重點一：Claude Cowork 工程主管 Felix Rieseberg 直言，他很少被模型能力驚艷，真正驚艷他的是使用者怎麼結構化問題；最大落差不在工具，在想像力。
重點二：他的核心習慣是「往上提一層」：繁瑣的事不自己做、也不半手動，整包丟給 Claude，再順手建成以後不必重做的系統。
重點三：選 Opus 還是 Sonnet 不只看任務難度，更看你有沒有想清楚要什麼；他也從「盯著 AI 看每一行」轉成只看結果、學會放手。
Felix Rieseberg 最近要搬家，仲介給了他一張房屋平面圖，上面連一個尺寸都沒標。換成多數人，大概就將就著看。但他把這張圖丟進一個資料夾，對 Claude 說：你能不能找出這張平面圖的尺寸，再幫我畫一張標好單位的？
結果 Claude 翻出車庫的建照、反推出整間房子的比例，接著他追加一句「給我一個可以互動的規劃器」，最後拿到的是一個能在 3D 裡走動、自由搬動家具的房屋模型。
重點是，他全程沒告訴 Claude 要做 3D，也坦言自己這個「還算稱職的軟體工程師」，但根本不知道怎麼把 2D 平面圖變成可靠的 3D，更沒讀過這個規劃器的任何一行程式碼。
這段示範來自 Podcast《How I AI》（主持人 Claire Vo），受訪者正是相關產品的工程主管。Felix Rieseberg 是 Anthropic 的 Claude Cowork 與 Claude Code Desktop 工程主管，更早在 Slack 待了五年、打造桌面應用，也是開源框架 Electron 的共同維護者。
照理說，最該對模型能力如數家珍的就是他。但他講了一句反直覺的話：當別人秀出厲害的用法，真正讓他驚艷的「幾乎不是模型做到了什麼」，而是「使用者構思與結構化工作的創意」。
大家在比模型，他說瓶頸在想像力
當前產業的主流敘事是一場模型能力競賽：誰家的模型分數更高、推理更強、上下文更長。但根據Felix在訪談中的觀察，今天最大的落差不是工具能力，而是「人們沒意識到，幾乎任何問題都能丟進這些工具」。
也就是說，多數人卡在不知道該問什麼，而不是工具答不出來。
他用自己在 Slack 的經驗類比。Slack 如果只當成「在同一個介面收發 email」，幾乎沒什麼用；它真正的威力，是逼你改變協作方式：把藏在信件往返裡的對話攤到公開頻道。
他認為 AI 也一樣，要真的把它的能力榨出來，使用者得先改變自己的工作習慣，而不是等模型再聰明一點。
編按：Claude Cowork 是 Anthropic 的桌面代理應用，它給 Claude 一台自己的虛擬電腦，Claude 可以在上面臨時寫出解決你問題所需的小軟體，上文中的 3D 規劃器就是這樣長出來的。
把任務往上提一層，而不是把 prompt 寫得更好
Felix 反覆示範的其實是一個思考動作，不是更花俏的 prompt 技巧：往上提一層（abstraction layer up）。
做那個家具規劃器時，他一度開始手動輸入「我的床多寬多深」，做到一半他愣住：「我在幹嘛？」於是改口叫 Claude 自己去他的 Email 裡，把他買過的家具全部找出來、放進規劃器。購物收據、搬家清單，這些本來就散落在信箱裡，Email 因此成了個人物品的現成資料庫。
他把這套習慣稱作「反待辦清單」（anti-to-do list）：只要正在做的事很繁瑣、又不需要創意，就該停下來問一句「這能不能交給 Claude」；接著再往上問一層「我要怎麼做，才能以後永遠不必再做這件事」，順手把它建成一套會自己長期運作的系統。
他另一個例子是「承諾追蹤器」：他在 Twitter 上答應幫很多人看 log，記不住，就叫 Claude 讀他的訊息、自己建了一個 SQLite 資料庫加一堆文字檔，到期主動提醒他「兩週前你說要做某件事，該做了」。他說自己從沒打開看過那個資料庫長什麼樣。
對還不知道從何開始的人，他給的入門法是「反向訪談」：直接跟 Claude 說「我是三個小孩的媽、手上開了太多公司，我最大的麻煩是這些，你來訪問我，再告訴我你能怎麼幫我」，讓工具反過來把使用場景從你身上問出來。
選模型不只看任務難度，更看你想清楚了沒
