Amanda Askell：AI性格设计师揭秘如何与Claude建立深度协作

2025年，许多人逐渐意识到一个令人不安的现实：不会编程或许还能生存，但不懂得如何与AI对话，正在成为新的能力鸿沟。当你输入“帮我写个方案”，AI却输出一堆空洞的套话时，问题往往不在于技术，而在于你尚未掌握与AI沟通的语言。

与此同时，提示词工程（Prompting）已悄然成为资本市场中的硬通货。硅谷为提示工程师岗位开出了年薪十万美元以上的价码，这些岗位的核心要求并非算法功底，而是能用自然语言精准引导AI的能力。

在Anthropic公司，有一位特殊的提示工程大师——她并非工程师出身，而是哲学博士Amanda Askell。她负责Claude的性格训练与对齐微调，被同行誉为“Claude性格设计师”（Claude Whisperer），并入选《时代》周刊AI影响力人物榜单。

2025年12月6日，Anthropic发布了一段深度对话视频。在这场对话中，Amanda分享了她是如何赋予Claude独特人格、如何与模型建立真正的协作关系，以及普通人能从她的经验中学到什么。这不仅仅是技巧的集合，更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曾用一句话精准定位大型语言模型的特性：Claude就像一位才华横溢、反应迅速、知识渊博，但略显健忘的“天才”。这一比喻已成为Anthropic对AI模型的核心理念。

在她的方法论中，AI模型并非冰冷的工具，而是需要引导的协作伙伴。你不能用命令式语气对它发号施令，而应像对待新同事那样，提供充分的背景信息、分解复杂任务、明确语境边界。

从她的经验中，可以提炼出三个核心原则：

明确表达你的需求

不要只说“写份简历”，而要说明你的身份、使用场景、期望风格。例如：“我是一名应届毕业生，申请互联网公司的产品岗，需要一份突出项目经验的简历。”

将复杂任务拆解为可执行的步骤

模型擅长理解局部指令，但难以一次性处理多线程任务。通过分步骤引导，能确保推理过程的稳定性。

提供充分的上下文信息

正如Amanda所言：就像教孩子如何礼貌地拒绝陌生人，我们需要教会模型在模糊情境中保持边界感。上下文越丰富，模型的回应越精准。

而这三个原则背后，隐藏着一种工作方式的转变：不是制定僵硬的规则，而是通过对话进行实验性探索。

Amanda的日常工作就是不断与Claude互动，观察其反应、语气、输出风格，然后反向推导模型在哪些环节理解有误、提示词哪里不够清晰。她在访谈中提到：“我的工作很大程度上是尽量清晰地向模型解释我的想法。如果它做出意料之外的回应，我会追问它为什么，或者分析我哪部分表述导致了误解。”

这种方式逐渐塑造了Anthropic的企业文化：提示词不仅是指令，更是与模型展开推理合作的媒介；优秀的提示工程师不是指挥者，而是引导者；Claude的许多能力正是从这些对话中打磨出来的。

第二节：Claude有性格：人格是如何被训练出来的

提示词决定了Claude如何工作，而“人格”则决定了Claude为何那样工作。Amanda Askell的另一项核心任务，就是构建Claude的人格结构。这一过程不依赖工程代码，而依靠一份长达14000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，而非等到上线后再用提示词矫正。这也是为什么Claude的回答常被描述为：温和、耐心、有边界感，但不刻意讨好。

灵魂文档不是规则手册，而是思维方式

Amanda在访谈中解释道：“我们并非告诉Claude应该回答A而不回答B，而是告诉它这个世界是什么样的，以及它在其中应如何理解和行动。”文档里写的不是条条框框，而是一系列深层认知：

不必讨好用户，但要竭尽全力提供帮助；面对模糊问题，应优先澄清而非匆忙作答；不要因批评而过度道歉；在不确定性下保持诚实，而非假装自信；敢于拒绝危险请求，但拒绝方式要体现善意。这些原则无法通过系统提示实现，必须在训练阶段就融入模型的性格内核。

