KeyFrame內部研究專用

【2026 Claude 3.5 完全新手操作指南:告別加班,打造最強 AI 助手!】 #Claude3 #AI #生產力工具 #行政減量

阿卿的藝想空間·6月19日週五·8 min中文

三句話摘要

以 Claude 3.5 的 Artifacts 工作區、20 萬字上下文與風格逆向工程三大能力,徹底重構寫作與長文分析工作流。 指令的品質決定 AI 的上限——賦予角色、精準萃取、餵入個人風格樣本,Claude 才能從聊天機器人升級為你的思維放大器。 Artifacts 改變協作模式:傳統 AI 是單欄對話,內容一多就迷失在捲動中;Artifacts 將對話與文件分成左右兩欄,修改指令即時反映在右側文件,且不影響其他段落,根本改變了人機協作的空間感。

重點整理

重點
  • 1

    Artifacts 改變協作模式:傳統 AI 是單欄對話,內容一多就迷失在捲動中;Artifacts 將對話與文件分成左右兩欄,修改指令即時反映在右側文件,且不影響其他段落,根本改變了人機協作的空間感。

  • 2

    指令品質決定輸出品質:面對 200 萬字上下文,新手只說「幫我總結」只能換來流水帳;正確做法是賦予角色(如「擁有 20 年經驗的華爾街分析師」)、限定輸出格式(三個趨勢、三個行動建議)、指定受眾(自媒體創作者),才能榨出真正有用的價值。

  • 3

    風格逆向工程消除 AI 腔:AI 腔的根源是沒有餵入個人樣本;透過提供三篇代表性文章,要求 Claude 分析詞彙、節奏、幽默感與情感鋪陳並產出「寫作性格指南」,之後每次寫作套用該指南,輸出結果與本人文風高度一致。

  • 4

    AI 是思想的放大器,不是替代品:當文筆成為基本標配,人的洞察力、獨特視角與真實生命經驗才是不可複製的優勢;最佳工作流是「靈魂由人提供,骨架交給 Claude 搭建」,並將 AI 當成智商 180 的辯論對手逼迫自己深度思考。

實用技巧與重點

乾貨
  • 上下文視窗:200,000 tokens(20 萬字),可一次吞入數十萬字小說或數百頁財務報告
  • 核心功能:Artifacts(即時雙視窗動態畫布)
  • 三步長文解剖法:①定位角色 → ②精準萃取 → ③落地應用
  • 風格逆向工程流程:①挑三篇高純度代表作 → ②要求 Claude 逆向分析寫作風格 → ③產出專屬風格指南 → ④每次寫作套用
  • 魔法指令範例:「請仔細分析這三篇文章的詞彙選擇、句子長短節奏、幽默感的使用以及情感鋪陳,請總結出這位作者的寫作性格指南」
  • 角色指令範例:「你現在是一位擁有二十年經驗的頂尖華爾街分析師,請跳過廢話,直接給我三個未來五年最可能爆發的商業趨勢,並給身為自媒體創作者的我三個可以執行的行動建議」
  • 辯證工作流:將想法貼入 Artifacts,要求 Claude「找出我邏輯上的三個盲點並狠狠反駁我」
  • 效率提升估算:雙視窗工作流效率提升「三倍都算保守」

結論

結論

指令的品質決定 AI 的上限——賦予角色、精準萃取、餵入個人風格樣本,Claude 才能從聊天機器人升級為你的思維放大器。

完整解析

詳細

深夜十一點、200 頁報告、空白 Word 檔、明早就要交——這是影片開場描繪的場景,也是大多數知識工作者的日常痛點。講者指出,問題不在於人的能力不足,而在於工具選錯了。舊版 AI 的單欄對話模式讓人在無盡的聊天記錄裡迷失,輸出的內容又帶著濃厚的「塑料 AI 腔」,最終還是得自己動手大改,工具反而製造了更多麻煩。

Claude 3.5 的突破點在於 Artifacts 功能。它在對話框旁邊自動彈出一個即時的視覺白板,左側下指令、右側即時預覽文件,修改某一段落不會影響其他內容。講者用「你身邊站著一個極度聰明的同事,對著白板一起討論」來形容這種體驗,並估計這種左腦對話、右腦預覽的並行模式,效率至少是傳統 AI 的三倍。這不只是介面的改變,而是從「人配合 AI 輸出」轉向「人與 AI 共同創作」的工作流革命。

