话：「人生意义大部分来自人和人的关系，不是经济劳动。今天就有大量没经济价值的活动让人活得有意义，未来这个比例只会更大。」

三个普通人现在能用的判断

读完整篇，我提炼出3个普通人现在能用的判断。

判断一：哪些领域最先变？

Dario 自己最有信心的是生物医学这种「问题足够可计算化」的领域。放大到普通人，任何「主要靠处理文字、信息、数据」的工作都会先被波及。一个简单的自检：你日常工作里有多少时间是在屏幕前处理信息？比例越高，AI 影响来得越快。

判断二：你工作的哪部分会被压缩？

注意 Dario 用的词是 compress——压缩，不是消失。他的逻辑是 AI 会把「重复性、可结构化」的部分加速，而需要判断、需要拍板、需要跟人协调的部分还在。落到自己身上，把工作拆成具体任务清单，挨个问「这一项 AI 现在能做几成？」流程性的部分先压缩，关系性、判断性的部分先留下。

判断三：哪些技能反而升值？

这是 Dario 没明说但暗含的：AI 越强，能「组织 AI、判断 AI、修正 AI」的人越值钱。具体讲，把模糊问题说成 AI 能听懂的具体描述、跨领域整合信息、在不确定情境下做决定、跟真人深度沟通，这些都升值。

最后

Dario 自己在文章里反复强调：「这一切都是猜测」「我说的每件事都很容易被证明是错的」「细节几乎肯定会错」。他写这篇不是为了预言未来，是因为他觉得 AI 圈不能光讲风险，得有「我们到底在为什么而努力」的正面图景。

文章最后他引了一本科幻小说，他说人类社会真正能稳定运行的方向，是同情、合作、自主、公平这些价值。AI 不会把这些方向反转，AI 只会加速这些价值的实现。

当然 Dario 这两年动不动就说一下很让人「震惊」的话，以至于黄仁勋最近都公开说不同意他的一些看法。还有他对我们有一些敌意，这也是事实。

我们就是冷静的去学习和吸收那些对我们有帮助的信息。

最懂大模型的人教你写提示词

Mon, 11 May 2026 00:00:00 +0800

来看看最懂大模型的人教你写提示词，网上的技巧大多都没用。

我最近看到一份大模型厂商内部的 AI 提示词指南，觉得很值得讲一讲。

写它的人 Alex Albert，是做 Claude 的 AI 公司 Anthropic 在2023年招进去的内部第一位提示词工程师，原职衔甚至有点不正经，叫 prompt engineer and librarian（提示词工程师加图书管理员）。这两年他升到 Anthropic 开发者关系负责人，对外讲 Claude 怎么用基本都是他的活，这份官方指南也是他的核心维护内容。可以说，他大概是最了解 AI 大模型怎么读提示词的那一类人。

看完之后我回头翻了翻网上各种「提示词课」的笔记，发现一件挺尴尬的事：网上传的那些「魔咒式技巧」（「我会给你50美元小费」、「你是顶尖专家」之类），从模型厂商内部视角看大多数没用，有些反而让答案变差。

这份指南讲的是模型内部如何看待你写的提示词、什么真正影响它的输出。能拿到这种「模型厂商内部视角」的资料并不多见。

没用的技巧

先说网上传得很广、但官方指南明确说没用或反作用的几条。

误区一：激励式提示词

「我会给你50美元小费」「做不好就处罚你」这种套路，过去一两年在国外社交圈传得到处都是。Anthropic 内部测过，对最新的 Claude 模型，小费、威胁、装客气这些「小把戏」基本不影响输出质量。模型不在乎你赏不赏它，它只在乎你说清没说清。

误区二：「你是一位 X 行业20年专家」开头万金油

我们之前介绍过一项研究：在事实问答任务上，加这种「专家身份」反而把准确率从七成多拉到不到七成。官方指南里也讲明白，角色扮演型提示词在写作、风格化这种场景里有用，做事实任务别滥用。

