律动BlockBeats

BlockBeats 消息，4 月 16 日，据 The Block 数据，伴随美伊和谈，石油交易品种的价格波动降低，同期美股涨势如虹，Trade.xyz 平台上标普 500 指数合约持仓量实现两日增长超 40%，由 14 日的 2.81 亿美元的区间低位迅速增至 4.07 亿美元，成为目前该平台最大持仓量品种。

而 WTI 原油和布伦特原油品种的合约持仓量则显著降低，由 14 日的 8.45、3.52 亿美元分别降至 3.89、2.74 亿美元。

BlockBeats 消息，4 月 16 日，据 The Block 报道，获 Solana 研究院支持的美国超级政治行动委员会 Sentinel Action Fund 表示，将联合其姊妹倡导组织 Right Vote 投入 800 万美元，支持共和党参议员 Jon Husted 在俄亥俄州即将到来的选举中对阵 Sherrod Brown，以阻止前参议员、加密行业怀疑者 Sherrod Brown 重返参议院。

美国联邦选举委员会文件显示，Solana 研究院已向 Sentinel Action Fund 捐赠 75 万美元，Multicoin Capital 捐赠 25 万美元。

BlockBeats 消息，4 月 16 日，据 The Block 报道，获 Solana 研究院支持的美国超级政治行动委员会 Sentinel Action Fund 表示，将联合其姊妹倡导组织 Right Vote 投入 800 万美元，支持共和党参议员 Jon Husted 在俄亥俄州即将到来的选举中对阵 Sherrod Brown，以阻止前参议员、加密行业怀疑者 Sherrod Brown 重返参议院。

美国联邦选举委员会文件显示，Solana 研究院已向 Sentinel Action Fund 捐赠 75 万美元，Multicoin Capital 捐赠 25 万美元。

BlockBeats 消息，4 月 16 日，据 GMGN 监测 显示，昨夜，Solana 生态 Meme 币 BULL 市值短时突破 1100 万美元，现回落至 890 万美元，24 小时涨幅保有 30%，同期成交量达 340 万美元。

据悉，该代币此前拉涨受 Shib 官方推特与 BULL 社区账号互动并关注影响。

BlockBeats 提醒用户，Meme 币交易波动巨大，多依赖市场情绪和概念的炒作，并无实际价值或用例，投资者需注意风险。

卖跑鞋的人，也来做算力的生意了。

4 月 15 日，美利奴羊毛运动鞋的制造商 Allbirds 宣布将自己变成一家 AI 算力公司，更名「NewBird AI」，股价当天收盘暴涨 582%。

消息发布时，这家公司的鞋履业务刚以 3900 万美元卖给品牌管理公司 American Exchange Group，不到五年前 IPO 峰值估值 40 亿美元的 1%。

Allbirds 的故事是个标准的品牌衰亡叙事。

2016 年凭一双美利奴羊毛跑鞋在硅谷出圈，定位舒适、环保、极简，成为科技从业者的标配制服。2021 年 11 月登陆纳斯达克，IPO 融资超 3 亿美元，市场给出了 40 亿美元的高估值。

极简的设计和「环保」的道德光环，完美契合了科技圈的审美基因。从谷歌联合创始人 Larry Page，到推特前 CEO Dick Costolo、再到苹果 CEO 蒂姆·库克，风险投资人 Ben Horowitz、「互联网女皇」Mary Meeker、还有马云……

硅谷开始流传一句话：「但凡是有投资人的地方，十有八九可以看到一双 Allbirds。」

但画风急转。公司砸钱扩张实体店，推出非核心产品，试图抓住 Z 世代，结果两头落空。老客户嫌它变了，新客户根本没来。营收连续下滑，2025 年净亏损 7730 万美元，股价从高位跌去 99%，沦为真正意义上的「垃圾股」。2026 年 2 月，美国所有全价实体店悉数关闭。

公司已经死过一次。剩下的，是一个在纳斯达克挂牌的空壳和几个拿着股权的人。

CEO Joe Vernachio，前任联合创始人 Joey Zwillinger 在 2024 年 3 月辞职后接任的救火队长，做了一个激进的决定。

彻底烧掉鞋，换一张新牌来打。出售鞋履资产后，公司手里有一笔来自卖鞋的钱，有一个纳斯达克的上市地位，还有在「AI」这个词上押注的意愿。

这三个标签，或许在 2026 年的市场环境下，也足够撑起一个新故事了。

从运动鞋到 GPU：一个壳的自我救赎

NewBird AI 的核心是一笔 5000 万美元的可转债融资，来自一家「未披露的机构投资者」。

公司计划用这笔钱购买高性能 GPU，以「GPU 即服务」的模式租赁给 AI 开发者和研究机构。官方新闻稿的措辞是：「北美数据中心空置率处于历史低位，市场上预计 2026 年中期上线的算力已被提前锁定。企业、AI 开发者和研究机构无法通过超大规模云厂商或现货市场获得所需的算力。」

这段话描述的市场现实是真实的。H100 等高端 GPU 供应确实紧张，CoreWeave、Lambda Labs 这类 Neocloud 玩家正在疯狂融资扩产，但门槛极高。问题是，5000 万美元能在这个战场上占到什么位置？

当前高端 GPU 租赁价格居高不下，2026 年初还上涨了约 40%。CoreWeave 的最新一轮融资规模高达数十亿美元。NewBird AI 以 5000 万美元入场，等于带着一把小刀走进了一场坦克战。更关键的是：GPU 从哪里买，怎么保证供应链，谁来运营数据中心，这些问题，官方文件里一个字都没有。

配售代理的身份也值得关注。这次 5000 万美元可转债的承销方是 Chardan Capital Markets，一家在 SPAC 和反向并购领域深耕多年的投行。选择 Chardan，本身就是一个信号，它暗示这笔交易的结构比「内部转型」要复杂得多，也许更接近一次精心设计的「借壳」操作，只是包装成了自主转型的叙事。

谁在这场狂欢里获利？

美国市场有一个前车之鉴。

2017 年 12 月，冰茶饮料公司 Long Island Iced Tea Corp. 将自己更名为 Long Blockchain Corp.，宣称要转型区块链业务，股价当天暴涨 380%。结果区块链业务从未真正落地，纳斯达克随即以「发表一系列误导投资者、借助区块链热度哄抬股价」为由，于 2018 年将其退市，之后 SEC 正式宣布摘牌，多名内部人士因内幕交易被起诉。

Allbirds 的转型跟这个剧本有惊人的相似之处：一家主业失败的上市公司，一个无法证伪的新方向，一个当下最热的概念词汇，以及随之而来的股价狂欢。

当然，也有不同。

2026 年的 AI 算力需求比 2017 年的区块链更具实质性，算力短缺是真实存在的行业瓶颈，而不仅是一个叙事。但「需求真实存在」跟「这家公司能接住这个需求」，是完全不同的两件事。

5 月 18 日，Allbirds/NewBird AI 将召开特别股东大会，就资产出售和可转债融资进行表决。Q3 预计向在册股东派发特别股息。

这个时间线值得玩味。股价在转型宣布当天已经暴涨 582%，从 2.49 美元冲到了 16.99 美元，盘中最高涨幅超过 800%。大量散户在消息刺激下涌入，交易量飙升至 1.5 亿股以上。而与此同时，股东大会尚未召开，所有交易都未正式完成，公司也没有任何 AI 业务的实际运营记录。

在这个窗口期里，谁最有动机，也最有能力，把手里的筹码换成现金？高管层的股权结构如何，他们在转型宣布前后的持仓变化是什么样的？可转债条款对原始投资方有什么样的保护？这些问题，目前的公开信息里没有答案。

