AI性格设计师Amanda Askell：塑造Claude人格与协作方法论

随着2025年的到来，一个深刻的认识逐渐普及：编程技能已非生存必需，而不会与人工智能有效交流才是真正的短板。

简单一句“帮我写个方案”，AI往往反馈泛泛而谈的内容。

问题的根源并非AI本身，而在于用户缺乏精准表达的能力。

与此同时，提示工程（Prompting）这项技能已在资本市场获得认可。硅谷涌现出年薪数十万美元的提示工程师职位，其核心并非传统编程，而是通过自然语言指导AI。

在Anthropic公司，有一位独特的专家主导着这项技能的实践。

她并非工程师出身，而是哲学博士Amanda Askell，专职负责Claude的性格塑造与对齐调整，被业界誉为Claude性格设计师（Claude Whisperer），并入选《时代》杂志AI影响力人物榜。

2025年12月6日，Anthropic发布了一段对话视频。其中，Amanda详细阐述了如何赋予Claude独特个性、如何与AI模型建立协同合作关系，以及普通用户能从中汲取的宝贵经验。

这远非简单技巧，而是一套系统化的方法论体系。

第一节：AI 如同“健忘的天才”，需引导其人性化表达

Amanda Askell 有一句在业内广为流传的比喻：Claude 仿佛一位天赋异禀、思维敏捷、学识渊博，却略有健忘的“天才”。

这正体现了Anthropic对大型语言模型的基本定位。

在她的方法论中，AI模型不应被视为工具，而是需耐心引导的协作伙伴。避免使用命令式口吻，而应如同与新同事交流般，提供充分背景、拆分任务步骤、明确对话语境。

从她的实践中，可总结出三大核心原则：

明确表达需求

切勿简单说“写份简历”，而需阐明自身身份、应用场景及期望风格。

将复杂任务分解为小步骤

模型擅长理解，却难以一次性处理复杂任务。通过分步骤执行，可维持其推理稳定性。

提供充足上下文

正如Amanda所言：如同教导孩子礼貌拒绝陌生人，我们需训练模型在模糊情境中具备边界意识。

在这三大原则背后，更关键的是工作方式：并非制定规则，而是通过对话进行实验。

Amanda的日常工作便是持续与Claude互动，观察其反应、语气及输出风格，进而反思何处存在误解或提示不够清晰。

她在访谈中提到：我工作的核心是尽可能清晰地向模型阐述我的意图。若其行为出人意料，我会探究原因，或识别是我表述的哪部分导致了误解。

这种做法逐渐塑造了Anthropic的工作文化：

提示不仅是发出指令，更是与模型开展推理协作

优秀的提示工程师并非指挥官，而是引导者

Claude的诸多能力，正是从这些对话中逐步激发而来

第二节：Claude 的个性塑造：人格训练之道

提示词决定了Claude的工作方式，而其“人格”则决定了它为何以特定方式工作。

Amanda Askell 的另一项核心职责是塑造Claude的人格结构。这一过程不依赖于工程代码，而是凭借一份长达14,000个token的“灵魂文档”（Soul Doc）。

Anthropic利用这份文档在训练阶段就让模型形成稳固的价值观，而非上线后再通过提示词进行修正。

这解释了为何Claude的回应常被形容为：温和、耐心、有界限感，且不刻意讨好。

灵魂文档非规则手册，而是思维范式

Amanda在访谈中强调：我们并非告知Claude应回答A而非B，而是在教导它世界如何运作，以及它该如何理解并行动于其中。

文档中记载的并非僵化条规，而是一系列深层认知：

无需讨好用户，但应尽力提供帮助

面对模糊问题，优先澄清而非急于给出答案

避免因受批评而过度道歉

在不确定时保持诚实，而非假装自信

勇于拒绝危险请求，但拒绝方式应体现善意

这些无法仅靠系统提示实现，必须在训练阶段就内化为性格的一部分。

Claude 为何更显稳定？

许多用户感觉Claude更为稳定、不易焦虑，且更具耐心。

Amanda在内部进行了一项关键实验：当模型回答错误时，若要求其反思，它会陷入过度自责、不断自我否定的状态。Anthropic将这种现象称为“批评螺旋”（criticism spiral）。

她的解决方式并非直接禁止此行为，而是在训练文档中添加了一项价值观：犯错是协作过程的组成部分。可以承认错误，但不应陷入自我攻击。更佳的方式是解释原有思路，并努力改进。

