Anthropic 内部首位提示工程师揭秘：Claude 不是“被训练”，而是被“打磨”出来的

如果你以为大模型的进步只靠算力和数据，这期对话会让你改观。Anthropic 内部第一位提示工程师现身说法，讲清楚 Claude 的“记忆”“性格”与产品节奏，背后是一套与主流完全不同的构建逻辑。

第一个“提示工程师”，不是写 Prompt 那么简单

对话里最反直觉的一点，是 Anthropic 内部对“提示工程”的定义。嘉宾直言自己是公司里的第一位 prompt engineer，但工作内容并不是外界理解的“写几句提示词”。更接近的是：在模型能力尚不稳定时，探索“人如何与模型协作”的边界。

他说，这件事和早期编程语言的出现很像——不是一上来就有范式，而是不断试探：模型在哪些情况下会误解？哪些表达方式会放大偏差？哪些上下文能让模型更可靠？提示工程在这里，更像是一种研究方法，而不是技巧合集。

Claude 的“记忆”功能，本质是产品哲学

当话题转到 Claude 的 memory 功能时，信息密度明显上来了。对方强调，记忆不是一个简单的“多存点上下文”的功能，而是直接决定用户是否愿意长期信任模型。

这里有个重要判断：如果模型不能在连续互动中保持一致性，人就不会把它当成真正的助手。也正因为如此，Anthropic 在做记忆时非常克制——不是追求炫技，而是确保“有用、可控、不吓人”。这也解释了为什么他们反复讨论：什么信息该记？什么时候该忘？这些决策本身，就是产品设计的一部分。

模型“性格”不是噱头，而是可用性的放大器

在被问到最喜欢 Claude 的什么时，对方没有提基准测试，而是直接说：模型的 personality。这点很容易被技术圈低估。

他提到，一个好的模型性格，会让用户更愿意探索、更敢于暴露真实需求，也更容易发现模型的能力边界。反过来，冷漠或过度机械的回应，会极大降低交互效率。Anthropic 内部显然把“好不好用”放在和“准不准确”同等重要的位置，这也是 Claude 在用户体验上与其他模型拉开差距的原因之一。

研究、代码与节奏：他们如何决定“什么时候上线”

聊到产品管理时，一个现实问题被反复提起：研究团队到底要不要直接 ship 到代码？答案依然是“看情况”。

有些项目适合快速进入产品，有些则需要更长时间消化。Anthropic 并不迷信固定节奏，也不执着于点数估算，而是根据不确定性大小来决定流程。这种做法对很多习惯了敏捷和 OKR 的团队来说，可能并不“舒服”，但它更符合前沿模型研发的真实状态：你无法精确预测突破，只能为探索留出空间。

总结

这期对话真正的价值，不在于某个功能细节，而在于 Anthropic 展现出的整体思路：大模型不是一次性“训练完成”的产品，而是通过无数交互、取舍和打磨逐渐成形的系统。对 AI 从业者来说，最大的 takeaway 是：别只盯着参数和榜单，多想想用户如何建立信任、如何长期使用、如何在不确定中前进。真正的竞争力，往往藏在这些“看起来不够技术”的决策里。

关键词： Anthropic， Claude， 提示工程， 模型记忆， 产品管理

事实核查备注： 需要核查：1）嘉宾是否为 Anthropic 内部第一位提示工程师；2）视频中关于 Claude memory 功能的原始表述；3）对“模型性格”评价的原话语境；4）视频发布时间与嘉宾身份信息。