散热器还没装好，就先把电脑卖了，这是 2026 年「AI 转型潮」的一种可能路径。

风口上的壳与风口下的市场

NewBird AI 的故事，是 2026 年 AI 市场的一个切面。

当前的算力淘金热里，真正的玩家是英伟达、微软、亚马逊，是砸了几十亿美元的 CoreWeave，是拿到国家战略背书的大型数据中心运营商。但资本市场的特点是：风吹到哪里，沙子就往哪里堆。每一个新概念出来，就有一批公司争相贴标签，无论主业是卖鞋、卖冰茶，还是什么别的东西。

这不意味着每一个「AI 转型」都是骗局，但也不意味着每一个「AI 转型」都能成立。市场的聪明之处在于，它有时候会在骗局落地之前就把价格打上去，再在现实检验来临之前就先跑掉。

Allbirds 的投资者们，曾经被一双羊毛鞋的故事打动，然后眼睁睁看着股价跌去 99%。现在，同一批股票代码的持有者，也许已经完全换了一拨人，又在被另一个故事打动。

卖跑鞋的人，也来做算力的生意了。

4 月 15 日，美利奴羊毛运动鞋的制造商 Allbirds 宣布将自己变成一家 AI 算力公司，更名「NewBird AI」，股价当天收盘暴涨 582%。

消息发布时，这家公司的鞋履业务刚以 3900 万美元卖给品牌管理公司 American Exchange Group，不到五年前 IPO 峰值估值 40 亿美元的 1%。

Allbirds 的故事是个标准的品牌衰亡叙事。

2016 年凭一双美利奴羊毛跑鞋在硅谷出圈，定位舒适、环保、极简，成为科技从业者的标配制服。2021 年 11 月登陆纳斯达克，IPO 融资超 3 亿美元，市场给出了 40 亿美元的高估值。

极简的设计和「环保」的道德光环，完美契合了科技圈的审美基因。从谷歌联合创始人 Larry Page，到推特前 CEO Dick Costolo、再到苹果 CEO 蒂姆·库克，风险投资人 Ben Horowitz、「互联网女皇」Mary Meeker、还有马云……

硅谷开始流传一句话：「但凡是有投资人的地方，十有八九可以看到一双 Allbirds。」

但画风急转。公司砸钱扩张实体店，推出非核心产品，试图抓住 Z 世代，结果两头落空。老客户嫌它变了，新客户根本没来。营收连续下滑，2025 年净亏损 7730 万美元，股价从高位跌去 99%，沦为真正意义上的「垃圾股」。2026 年 2 月，美国所有全价实体店悉数关闭。

公司已经死过一次。剩下的，是一个在纳斯达克挂牌的空壳和几个拿着股权的人。

CEO Joe Vernachio，前任联合创始人 Joey Zwillinger 在 2024 年 3 月辞职后接任的救火队长，做了一个激进的决定。

彻底烧掉鞋，换一张新牌来打。出售鞋履资产后，公司手里有一笔来自卖鞋的钱，有一个纳斯达克的上市地位，还有在「AI」这个词上押注的意愿。

这三个标签，或许在 2026 年的市场环境下，也足够撑起一个新故事了。

从运动鞋到 GPU：一个壳的自我救赎

NewBird AI 的核心是一笔 5000 万美元的可转债融资，来自一家「未披露的机构投资者」。

公司计划用这笔钱购买高性能 GPU，以「GPU 即服务」的模式租赁给 AI 开发者和研究机构。官方新闻稿的措辞是：「北美数据中心空置率处于历史低位，市场上预计 2026 年中期上线的算力已被提前锁定。企业、AI 开发者和研究机构无法通过超大规模云厂商或现货市场获得所需的算力。」

这段话描述的市场现实是真实的。H100 等高端 GPU 供应确实紧张，CoreWeave、Lambda Labs 这类 Neocloud 玩家正在疯狂融资扩产，但门槛极高。问题是，5000 万美元能在这个战场上占到什么位置？

当前高端 GPU 租赁价格居高不下，2026 年初还上涨了约 40%。CoreWeave 的最新一轮融资规模高达数十亿美元。NewBird AI 以 5000 万美元入场，等于带着一把小刀走进了一场坦克战。更关键的是：GPU 从哪里买，怎么保证供应链，谁来运营数据中心，这些问题，官方文件里一个字都没有。

配售代理的身份也值得关注。这次 5000 万美元可转债的承销方是 Chardan Capital Markets，一家在 SPAC 和反向并购领域深耕多年的投行。选择 Chardan，本身就是一个信号，它暗示这笔交易的结构比「内部转型」要复杂得多，也许更接近一次精心设计的「借壳」操作，只是包装成了自主转型的叙事。

谁在这场狂欢里获利？

美国市场有一个前车之鉴。

2017 年 12 月，冰茶饮料公司 Long Island Iced Tea Corp. 将自己更名为 Long Blockchain Corp.，宣称要转型区块链业务，股价当天暴涨 380%。结果区块链业务从未真正落地，纳斯达克随即以「发表一系列误导投资者、借助区块链热度哄抬股价」为由，于 2018 年将其退市，之后 SEC 正式宣布摘牌，多名内部人士因内幕交易被起诉。

Allbirds 的转型跟这个剧本有惊人的相似之处：一家主业失败的上市公司，一个无法证伪的新方向，一个当下最热的概念词汇，以及随之而来的股价狂欢。

当然，也有不同。

2026 年的 AI 算力需求比 2017 年的区块链更具实质性，算力短缺是真实存在的行业瓶颈，而不仅是一个叙事。但「需求真实存在」跟「这家公司能接住这个需求」，是完全不同的两件事。

5 月 18 日，Allbirds/NewBird AI 将召开特别股东大会，就资产出售和可转债融资进行表决。Q3 预计向在册股东派发特别股息。

这个时间线值得玩味。股价在转型宣布当天已经暴涨 582%，从 2.49 美元冲到了 16.99 美元，盘中最高涨幅超过 800%。大量散户在消息刺激下涌入，交易量飙升至 1.5 亿股以上。而与此同时，股东大会尚未召开，所有交易都未正式完成，公司也没有任何 AI 业务的实际运营记录。

在这个窗口期里，谁最有动机，也最有能力，把手里的筹码换成现金？高管层的股权结构如何，他们在转型宣布前后的持仓变化是什么样的？可转债条款对原始投资方有什么样的保护？这些问题，目前的公开信息里没有答案。

散热器还没装好，就先把电脑卖了，这是 2026 年「AI 转型潮」的一种可能路径。

风口上的壳与风口下的市场

NewBird AI 的故事，是 2026 年 AI 市场的一个切面。

当前的算力淘金热里，真正的玩家是英伟达、微软、亚马逊，是砸了几十亿美元的 CoreWeave，是拿到国家战略背书的大型数据中心运营商。但资本市场的特点是：风吹到哪里，沙子就往哪里堆。每一个新概念出来，就有一批公司争相贴标签，无论主业是卖鞋、卖冰茶，还是什么别的东西。

这不意味着每一个「AI 转型」都是骗局，但也不意味着每一个「AI 转型」都能成立。市场的聪明之处在于，它有时候会在骗局落地之前就把价格打上去，再在现实检验来临之前就先跑掉。

Allbirds 的投资者们，曾经被一双羊毛鞋的故事打动，然后眼睁睁看着股价跌去 99%。现在，同一批股票代码的持有者，也许已经完全换了一拨人，又在被另一个故事打动。