一般人挑模型的直覺是「難的任務用最強的」。Felix 的標準不一樣。他多數任務用 Sonnet 4.6 就夠，很少撞到天花板；他把 Opus 保留給「我自己都還沒想清楚到底要什麼」的時候。
他的類比是律師、會計師、醫生這類專業工作者：他們真正值錢的，不只是給你正確答案，而是重新詮釋你到底在問什麼，因為客戶進門時說出口的需求，往往不是他真正要的。換句話說，他用模型的判準不只是任務技術難度，而是「這個問題被我界定得多清楚」。
問題已經收斂得很乾淨（像是「我有平面圖、要單位、要新的一張」），交給 Sonnet；問題還一團模糊、需要對方先幫你把模糊變具體，才動用 Opus。
從盯著 AI 看每一行，到只看結果
Felix 形容自己原本是個控制狂，過去需要讀 Claude 寫的每一行程式碼。他說自己正在慢慢放掉這種控制，越來越只用「成效」評斷 Claude，不再盯它怎麼做。
支撐這個轉變的產品設計，是他示範的「即時產出物」（live artifacts）：透過接上 Gmail、Spotify、Notion 等資料的「連接器」（connectors，把外部服務授權串進 Claude 的機制），做出一個會自動刷新資料的個人儀表板，右上角一個重新整理鍵就能把最新資料拉進來，不必自己處理 API 金鑰。
但他強調，這類儀表板真正有價值的版本同樣是「往上提一層」：不是把今天的會議列出來（那看行事曆就好），而是叫 Claude 去查每場會議的對象、補上最近的對話脈絡、到 Slack 看對方這週在忙什麼，把你為這場會準備得更足。
他甚至花二十美元（約新台幣 630 元）買了一支有 Wi-Fi 和藍牙的小硬體，叫 Claude Code 一次就寫好韌體，做成一個實體「Claude buddy」：每次 Claude 需要他批准動作，就亮一顆大按鈕讓他按。他說自己不是硬體工程師、不會焊電路，但「我們活在未來，誰在乎」。
他總結這套態度的那句話頗能代表他的產品觀：AI 要是只幫你移動滑鼠游標，那就用壞了；他要的是 AI 在背景把一堆煩人的事做掉，把人空出來去做有創意的事。
個人玩得轉，不等於公司複製得了
要把這套用法當成方法論之前，有幾個前提得說清楚。
第一，他示範的多數工作流建立在 Claude Cowork 這個特定產品上，而且很多是高度個人化、用完即丟的小工具，他自己就說那個家具規劃器「只給我和我太太用，一個月後就丟掉」，不需要優化給一百萬個使用者。把「個人生活自動化」直接等同於「企業生產力」要小心，後者牽涉的協作、稽核與可維護性，是這些一次性小工具沒處理的。
第二，Felix 是 Anthropic 員工，他對 Claude 的熟悉與信任高過一般人，他也提到公司內部對 Claude 的關係「比較個人」。他能放手不盯著看，是建立在他清楚知道模型的邊界；一般使用者沒有這層校準就盲目放手，風險高得多。
值得一提的是，他說自己「很少撞到 Sonnet 4.6 的天花板，可能是因為我每天做的事就是沒那麼難」，這句話其實透露了，他的任務樣本偏個人、偏簡單。「模型能力不是瓶頸」這個判斷，套到更硬的專業場景未必同樣成立。
把這些限制放回去，Felix 真正點到的瓶頸反而更值得追蹤：他認為產業最難的不是把模型練得更強，而是設計「人機介面」，讓人容易駕馭 AI。
現在大家靠彼此分享 tips（這集 Podcast 本身就是一種），正說明 AI 產品還停在早期階段，所以 Claude 才會有 Cowork、Code、Chrome、桌面版這麼多入口，把使用者粗分成「快速問答／深度工作／工程任務」三種情境。
或許 Felix 這種「往上抽一層」的習慣，會比悉心鑽研完美Prompt更來的重要。
資料來源：How I AI Podcast（Claire Vo）｜Felix Rieseberg 訪談、Lenny's Newsletter：How the engineer behind Claude Cowork actually uses Claude、Anthropic：Claude Cowork、Claude Help Center：Use live artifacts in Claude Cowork、Claude Help Center：Use Claude Cowork safely
本文初稿為AI編撰，整理．編輯/ 李先泰
