AI 时代，怎么跟模型说话？
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。
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。
本文来自微信公众号“AI 深度研究员”，作者：AI深度研究员，36氪经授权发布。