BlockBeats 消息，4 月 16 日，据 Hyperinsight 监测显示，过去十分钟，0x965 开头地址以 40 倍高杠杆开立 BTC 多头仓位，规模达 1260 万美元，均价 74,959 美元，清算价 73,980 美元。随后，该地址设置了极窄的止损线，位于 74,700 美元，距当前价格仅 200 美元。

今日早些时候，该地址曾两次以千万级规模建仓标普 500 指数多单，意图追涨，此前曾多次开立原油空单。整体偏向押注风险市场流动性回升。

地址：0x9657aa2cd45f2cfe77bef47f026bd835edcd165c

BlockBeats 消息，4 月 16 日，据分析师 Alicharts，比特币正处于变盘关键节点。比特币正在测试 100 日简单移动平均线 (SMA) 这一阻力位，这是其六个月内第三次测试。此前两次均以失败告终：

去年 10 月份，比特币突破失败，导致从 116,000 美元下跌 30% 至 80,000 美元。

1 月份，比特币同样突破失败，导致从 97,000 美元下跌 39% 至 59,800 美元。

Alicharts 警告称，在这里第三次遭遇拒绝将是一次重大的结构失效。它可能引发三重顶效应，将比特币价格潜在推回年度低点 59,800 美元。而如果 BTC 最终能够突破这一障碍并收盘于 100 日 SMA 上方，那么上限将被打破。这里突破将开辟通往 80,000 – 84,000 美元的直接路径，确认宏观调整可能已经结束。

BlockBeats 消息，4 月 16 日，据分析师 Alicharts，比特币正处于变盘关键节点。比特币正在测试 100 日简单移动平均线 (SMA) 这一阻力位，这是其六个月内第三次测试。此前两次均以失败告终：

去年 10 月份，比特币遭遇拒绝，导致从 116,000 美元下跌 30% 至 80,000 美元。1 月份，比特币同样遭遇拒绝，导致从 97,000 美元下跌 39% 至 59,800 美元。

Alicharts 警告称，在这里第三次遭遇拒绝将是一次重大的结构失效。它可能引发三重顶效应，将比特币价格潜在推回年度低点 59,800 美元。

如果 BTC 最终能够突破这一障碍并收盘于 100 日 SMA 上方，那么上限将被打破。这里突破将开辟通往 80,000 – 84,000 美元的直接路径，确认宏观调整可能已经结束。

BlockBeats 消息，4 月 16 日，据 Hyperinsight 监测显示，过去十分钟，0x965 开头地址以 40 倍高杠杆开立 BTC 多头仓位，规模达 1260 万美元，均价 74,959 美元，清算价 73,980 美元。随后，该地址设置了极窄的止损线，位于 74,700 美元，距当前价格仅 200 美元。

今日早些时候，该地址曾两次以千万级规模建仓标普 500 指数多单，意图追涨，此前曾多次开立原油空单。整体偏向押注风险市场流动性回升。

地址：0x9657aa2cd45f2cfe77bef47f026bd835edcd165c

BlockBeats 消息，4 月 16 日，白宫顾问、特朗普的高级助手斯蒂芬·米勒在接受福克斯新闻采访时表示，美国可以继续「无限期」封锁伊朗港口。米勒表示，特朗普是「一位爱好和平的人」，但他同时补充道，美国已经明确表明了自己的立场：「美国不会被欺凌，美国也永远都不会受到拥有核武器的伊朗的威胁。现在不会，永远都不会。」

米勒表示：「一场军事行动可能会彻底摧毁伊朗的能源基础设施数代之久。但特朗普明确表示自己不想这么做。他希望伊朗能选择正确的道路来达成协议。这项封锁正在严重损害伊朗政权的经济实力，而美国有能力无限期地维持这种封锁状态，前提是伊朗选择了错误的道路。」

BlockBeats 消息，4 月 16 日，针对昨日提出的 BIP-361「量子冻结」方案，BitMEX Research 发布研究文章表示，这种「一刀切冻结」影响较大，可能在真正的量子威胁尚未出现前，就先扰动市场和用户资产。

文章同时给出替代方案，即五年后先进入「金丝雀观察状态」：链上预先设置一个特殊的「金丝雀基金」地址，并通过特殊方式证明没有人掌握其私钥。只要这个地址一直没人动，就说明还没有出现真正能偷走比特币的量子计算机，量子脆弱地址中的比特币仍可正常使用；只有当链上真的出现从该地址成功转出的交易，才意味着量子攻击已具备现实威胁，冻结机制随即立即启动。

原文标题：25 Claude Prompts That Will Save You 15 Hours Every Week 原文作者：Khairallah AL-Awady 编译：Peggy，BlockBeats

编者按：在 AI 工具爆发的这一年，真正拉开差距的，已经不只是「会不会用模型」，而是能不能把模型嵌入自己的工作流，变成一套稳定、可复用、可复制的系统。

这篇文章的价值，不在于再罗列一批新奇提示词，而在于它提供了一组经过高频筛选后留下来的「工作型 Prompt」：从写作起稿、内容分发、会议准备，到决策拆解、定价分析、委托协作，再到复盘、预演失败与多视角思考，这 25 条提示词几乎覆盖了知识工作者最常见的时间黑洞。它们不是为了「玩 AI」，而是为了减少重复劳动、压缩试错成本，并把模糊任务转化为结构化输出。

更重要的是，这份清单透露出一个越来越清晰的趋势：未来的效率差距，未必来自更强的个人能力，而更可能来自更好的系统设计。谁能更早把经验、判断与流程沉淀为可调用的模板，谁就更有可能在同样的时间里，完成更多、更稳定、也更高质量的工作。

某种意义上，Prompt 不再只是提问技巧，而正在成为新的个人操作系统。

以下为原文：

我花了 6 个月时间，每天测试各种提示词。最后留下来的，只有这 25 个。

建议收藏 :)

大多数提示词清单其实都是花架子。「假装你是个海盗来解释量子物理。」听起来挺酷，但实际几乎没有任何价值。这份清单不一样。这里的每一个提示词，解决的都是你每周都会花时间处理的真实问题。直接复制、粘贴，用它们把你的时间拿回来。

写作与内容（1–7）

1、首稿终结者

我需要一篇关于 [主题] 的 [类型：博客 / 通讯 / 文章] 初稿。

·受众：[目标读者是谁]

·语气：[具体风格，例如：直接、略带一点不拘一格]

·长度：[字数要求]

·不要呈现出：通用 AI 风格、企业套话、LinkedIn 式「成功学」表达

·不要包含：空洞填充句、不必要的免责声明、「在这个快节奏的时代」之类的套话

以下是我写作风格的示例：

[粘贴你过往最满意的一篇内容]

请匹配示例中的语气与表达张力，写出一篇完整初稿。

为什么有效： 「负面约束」可以有效去除 AI 味；而示例比任何描述都更能教会模型你的写作风格。这一个提示词，能替代你对着空白页面发呆的 90 分钟。

2、Thread 扩展器

把这个想法扩展成一个 10 条的 X（Twitter）Thread ：

[粘贴你的观点或热评]

规则：

·第 1 条必须是一个钩子，要么引发好奇，要么提出强观点

·每条控制在 1–3 句话

·使用具体例子和数字，不要空泛表达

·第 10 条必须包含明确的行动号召（CTA）

·不要使用标签（hashtags）

·除非非常必要，否则不要使用 emoji

·不要写成：励志演讲或 LinkedIn 成功学风格

为什么有效： 结构约束会强迫内容形成清晰的叙事逻辑；负面约束则避免它写成千篇一律的「AI 线程」。

3、内容复用器

我有一篇长内容，请帮我拆分成多种格式：

原始内容：[粘贴文章 / 通讯 / 转录]