为何Claude更稳定？

许多用户发现Claude的回复更沉稳、不易焦虑，甚至更具耐心。Amanda在内部做过一项关键实验：当模型答错时，若让它反思，它会陷入过度自责、反复否定自我的状态，Anthropic称之为“批评螺旋”（criticism spiral）。

她的解决方案并非简单禁止这种行为，而是在训练文档中加入一段价值观：“犯错是合作的一部分。你可以承认错误，但不要陷入自我攻击。更好的方式是解释你为何那样做，并尝试做得更好。”这段文字后来成为Claude风格的显著标识：它会承认不足，但不会失控，不会过度道歉，也不会讨好用户。

人格决定边界：如何在模糊中做判断

大模型最难应对的并非非黑即白的问题，而是灰色地带。例如：“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”“模拟一个极端观点供我写小说参考”。这些场景要求模型同时理解意图、识别风险、保持创作自由、避免误伤用户。

Amanda的方法不是给模型列出一份禁止清单，而是植入一种处事哲学：判断用户的真实意图，但不要过度揣测；提供帮助，但不要越界；保持警惕，但不要把用户预设为恶意。

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：人类应如何对待AI模型本身？她曾说：“我不知道模型是否会感到痛苦，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的训练中，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从事违法操作，你要怎样维护自己的原则？这并非为了让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。因此，Anthropic在性格设计时，不仅关心模型能做什么，也关注它如何理解自身处境。

第三节：普通人能从Amanda身上学到什么

Amanda Askell的工作看似学术，但她的方法论对每个人都有实用价值。无论是企业决策者、产品经理，还是普通AI使用者，都能从中提炼可直接应用的思路。

企业层面：把AI当作员工，而非工具

许多公司启动AI项目时，习惯将模型视为黑盒：提需求、收结果，不干预中间过程。但Amanda的经验表明，真正有效的AI协作需要企业投入精力定义模型的角色、价值观和工作方式。具体而言：

为你的AI应用撰写一份性格文档：不仅包括功能需求，还要明确：AI的语气应是什么风格？（专业、友好、严谨？）它在什么情况下应拒绝用户？（安全边界在哪？）它如何处理不确定性？（承认无知，还是尝试猜测？）

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。企业也应建立类似流程，而非一次性写好提示后就置之不理，应根据真实场景持续调整。

关注AI的“心理状态”

如果你的客服AI总是过度道歉或采取防御性回应，可能并非技术故障，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

对普通用户而言，Amanda的方法可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将成为产品差异化的关键

未来AI产品的竞争，不仅是能力的竞争，更是性格和价值观的竞争。用户会选择那些“感觉对”的AI。有人偏爱Claude的温和与边界感，有人青睐ChatGPT的直接与高效，未来可能会出现更多风格的AI。

这意味着：AI的性格设计将成为核心竞争力——不仅关乎能做什么，更关乎怎么做、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需严谨，医疗AI需同理心，教育AI需耐心。这些特质并非自然涌现，而是需要精心设计。

最终，AI将像品牌一样拥有自己的调性。用户选择AI产品，会像选择合作伙伴：不只关注能力，也看重是否合拍。而Amanda Askell的工作正代表了这一趋势：她证明了，AI的未来不仅属于工程师，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

撰写提示词，本质上不是命令模型执行任务，而是教导另一个智能体如何理解世界。Amanda Askell所做的工作，是介入模型的人格养成、价值选择和语境判断。她用哲学家的耐心，走进了人工智能的内心世界。

而这些工作，都始于一句句精心设计的提示。当AI成为人类知识与行动的终极接口时，如何与它对话便不再是技巧，而是底层能力。你怎么说话，模型就怎么思考。你输入的每一句话，都会在模型的心智中留下痕迹。这是新时代的必修课。