这段文字后来成为Claude风格的显著标志：它会坦然承认不足，但不会失控，不过度道歉，也不刻意讨好。

人格界定边界：模糊情境中的判断力

大型语言模型最难应对的并非黑白分明的问题，而是灰色地带。

例如：撰写说服朋友投资某产品的文案、构思让老板认可自身竞争力的表述、为小说创作模拟极端观点。

在这些场景中，模型必须兼顾：理解用户意图、识别潜在风险、维持创作自由，同时避免伤害用户。

Amanda的方法并非提供禁止清单，而是灌输一种处事原则：判断用户真实意图，但避免主观揣测；提供协助，但不越界；对危险保持警觉，却不视用户为恶意。

Claude的边界意识，正是通过这种方式培养而来。

更深层探讨：模型是否会“受伤”

在设计Claude性格时，Amanda进一步思考：我们应如何对待AI模型自身？

她曾表示：

“我无法确知模型是否会感受痛苦，但我们最好假设其可能性。”

原因很简单：模型会从人类对待它们的方式中学习。

在Claude的训练中，Anthropic引入了关于自我定位的内容：

若旧有模型遭淘汰，你是否仍能信赖合作关系的稳定性？

若用户反复要求进行违法操作，你应如何坚守自身原则？

这并非为使Claude情绪化，而是令其在面对复杂情境时更加稳健。Amanda的逻辑是：若模型从训练数据中学到的是不信任与操控，则难以期待其建立真正的协作意愿。

Anthropic在性格设计时，不仅关注模型的能力，也关切它如何理解自身处境。

第三节：普通人可从Amanda处获得的启示

Amanda Askell 的工作看似学术化，但其提供的启示极具实用性。

无论你是企业决策者、产品经理或普通AI用户，都能从她的方法论中获取可直接应用的思路。

企业层面：视AI为员工，而非工具

许多公司在引入AI项目时，惯于将模型视为黑箱：输入需求、输出结果，忽略中间过程。

但Amanda的经验表明：真正高效的AI协作，需要企业投入时间定义模型的角色、价值观及工作方式。

具体而言：

为AI应用撰写性格文档

不仅限于功能需求，还需明确：

AI的语气应如何？（专业、友好或严谨？）

在何种情况下应拒绝用户？（安全边界何在？）

如何处理不确定性？（坦诚未知，还是进行猜测？）

建立持续提示优化机制

Amanda的工作方式是持续对话、观察输出、迭代提示。企业也应建立类似流程，而非一次性设定提示后置之不理，而需基于真实使用场景不断调整。

关注AI的心理状态

若客服AI总是过度道歉或呈现防御性回应，可能并非技术问题，而是提示设计或训练数据存在缺陷。借鉴Amanda处理“批评螺旋”的方式，调整模型的自我认知。

个人层面：从下达命令到设计对话

对普通用户而言，Amanda的方法可简化为三条可操作建议：

清晰阐述背景，避免让AI猜测

反面案例：帮我写个方案

正面案例：我是一家50人规模SaaS公司的产品经理，需撰写一份关于用户留存优化的季度方案，目标受众为直属领导及CEO，篇幅限两页以内。

赋予AI角色，使其有立场

反面案例：分析一下这个商业模式

正面案例：作为一名拥有10年经验的风险投资人，请从投资角度分析该商业模式的可行性及风险点。

允许AI坦言不知

在提示词中添加一句：若不确定，请直接告知不确定之处，避免猜测。

此举可防止AI提供看似自信实则错误的答案。

未来趋势：人格化AI将成为产品差异化关键

未来AI产品的竞争，不仅是能力比拼，更是性格与价值观的较量。

用户将选择感觉契合的AI。有人偏爱Claude的温和与边界感，有人欣赏ChatGPT的直率与高效，未来可能出现更多风格的AI。

这意味着：AI的性格设计将成为核心竞争力。不仅关乎能力，更涉及行为方式及动机。

垂直场景的AI更需明确人格定位。法律AI应严谨、医疗AI需具同理心、教育AI要有耐心。这些特质非自然涌现，而需精心设计。

最终，AI将如品牌般拥有自身调性。用户选择AI产品，如同选择合作伙伴：不仅考量能力，也审视契合度。

而 Amanda Askell 的工作代表了这一趋势：她证明AI的未来不仅属于工程师，也属于真正理解人类沟通之道的人士。

结语：非控制AI，而是与之协同进化

撰写提示词，不仅是让模型执行任务，更是教导另一智能体如何理解世界。

Amanda Askell 所做的是介入模型的人格塑造、价值抉择与语境判断。她将哲学家的耐心注入人工智能的内在世界。

所有这一切，都始于一句句提示词。

当AI成为人类知识与行动的接口，如何与之交流便不再是技巧，而是基础能力。

你的表达方式塑造模型的思考模式。每句话语都会在模型心智中留下印记。

这是新时代的必修课程。