请生成：

·5 条独立推文（每条都能单独成立，而不是简单摘句）

·2 条 LinkedIn 帖子（专业但不无聊，每条不超过 200 字）

·3 个 Instagram 文案（轻松、口语化，不超过 150 字）

·1 封邮件引导文案（少于 100 字，标题要有好奇心驱动）

要求：

·所有平台保持统一表达风格

·根据平台调整长度与语气，但核心信息保持一致

为什么有效： 1 小时的写作，变成 4 个平台一整周的内容。「独立成条」的要求避免了偷懒式摘抄。

4、标题生成器

针对这个主题生成 20 个标题：[主题]

使用以下框架（每种至少 2 个）：

·好奇差：「为什么 X 会导致 Y（以及这对 Z 意味着什么）」

·数字型：「7 个方法…」/「我测试了 200 个工具…」

·教程型：「如何在不做 Y 的情况下实现 X」

·反常识：「X 是错的，原因如下」

·社会证明：「我是如何做到 X 的」

·愿望型：「我想要实现 [目标]（完整路径）」

从中选出你最推荐的 5 个，并解释为什么它们能让人停下来点击。

为什么有效： 大多数人只写一个标题然后「赌运气」。这个方法一次生成 20 个候选，并强制模型评估「哪一个真的能抓住注意力」。

5、邮件序列写手

为 [产品 / 服务] 写一个 5 封邮件的欢迎序列。

·目标用户：[是谁]

·核心痛点：[他们最大的困扰]

·最终目标：[第 5 封邮件希望用户完成什么行为]

每封邮件需包含：

·标题（不超过 50 字，激发好奇）

·预览文本（不超过 90 字）

·正文（不超过 200 字，口语化，一个清晰 CTA）

·发送时间（注册后第几天）

·A/B 测试标题

规则：

·邮件 1：提供即时价值，不做销售

·邮件 2：讲一个与痛点相关的故事

·邮件 3：自然引入解决方案

·邮件 4：提供社会证明或案例

·邮件 5：直接提出转化请求，并制造紧迫感

每一封邮件都要像「一个人写给另一个人」，而不是营销部门产物。

为什么有效： 这一条提示词，可以替代市场上收费 500–2000 美元的文案服务。结构设计保证每封邮件都有明确战略目的，而不是「凑数发信」。

6、SEO 内容简报生成器

为关键词 [关键词] 创建一份完整的博客内容简报。

需要包含：

1、推荐标题（自然包含目标关键词）

2、Meta 描述（不超过 155 字，包含关键词）

3、建议的 URL slug

4、建议字数

5、文章结构（包含 H2、H3 标题）

6、5 个相关关键词（自然融入正文）

7、3 个站内链接机会（提供锚文本和插入位置）

8、2 个外部权威来源建议

9、抢占 Featured Snippet 的内容设计（写出最有可能被收录的段落格式）

这份简报应详细到：任何写作者无需额外调研即可完成文章。

为什么有效： 原本需要 2 小时的选题和结构规划，现在 2 分钟搞定。尤其是 Featured Snippet 的设计，大多数人根本不会主动优化这一点。

7、写作风格克隆器

分析以下写作样本，提炼我的写作风格：

[粘贴你最好的 2–3 篇文章]

生成一个「风格画像（Voice Profile）」，包括：

·句长模式（短句 / 中等 / 长句 / 混合）

·词汇层级（简单 / 技术 / 学术）

·语气特征（列出 5 个形容词）

·结构习惯（段落长度、是否用小标题、偏列表还是叙述）

·常用表达或句式

·从不使用的表达（正式 / 口语倾向）

·内容能量感（冷静 / 紧张 / 强烈 / 对话感）

然后用这个风格，写一段 200 字关于 [任意主题] 的内容，我会用来对比验证。

为什么有效：

做一次，把结果保存下来。之后所有提示词都能直接「套用你的声音」，而不是每次都写成标准 AI 风格。

研究与分析（8–14）

8、会议准备简报

我将在 [时间] 与 [公司] 的 [人物] 开会。

请生成一页简报，包含：

·对方背景（职位、职业经历、关键履历）

·公司情况（业务、最新动态、当前挑战）

·最近公开发言 / 文章 / 社交媒体内容

·与本次会议主题 [主题] 相关的 3 个切入点

·3 个有质量的问题

·1 个可建立关系的共同点

·格式需可快速浏览（5 分钟内读完）。

为什么有效： 直接替代你开会前 30 分钟的 LinkedIn + Google 搜索。「共同点」这一项，往往比任何准备都更有用。

9、决策矩阵

我需要在以下问题中做决策：[决策内容]

选项：

·[选项 A]

·[选项 B]

·[选项 C（可选）]

我的优先级（按重要性排序）：

[最重要因素]

[第二重要]

[第三重要]

请对每个选项：

·在每个维度打分（1–10）

·列出 2 个最大风险

·列出 2 个最大优势

·说明：什么条件成立时，这个选项会成为最优解

最后，用 3 句话给出明确推荐。不要模棱两可，必须选一个，并为其辩护。

为什么有效：「不要模棱两可」是关键。否则模型只会给你一堆平衡分析，毫无决策价值。

10、竞品拆解

以「竞争情报分析师」的视角，分析 [竞品名称 / URL]

包括：

1、卖什么？卖给谁？（细分用户）

2、定价模式（及大致价格区间）

3、定位（自我描述 vs 市场认知）

4、最强优势 / 差异点

5、最大短板 / 空白

6、最新动作（产品、招聘、融资、合作）

7、它比我们强在哪：[你的产品]

8、我们比它强在哪

最后输出：

→ 基于其弱点，我们可以利用的 3 个战略机会

要求：

只使用事实信息；不确定的部分必须标注「未验证」。

为什么有效： 原本需要半天的竞品调研，这一条 prompt 就能完成。「标注未验证」可以避免模型胡编乱造。

11、读书处理器

我刚读完：[书名]—作者：[作者]

请生成结构化总结：

1、核心观点（最多 3 句话）

2、5 个关键观点（每个 2–3 句话，用我自己的语言表达）

3、最强论点（以及为什么强）

4、最弱论点（以及为什么弱）

5、3 个可落地应用（针对我的：[工作 / 业务 / 生活]）

6、值得收藏的金句（最多 5 条）

7、谁适合读 / 谁不适合读

写作风格：像在给一个「只要结论」的高管做简报。

为什么有效： 把一本 6 小时的书，压缩成 10 分钟可执行信息。「应用到我自己」的部分，才是关键价值。

12、数据解读器

这是我的数据：

[粘贴或描述数据]

请分析并输出：

1、3 个最重要趋势（附具体数字）

2、异常点 / 离群值

3、变量之间的相关性（如果存在

4、下一步建议（2–3 条）

5、数据的局限性（它无法告诉我们的东西）

输出两种版本：

·3 句话高管摘要（30 秒读完）

·详细分析（5 分钟读完）

如果数据不足以得出结论，请直接说明，不要猜测。

为什么有效： 「双版本输出」是关键：你有速读版，也有可对外解释版；同时避免因数据不完整而做出过度自信的判断。

13、SOP 生成器

我接下来会描述一个我日常会重复执行的流程，请把它整理成一份结构化的标准操作流程（SOP）。

我的流程：

[用口语描述你在做的事情，例如：「每周一我会查看数据，把指标拉到表格里，做环比对比，标记异常，然后写总结给团队」]