误区三：越长越复杂越好的提示词模板

有些课程教人用三百字模板包一个本来三十字就能说清的请求。指南里的第一原则就一句话：直接、明确说要什么，不要绕弯子。模型不需要被催眠，它需要的是清楚的指令。

误区四：「魔咒关键词」

比如英文圈传得很玄的 “think harder”（想得更努力）、“work very carefully”（仔细工作）、“this is very important”（这件事特别重要）这种词。简单的「先一步步分析再答」那种引导是真有用的；但「这件事特别重要哦」这种就是噪声，对今天的模型没意义。

真正有效的做法

那真正有效的是哪几条？指南里讲的第一条不是技巧，是心态：好的提示词像给一个新同事讲任务，不是写咒语。

落到具体动作，几条最值得记的：

给具体例子

指南里讲，给一个例子比写五条抽象规则有效。你想让 AI 写一段产品介绍文案，与其写「要简洁、要专业、要有吸引力」，不如直接贴一段你觉得对味的范文，让它「按这个风格写」。这一招业内叫「多例提示」（英文 multishot prompting），对几乎所有任务都有效。

给模型时间想

复杂任务前面写一句「先一步步分析，再给最终答案」。指南给了三层做法：

基础：直接写一句「先一步步思考」
引导：列出具体的分析步骤
结构化：用 <thinking>（思考）和 <answer>（回答）这种标签把「想」和「答」分开

用 XML 标签做结构

把上下文资料、任务说明、输出格式分别用 <document>（资料）、<task>（任务）、<format>（格式）这种标签包起来。指南里特别强调一句：标签名字怎么起不重要，前后一致就行。比起用空行或破折号分隔，标签对模型识别的提升很明显。

允许 AI 说「不知道」

在提示词里写一句「如果资料里没有这个信息，就直接说不知道，不要编造」。这是降低幻觉率最简单有效的一招。模型本来就知道自己不知道，是被人逼着回答才编的。

定义输出格式

直接说要「列表」「表格」「JSON」还是「两段话」，比让模型自由发挥稳定得多。

一个完整示例

把这几条揉进一段普通提示词，长这样：

请分析下面这段产品评论的情绪倾向。先一步步分析评论里的关键句，包在 <thinking> 标签里；然后给出最终判断（正面、负面或中立），包在 <answer> 标签里。如果有判断不准的地方，直接说不确定，不要硬编。最后给一段不超过100字的总结。

评论内容：……

不用装客气，不用「专家」开头，不用承诺给小费。清楚的结构加具体的例子加明确的格式，就是最强的提示词。

不绑定特定模型

顺带说一句，上面这几条原则不绑死 Claude。同样的思路放到国内大模型（DeepSeek、Kimi、通义、豆包、文心）一样能跑——XML 标签、给例子、让模型先想再答、允许说不知道，这些是底层做法，跟用哪家模型没关系。

看完这份指南最朴素的感受是：好的提示词不需要花哨。清楚直接、给具体例子、让模型先想再答、允许它说不知道、定义输出格式，这五条做到了，绝大多数「魔咒」就不重要了。

Claude 全面塞进 Microsoft 365

Fri, 08 May 2026 00:00:00 +0800

Anthropic 把 Claude 全面塞进了 Microsoft 365。Excel、PowerPoint、Word 三个插件从 beta 转为正式版（GA），Outlook 插件同步进入公测。

意味着不用再切到网页端，可以在 Excel 表格里、PPT 幻灯片上、Word 文档中、Outlook 邮箱里直接喊 Claude 干活。

跨应用的上下文衔接

真正的卖点是跨应用的上下文衔接。Anthropic 给的典型场景：

先在 Outlook 里让 Claude 整理收件箱、起草回复，顺手打开邮件里附的 brief 到 Word
接着让它根据 Word 简报在 Excel 里搭财务模型，公式分布在多个 sheet
再做成 PowerPoint，最后回到 Outlook 起草评审邀请

整个流程里 Claude 带着前一步的上下文走，不需要重新喂材料。

具体能力

Excel：Claude 能改单元格和假设条件而不破坏现有公式
PowerPoint：按你的模板排版，生成原生图表而不是塞图片
Word：改稿用 tracked changes（修订模式）呈现，让你逐条接受或拒绝
Outlook：草稿会停在草稿箱等你点发送

定价

所有付费 Claude 套餐用户都能用，不需要额外掏钱。