面對超大文本,Claude 擁有 20 萬 token 的上下文視窗,能在幾秒內處理數百頁報告。但講者強調,工具再強,指令下得差照樣得到廢話。他提出「三步立體解剖法」:首先賦予 AI 一個具體角色(如頂尖華爾街分析師),接著精準限定萃取目標(特定趨勢、特定數量),最後指定輸出要服務的具體受眾(自媒體創作者)。這三步讓同一份報告能產出截然不同品質的洞見,是從「總結工具」升級為「思維槓桿」的關鍵。

在寫作風格層面,講者提出「風格逆向工程」的核心方法:挑選三篇最能代表自己的文章餵給 Claude,要求它分析詞彙選擇、句子節奏、幽默感與情感鋪陳,產出一份專屬的「寫作性格指南」,此後每次寫作都套用這份指南。這個做法的本質是把人的語言 DNA 注入 AI 的生成邏輯,讓輸出從千篇一律的機器腔變成有血有肉的個人聲音。最後,講者以哲學視角收尾:AI 是一面照妖鏡,它淘汰的是本來就沒有思想的人,但它會把真正的思想者武裝成超級英雄。財報可以一秒讀完,但深夜為夢想奮鬥的心酸、獨特的生命視角,才是人類永遠無法被取代的核心資產。最強工作流的本質是:靈魂由人提供,骨架交給 Claude 搭建。

關鍵時刻

Pipeline v2

帶時間戳的重點,會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。

事實查核

Pipeline v2

說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。

更多「AI 技術」的內容

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing
編輯精選
83 min
AI 技術英文PODCAST8月26日

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing

Latent Space

  • 加速傳統物理模擬的典範轉移:氣象科學家原本認為 AI 無法匹敵數十年的物理建模工作,但傅里葉神經算子不僅達到同等精度,還快了一萬多倍。原本需要超級計算機的計算現在用消費級 GPU 就能完成,這改變了整個領域的思維方式。
  • 傅里葉域的非局部現象捕捉:傅里葉域能有效表示非局部現象(如大氣河流跨越千里的影響),且計算複雜度為準線性,遠優於完全連接的全局模型。這特別適合流體動力學、量子化學等自然現象中普遍存在的非局部相互作用。
  • 多解析度連續函數表示:神經算子將輸入輸出視為連續函數而非固定維度向量,可在推論時以任意解析度查詢,並能在更高解析度上疊加物理約束或額外數據,克服了固定解析度神經網路的限制。
Between Two Nerds: Attribution is dead, long live attribution
32 min
AI 技術英文PODCAST8月25日

Between Two Nerds: Attribution is dead, long live attribution

Risky Business

  • 工具成本的破壞性下降 — 傳統上,攻擊者必須重複使用昂貴自製的惡意軟體或工具組,因為開發和維護成本極高。這種成本結構使得安全研究人員可以通過工具特徵和程式碼簽名來追蹤攻擊者。LLM 自動化了代碼生成與維護工作流,使得攻擊者可以輕易為每個目標生成新工具,或改用通用系統工具,導致傳統的工具特徵分析失效。
  • 所有取證證據都在攻擊者掌控之中 — 無論是使用的 IP 位址、惡意軟體類型或戰術流程,這些都是攻擊者的主動選擇。即使看似是隨機巧合,攻擊者仍有能力在事前決定留下什麼痕跡。因此,所有可恢復的取證證據本質上都是攻擊者願意暴露的信息。
  • LLM 削弱工具簽名但保留高階行為特徵 — LLM 經過公開駭客技術訓練,使不同使用者產生相似的攻擊模式。然而,勒索軟體集團、國家級行為者的受害者選擇、贖金要求方式或目標模式等高階特徵仍具有識別價值。例如,鎖定加密交易所的攻擊幾乎只能指向朝鮮。
Why the Next AI Breakthrough May Come from Physics with Max Welling - #774
55 min
AI 技術英文PODCAST8月25日

Why the Next AI Breakthrough May Come from Physics with Max Welling - #774

TWIML AI

  • 多層篩選的材料設計流程:先搜尋文獻資料庫找現有材料,若無合適的就用生成模型產生數十萬個候選分子,用機器學習力場進行分子動力學模擬篩選,再進行實驗驗證。這套流程相比傳統量子力學計算能加速效率數個數量級。
  • 生成AI與熱力學的數學等價性:資訊論是兩個領域的共同基礎,生成模型的擴散過程與非平衡統計力學描述資訊損失的過程在數學上完全對應,許多開發出來的方法工具在兩領域都有精確對應的形式。
  • 基礎模型的遷移學習策略:先在廣泛材料資料集上訓練基礎力場表示,再針對特定材料類別進行蒸餾微調,既能保持計算效率也能獲得專一性。