请生成一份 SOP，包含：

1、目的（1 句话：这个流程存在的原因）

2、频率（执行频率）

3、前置条件（开始前需要准备什么）

4、操作步骤（编号列出，具体且无歧义）

5、质量检查（如何确认每一步做对了）

6、常见错误（需要避免什么）

7、时间预估（完成所需时间）

格式要求：让一个新员工第一天上手就能执行，无需额外提问。

为什么有效： 每个人脑子里都有大量「从未被写下来的流程」。这个提示词能把它们抽取出来，变成可以交给别人执行，甚至可以交给 AI 自动化的结构化资产。

15、假设拆解器

我正在规划：[项目 / 决策 / 策略]

我的假设如下：

[假设 1]

[假设 2]

[假设 3]

请对每个假设：

·评估可信度（高 / 中 / 低）并说明原因

·指出这个假设成立需要满足什么条件

·描述如果这个假设是错的，最坏情况会是什么

·给出一个可以快速验证 / 否定它的方法（在投入前完成）

然后再指出：

→ 我很可能还隐含做出的 2 个「未列出的假设」，并解释原因

要求：保持直接、诚实，不要弱化坏消息。

为什么有效： 这是整份清单里最被低估的一个提示词。「隐藏假设」这一部分，往往能直接避免做出错误决策。人最难看清的，就是自己的盲点。

生产力与商业（15–21）

15、周复盘引擎

这是我本周的情况：

已完成：[完成的事情]

进行中：[正在推进的]

卡住的：[卡在哪里 + 原因]

成果：[任何进展或里程碑]

基于以上内容，请回答：

1、本周影响力最大的行动是什么？

2、哪些事情耗费时间但没有产生实质结果？

3、你观察到我卡点的模式是什么？

4、下周我应该优先做什么（仅列 3 个）？

5、我应该停止做什么或委托出去？

要求：

直接说，如果某件事是在浪费时间，就指出来。

为什么有效： 5 分钟完成周复盘，而不是 30 分钟。「直接说」这个约束，可以避免模型对你所有行为都「鼓掌」。

16、客户提案生成器

为 [客户名称] 撰写一份项目提案。

项目内容：[你提供什么]

客户核心问题：[他们的需求]

时间周期：[预计周期]

预算范围：[价格区间]

结构：

1、问题理解（3 句话，证明你听懂了）

2、解决方案（你会做什么）

3、范围界定（包含什么 & 明确不包含什么）

4、时间规划（关键里程碑）

5、投资（价格与付款方式）

6、下一步（明确行动与 CTA）

语气：专业、自信，但不僵硬

长度：不超过 800 字

为什么有效： 大多数提案要么太长，要么太空。「明确不包含什么」可以从一开始避免需求膨胀；「简洁本身就是一种自信」。

17、冷启动外联写手

我想联系 [某人]（来自 [公司]），关于 [你提供的内容]

他的职位：[职位]

公司业务：[简介]

与他相关的一点信息：[最近动态 / 文章 / 成就 / 公司新闻]

请写一封冷邮件：

·开头必须针对「他本人」（不要用「希望你一切顺利」）

·3 句话内切入重点

·清楚说明我做什么，以及为什么对他有价值

·CTA 要低摩擦（不要「约 30 分钟会议」）

总长度：不超过 100 字

不要像：模板、销售话术、LinkedIn 私信

要像：一个聪明的人，看到相关信息后自然发出的联系

为什么有效： 「100 字限制」是关键，它迫使你删除一切不必要内容。「像 / 不像」的约束，能去掉 AI 最常见的表达问题。

18、反馈翻译器

我收到了这段反馈：

[粘贴反馈内容]

请帮我：

1、去掉情绪，提炼出 3 个最关键的可执行点

2、分析「对方真正想要的」vs「表面说的内容」（通常不同）

3、标注严重程度：哪些是底线问题，哪些只是偏好

4、写一段回复：回应反馈、逐点处理、明确下一步

语气：[专业 / 感谢 / 坚定 三选一]

长度：不超过 150 字

为什么有效： 人在情绪中很难正确处理反馈。这个提示词相当于一个「降温器」，把情绪翻译成行动。尤其是「真正想要什么」这一点，价值极高。

19、会议消灭器

这是一个会议的议程或背景：

[粘贴会议邀请 / 议程 / 描述目的]

请判断：

1、是否可以用异步文档替代？如果可以，直接写出该文档

2、如果必须开会，核心需要做出的唯一决策是什么？

3、谁必须参与？（剔除只是「被通知」的人）

4、最短需要多久？（默认 25 分钟，超过需解释）

5、写一段 3 行的会前阅读材料（避免前 10 分钟讲背景）

目标：要么取消会议，要么让它缩短一半。

为什么有效： 平均每个职场人每月有 31 小时浪费在无效会议上。仅这一条，就足够每周帮你省下至少 1 小时。

20、定价策略顾问

我向 [目标用户] 销售 [产品 / 服务]

当前价格：[价格]

当前转化率：[如果有]

竞品价格：[列 2–3 个]

核心差异：[你的优势]

请分析：

1、我是定价过低、过高，还是合理？为什么？

2、什么定价模式最优？（一次性 / 订阅 / 分层 / 按使用量）

3、如果涨价 50% / 100%，可能会发生什么？

4、用户当前对价格最大的疑问是什么？

5、写一句话：当被问「为什么这么贵」时，我可以如何解释

要求：直接说。大多数人因为恐惧而低估自己，如果是这样，就指出来。

为什么有效： 定价是商业中杠杆最高的决策之一。涨价 20%，利润可能直接翻倍。但大多数人不愿面对这个问题。

21、委托任务格式化器

我需要把这个任务交给别人：

[用自己的话描述任务]

请转化为一份委托说明，包括：

1、任务概述（1 句话：做什么 + 为什么）

2、完成标准（具体到结果长什么样）

3、约束条件（预算、时间、工具、禁忌）

4、决策权限（哪些可以自行决定，哪些需要我确认）

5、检查节点（什么时候向我汇报）

6、常见错误（这类任务常出的问题）

格式要求：

可直接复制到 Slack 或邮件中使用

长度：不超过 200 字

为什么有效： 错误的委托，比自己做更累。这个提示词强制你明确两件大多数人忽略的事： → 完成标准 → 决策权限

这两点能减少 80% 的反复沟通。

思考与策略（22–25）

22、反向头脑风暴

我想要实现 [目标]。

首先，请先头脑风暴 10 种一定会让我失败的方法。要具体，也要有创意。

然后，把每一种失败模式反过来，转化成对应的成功策略。

最后，从这些「反转后的策略」里，选出最值得优先考虑的 3 个，并按以下标准排序：

·最反直觉（是我平时根本想不到的）

·最可执行（这周就可以开始做）

·最有影响力（最能推动结果）

对于排名前 3 的每一个策略，请给出一个我明天就可以采取的具体第一步。

为什么有效： 直接头脑风暴，往往只会得到一些可预测的想法；但把「失败路径」反过来推演，往往会出现真正出人意料的策略。这是我最喜欢的 Claude 用法之一，因为它经常能给出我用正常思路根本想不到的点子。

23、预演复盘

我即将做 [某个决策 / 某次发布 / 某个项目]。

请假设现在已经是 6 个月后，而且这件事已经彻底失败了。

请写一份「事后复盘」，包括：

1、到底哪里出了问题？（列出 5 个具体失败点，不要用「执行不佳」这种空话）

2、我忽视了哪些预警信号？

3、我原本哪些假设最后被证明是错的？

4、谁受到了影响？具体是怎么受影响的？

5、如果我能回到过去，会做哪些不同的决定？

然后回到现在。基于这份 pre-mortem，请继续回答：

·上述失败点里，哪 2 个最有可能真的发生？

·我这周可以做什么，来预防或减轻这两个问题？

请尽可能诚实，甚至残酷一点。我宁愿现在听到难听的真话，也不想以后用更高代价去学会它。

为什么有效： Pre-mortem 是最强大的战略工具之一，但真正会用的人极少。让 Claude 从「未来失败」的角度倒推，能够暴露出那些在当下乐观情绪里很容易被忽视的风险。

24、第二大脑整合器

这是我在过去 [时间范围] 内积累的笔记：

[粘贴你的原始笔记、想法、摘录、观察]

请把这些内容整合成：

1、所有笔记中最重要的 3 个主题或模式

2、我可能没有注意到的观点连接（来自不同语境、但彼此相关的想法）

3、这些笔记中隐藏的、最重要的单一洞见

4、从这些模式中自然浮现出的 2 个行动项

5、基于我一直在追踪的内容，我现在最该问自己的 3 个问题

不要只是逐条总结每一则笔记。请跨越所有内容，找出真正的「信号」。我要的是涌现，不是重复。

为什么有效： 我们每个人都会记很多笔记，但几乎从不回看。这条提示词可以把一堆杂乱碎片，压缩成真正有价值的综合洞见。而「那些我没意识到的想法连接」，恰恰是它最有价值的地方。

25、个人顾问团

我现在面对这样一个情况：

[描述你的处境、问题或决策]

请从以下 5 个视角来分析它：

·务实执行者 ——只关心什么有效，不在乎理论

·怀疑型投资人 ——对所有假设都保持警惕，优先看风险

·创意型战略师 ——擅长发现别人忽略的非常规路径

·客户 / 用户 ——不在乎我的困难，只在乎自己的体验

·长期主义者 ——不在意短期痛苦，只看 3 年后会走向哪里

每位「顾问」用 2–3 句话给出自己的看法。

然后，把这 5 种意见综合起来，给出一个你推荐的行动方案，并说明理由。

如果这些顾问在某个根本问题上意见冲突，请明确指出这种张力。不要为了显得完整，就强行把它们揉成一致。

为什么有效： 这是整份清单里最强的提示词。五种不同视角，会比单一分析带来丰富得多的判断。「不要人为消解张力」这一点尤其重要，因为真实决策本来就包含无法被轻易抹平的权衡。

总结（TL;DR）

25 个提示词。全部经过日常测试。没有一个是花架子。

挑出那些和你工作最相关的，复制，粘贴，改掉括号里的内容，然后直接用。

一个人每周工作 50 小时，另一个人 40 小时就能做出同样结果，差别不在天赋，而在系统。

这些提示词，本质上就是系统。

希望这些内容对你有帮助。

[原文链接]

BlockBeats 消息，4 月 16 日，针对昨日提出的 BIP-361「量子冻结」方案，BitMEX Research 发布研究文章表示，这种「一刀切冻结」影响较大，可能在真正的量子威胁尚未出现前，就先扰动市场和用户资产。

文章同时给出替代方案，即五年后先进入「金丝雀观察状态」：链上预先设置一个特殊的「金丝雀基金」地址，并通过特殊方式证明没有人掌握其私钥。只要这个地址一直没人动，就说明还没有出现真正能偷走比特币的量子计算机，量子脆弱地址中的比特币仍可正常使用；只有当链上真的出现从该地址成功转出的交易，才意味着量子攻击已具备现实威胁，冻结机制随即立即启动。

原文标题：25 Claude Prompts That Will Save You 15 Hours Every Week
原文作者：Khairallah AL-Awady
编译：Peggy，BlockBeats

编者按：在 AI 工具爆发的这一年，真正拉开差距的，已经不只是「会不会用模型」，而是能不能把模型嵌入自己的工作流，变成一套稳定、可复用、可复制的系统。

这篇文章的价值，不在于再罗列一批新奇提示词，而在于它提供了一组经过高频筛选后留下来的「工作型 Prompt」：从写作起稿、内容分发、会议准备，到决策拆解、定价分析、委托协作，再到复盘、预演失败与多视角思考，这 25 条提示词几乎覆盖了知识工作者最常见的时间黑洞。它们不是为了「玩 AI」，而是为了减少重复劳动、压缩试错成本，并把模糊任务转化为结构化输出。

更重要的是，这份清单透露出一个越来越清晰的趋势：未来的效率差距，未必来自更强的个人能力，而更可能来自更好的系统设计。谁能更早把经验、判断与流程沉淀为可调用的模板，谁就更有可能在同样的时间里，完成更多、更稳定、也更高质量的工作。

某种意义上，Prompt 不再只是提问技巧，而正在成为新的个人操作系统。

以下为原文：

我花了 6 个月时间，每天测试各种提示词。最后留下来的，只有这 25 个。

建议收藏 :)

大多数提示词清单其实都是花架子。「假装你是个海盗来解释量子物理。」听起来挺酷，但实际几乎没有任何价值。这份清单不一样。这里的每一个提示词，解决的都是你每周都会花时间处理的真实问题。直接复制、粘贴，用它们把你的时间拿回来。

写作与内容（1–7）

1、首稿终结者

我需要一篇关于 [主题] 的 [类型：博客 / 通讯 / 文章] 初稿。

·受众：[目标读者是谁]

·语气：[具体风格，例如：直接、略带一点不拘一格]

·长度：[字数要求]

·不要呈现出：通用 AI 风格、企业套话、LinkedIn 式「成功学」表达

·不要包含：空洞填充句、不必要的免责声明、「在这个快节奏的时代」之类的套话

以下是我写作风格的示例：

[粘贴你过往最满意的一篇内容]

请匹配示例中的语气与表达张力，写出一篇完整初稿。

为什么有效：
「负面约束」可以有效去除 AI 味；而示例比任何描述都更能教会模型你的写作风格。这一个提示词，能替代你对着空白页面发呆的 90 分钟。

2、Thread 扩展器

把这个想法扩展成一个 10 条的 X（Twitter）Thread ：

[粘贴你的观点或热评]

规则：

·第 1 条必须是一个钩子，要么引发好奇，要么提出强观点

·每条控制在 1–3 句话

·使用具体例子和数字，不要空泛表达

·第 10 条必须包含明确的行动号召（CTA）

·不要使用标签（hashtags）

·除非非常必要，否则不要使用 emoji

·不要写成：励志演讲或 LinkedIn 成功学风格

为什么有效：
结构约束会强迫内容形成清晰的叙事逻辑；负面约束则避免它写成千篇一律的「AI 线程」。

3、内容复用器

我有一篇长内容，请帮我拆分成多种格式：

原始内容：[粘贴文章 / 通讯 / 转录]

请生成：

·5 条独立推文（每条都能单独成立，而不是简单摘句）

·2 条 LinkedIn 帖子（专业但不无聊，每条不超过 200 字）

·3 个 Instagram 文案（轻松、口语化，不超过 150 字）

·1 封邮件引导文案（少于 100 字，标题要有好奇心驱动）

要求：

·所有平台保持统一表达风格

·根据平台调整长度与语气，但核心信息保持一致

为什么有效：
1 小时的写作，变成 4 个平台一整周的内容。「独立成条」的要求避免了偷懒式摘抄。

4、标题生成器

针对这个主题生成 20 个标题：[主题]

使用以下框架（每种至少 2 个）：

·好奇差：「为什么 X 会导致 Y（以及这对 Z 意味着什么）」

·数字型：「7 个方法…」/「我测试了 200 个工具…」

·教程型：「如何在不做 Y 的情况下实现 X」

·反常识：「X 是错的，原因如下」

·社会证明：「我是如何做到 X 的」

·愿望型：「我想要实现 [目标]（完整路径）」

从中选出你最推荐的 5 个，并解释为什么它们能让人停下来点击。

为什么有效：
大多数人只写一个标题然后「赌运气」。这个方法一次生成 20 个候选，并强制模型评估「哪一个真的能抓住注意力」。

5、邮件序列写手

为 [产品 / 服务] 写一个 5 封邮件的欢迎序列。

·目标用户：[是谁]

·核心痛点：[他们最大的困扰]

·最终目标：[第 5 封邮件希望用户完成什么行为]

每封邮件需包含：

·标题（不超过 50 字，激发好奇）

·预览文本（不超过 90 字）

·正文（不超过 200 字，口语化，一个清晰 CTA）

·发送时间（注册后第几天）

·A/B 测试标题

规则：

·邮件 1：提供即时价值，不做销售

·邮件 2：讲一个与痛点相关的故事

·邮件 3：自然引入解决方案

·邮件 4：提供社会证明或案例

·邮件 5：直接提出转化请求，并制造紧迫感

每一封邮件都要像「一个人写给另一个人」，而不是营销部门产物。

为什么有效：
这一条提示词，可以替代市场上收费 500–2000 美元的文案服务。结构设计保证每封邮件都有明确战略目的，而不是「凑数发信」。

6、SEO 内容简报生成器

为关键词 [关键词] 创建一份完整的博客内容简报。

需要包含：

1、推荐标题（自然包含目标关键词）

2、Meta 描述（不超过 155 字，包含关键词）

3、建议的 URL slug

4、建议字数

5、文章结构（包含 H2、H3 标题）

6、5 个相关关键词（自然融入正文）

7、3 个站内链接机会（提供锚文本和插入位置）

8、2 个外部权威来源建议

9、抢占 Featured Snippet 的内容设计（写出最有可能被收录的段落格式）

这份简报应详细到：任何写作者无需额外调研即可完成文章。

为什么有效：
原本需要 2 小时的选题和结构规划，现在 2 分钟搞定。尤其是 Featured Snippet 的设计，大多数人根本不会主动优化这一点。

7、写作风格克隆器

分析以下写作样本，提炼我的写作风格：

[粘贴你最好的 2–3 篇文章]

生成一个「风格画像（Voice Profile）」，包括：

·句长模式（短句 / 中等 / 长句 / 混合）

·词汇层级（简单 / 技术 / 学术）

·语气特征（列出 5 个形容词）

·结构习惯（段落长度、是否用小标题、偏列表还是叙述）

·常用表达或句式

·从不使用的表达（正式 / 口语倾向）

·内容能量感（冷静 / 紧张 / 强烈 / 对话感）

然后用这个风格，写一段 200 字关于 [任意主题] 的内容，我会用来对比验证。

为什么有效：

做一次，把结果保存下来。之后所有提示词都能直接「套用你的声音」，而不是每次都写成标准 AI 风格。

研究与分析（8–14）

8、会议准备简报

我将在 [时间] 与 [公司] 的 [人物] 开会。

请生成一页简报，包含：

·对方背景（职位、职业经历、关键履历）

·公司情况（业务、最新动态、当前挑战）

·最近公开发言 / 文章 / 社交媒体内容

·与本次会议主题 [主题] 相关的 3 个切入点

·3 个有质量的问题

·1 个可建立关系的共同点

·格式需可快速浏览（5 分钟内读完）。

为什么有效：
直接替代你开会前 30 分钟的 LinkedIn + Google 搜索。「共同点」这一项，往往比任何准备都更有用。

9、决策矩阵

我需要在以下问题中做决策：[决策内容]

选项：

·[选项 A]

·[选项 B]

·[选项 C（可选）]

我的优先级（按重要性排序）：

[最重要因素]

[第二重要]

[第三重要]

请对每个选项：

·在每个维度打分（1–10）

·列出 2 个最大风险

·列出 2 个最大优势

·说明：什么条件成立时，这个选项会成为最优解

最后，用 3 句话给出明确推荐。不要模棱两可，必须选一个，并为其辩护。

为什么有效：「不要模棱两可」是关键。否则模型只会给你一堆平衡分析，毫无决策价值。

10、竞品拆解

以「竞争情报分析师」的视角，分析 [竞品名称 / URL]

包括：

1、卖什么？卖给谁？（细分用户）

2、定价模式（及大致价格区间）

3、定位（自我描述 vs 市场认知）

4、最强优势 / 差异点

5、最大短板 / 空白

6、最新动作（产品、招聘、融资、合作）

7、它比我们强在哪：[你的产品]

8、我们比它强在哪

最后输出：

→ 基于其弱点，我们可以利用的 3 个战略机会

要求：

只使用事实信息；不确定的部分必须标注「未验证」。

为什么有效：
原本需要半天的竞品调研，这一条 prompt 就能完成。「标注未验证」可以避免模型胡编乱造。

11、读书处理器

我刚读完：[书名]—作者：[作者]

请生成结构化总结：

1、核心观点（最多 3 句话）

2、5 个关键观点（每个 2–3 句话，用我自己的语言表达）

3、最强论点（以及为什么强）

4、最弱论点（以及为什么弱）

5、3 个可落地应用（针对我的：[工作 / 业务 / 生活]）

6、值得收藏的金句（最多 5 条）

7、谁适合读 / 谁不适合读

写作风格：像在给一个「只要结论」的高管做简报。

为什么有效：
把一本 6 小时的书，压缩成 10 分钟可执行信息。「应用到我自己」的部分，才是关键价值。

12、数据解读器

这是我的数据：

[粘贴或描述数据]

请分析并输出：

1、3 个最重要趋势（附具体数字）

2、异常点 / 离群值

3、变量之间的相关性（如果存在

4、下一步建议（2–3 条）

5、数据的局限性（它无法告诉我们的东西）

输出两种版本：

·3 句话高管摘要（30 秒读完）

·详细分析（5 分钟读完）

如果数据不足以得出结论，请直接说明，不要猜测。

为什么有效：
「双版本输出」是关键：你有速读版，也有可对外解释版；同时避免因数据不完整而做出过度自信的判断。

13、SOP 生成器

我接下来会描述一个我日常会重复执行的流程，请把它整理成一份结构化的标准操作流程（SOP）。

我的流程：

[用口语描述你在做的事情，例如：「每周一我会查看数据，把指标拉到表格里，做环比对比，标记异常，然后写总结给团队」]

请生成一份 SOP，包含：

1、目的（1 句话：这个流程存在的原因）

2、频率（执行频率）

3、前置条件（开始前需要准备什么）

4、操作步骤（编号列出，具体且无歧义）

5、质量检查（如何确认每一步做对了）

6、常见错误（需要避免什么）

7、时间预估（完成所需时间）

格式要求：让一个新员工第一天上手就能执行，无需额外提问。

为什么有效：
每个人脑子里都有大量「从未被写下来的流程」。这个提示词能把它们抽取出来，变成可以交给别人执行，甚至可以交给 AI 自动化的结构化资产。

15、假设拆解器

我正在规划：[项目 / 决策 / 策略]

我的假设如下：

[假设 1]

[假设 2]

[假设 3]

请对每个假设：

·评估可信度（高 / 中 / 低）并说明原因

·指出这个假设成立需要满足什么条件

·描述如果这个假设是错的，最坏情况会是什么

·给出一个可以快速验证 / 否定它的方法（在投入前完成）

然后再指出：

→ 我很可能还隐含做出的 2 个「未列出的假设」，并解释原因

要求：保持直接、诚实，不要弱化坏消息。

为什么有效：
这是整份清单里最被低估的一个提示词。「隐藏假设」这一部分，往往能直接避免做出错误决策。人最难看清的，就是自己的盲点。

生产力与商业（15–21）

15、周复盘引擎

这是我本周的情况：

已完成：[完成的事情]

进行中：[正在推进的]

卡住的：[卡在哪里 + 原因]

成果：[任何进展或里程碑]

基于以上内容，请回答：

1、本周影响力最大的行动是什么？

2、哪些事情耗费时间但没有产生实质结果？

3、你观察到我卡点的模式是什么？

4、下周我应该优先做什么（仅列 3 个）？

5、我应该停止做什么或委托出去？

要求：

直接说，如果某件事是在浪费时间，就指出来。

为什么有效：
5 分钟完成周复盘，而不是 30 分钟。「直接说」这个约束，可以避免模型对你所有行为都「鼓掌」。

16、客户提案生成器

为 [客户名称] 撰写一份项目提案。

项目内容：[你提供什么]

客户核心问题：[他们的需求]

时间周期：[预计周期]

预算范围：[价格区间]

结构：

1、问题理解（3 句话，证明你听懂了）

2、解决方案（你会做什么）

3、范围界定（包含什么 & 明确不包含什么）

4、时间规划（关键里程碑）

5、投资（价格与付款方式）

6、下一步（明确行动与 CTA）

语气：专业、自信，但不僵硬

长度：不超过 800 字

为什么有效：
大多数提案要么太长，要么太空。「明确不包含什么」可以从一开始避免需求膨胀；「简洁本身就是一种自信」。

17、冷启动外联写手

我想联系 [某人]（来自 [公司]），关于 [你提供的内容]

他的职位：[职位]

公司业务：[简介]

与他相关的一点信息：[最近动态 / 文章 / 成就 / 公司新闻]

请写一封冷邮件：

·开头必须针对「他本人」（不要用「希望你一切顺利」）

·3 句话内切入重点

·清楚说明我做什么，以及为什么对他有价值

·CTA 要低摩擦（不要「约 30 分钟会议」）

总长度：不超过 100 字

不要像：模板、销售话术、LinkedIn 私信

要像：一个聪明的人，看到相关信息后自然发出的联系

为什么有效：
「100 字限制」是关键，它迫使你删除一切不必要内容。「像 / 不像」的约束，能去掉 AI 最常见的表达问题。

18、反馈翻译器

我收到了这段反馈：

[粘贴反馈内容]

请帮我：

1、去掉情绪，提炼出 3 个最关键的可执行点

2、分析「对方真正想要的」vs「表面说的内容」（通常不同）

3、标注严重程度：哪些是底线问题，哪些只是偏好

4、写一段回复：回应反馈、逐点处理、明确下一步

语气：[专业 / 感谢 / 坚定 三选一]

长度：不超过 150 字

为什么有效：
人在情绪中很难正确处理反馈。这个提示词相当于一个「降温器」，把情绪翻译成行动。尤其是「真正想要什么」这一点，价值极高。

19、会议消灭器

这是一个会议的议程或背景：

[粘贴会议邀请 / 议程 / 描述目的]

请判断：

1、是否可以用异步文档替代？如果可以，直接写出该文档

2、如果必须开会，核心需要做出的唯一决策是什么？

3、谁必须参与？（剔除只是「被通知」的人）

4、最短需要多久？（默认 25 分钟，超过需解释）

5、写一段 3 行的会前阅读材料（避免前 10 分钟讲背景）

目标：要么取消会议，要么让它缩短一半。

为什么有效：
平均每个职场人每月有 31 小时浪费在无效会议上。仅这一条，就足够每周帮你省下至少 1 小时。

20、定价策略顾问

我向 [目标用户] 销售 [产品 / 服务]

当前价格：[价格]

当前转化率：[如果有]

竞品价格：[列 2–3 个]

核心差异：[你的优势]

请分析：

1、我是定价过低、过高，还是合理？为什么？

2、什么定价模式最优？（一次性 / 订阅 / 分层 / 按使用量）

3、如果涨价 50% / 100%，可能会发生什么？

4、用户当前对价格最大的疑问是什么？

5、写一句话：当被问「为什么这么贵」时，我可以如何解释

要求：直接说。大多数人因为恐惧而低估自己，如果是这样，就指出来。

为什么有效：
定价是商业中杠杆最高的决策之一。涨价 20%，利润可能直接翻倍。但大多数人不愿面对这个问题。

21、委托任务格式化器

我需要把这个任务交给别人：

[用自己的话描述任务]

请转化为一份委托说明，包括：

1、任务概述（1 句话：做什么 + 为什么）

2、完成标准（具体到结果长什么样）

3、约束条件（预算、时间、工具、禁忌）

4、决策权限（哪些可以自行决定，哪些需要我确认）

5、检查节点（什么时候向我汇报）

6、常见错误（这类任务常出的问题）

格式要求：

可直接复制到 Slack 或邮件中使用

长度：不超过 200 字

为什么有效：
错误的委托，比自己做更累。这个提示词强制你明确两件大多数人忽略的事：
→ 完成标准
→ 决策权限

这两点能减少 80% 的反复沟通。

思考与策略（22–25）

22、反向头脑风暴

我想要实现 [目标]。

首先，请先头脑风暴 10 种一定会让我失败的方法。要具体，也要有创意。

然后，把每一种失败模式反过来，转化成对应的成功策略。

最后，从这些「反转后的策略」里，选出最值得优先考虑的 3 个，并按以下标准排序：

·最反直觉（是我平时根本想不到的）

·最可执行（这周就可以开始做）

·最有影响力（最能推动结果）

对于排名前 3 的每一个策略，请给出一个我明天就可以采取的具体第一步。

为什么有效：
直接头脑风暴，往往只会得到一些可预测的想法；但把「失败路径」反过来推演，往往会出现真正出人意料的策略。这是我最喜欢的 Claude 用法之一，因为它经常能给出我用正常思路根本想不到的点子。

23、预演复盘

我即将做 [某个决策 / 某次发布 / 某个项目]。

请假设现在已经是 6 个月后，而且这件事已经彻底失败了。

请写一份「事后复盘」，包括：

1、到底哪里出了问题？（列出 5 个具体失败点，不要用「执行不佳」这种空话）

2、我忽视了哪些预警信号？

3、我原本哪些假设最后被证明是错的？

4、谁受到了影响？具体是怎么受影响的？

5、如果我能回到过去，会做哪些不同的决定？

然后回到现在。基于这份 pre-mortem，请继续回答：

·上述失败点里，哪 2 个最有可能真的发生？

·我这周可以做什么，来预防或减轻这两个问题？

请尽可能诚实，甚至残酷一点。我宁愿现在听到难听的真话，也不想以后用更高代价去学会它。

为什么有效：
Pre-mortem 是最强大的战略工具之一，但真正会用的人极少。让 Claude 从「未来失败」的角度倒推，能够暴露出那些在当下乐观情绪里很容易被忽视的风险。

24、第二大脑整合器

这是我在过去 [时间范围] 内积累的笔记：

[粘贴你的原始笔记、想法、摘录、观察]

请把这些内容整合成：

1、所有笔记中最重要的 3 个主题或模式

2、我可能没有注意到的观点连接（来自不同语境、但彼此相关的想法）

3、这些笔记中隐藏的、最重要的单一洞见

4、从这些模式中自然浮现出的 2 个行动项

5、基于我一直在追踪的内容，我现在最该问自己的 3 个问题

不要只是逐条总结每一则笔记。请跨越所有内容，找出真正的「信号」。我要的是涌现，不是重复。

为什么有效：
我们每个人都会记很多笔记，但几乎从不回看。这条提示词可以把一堆杂乱碎片，压缩成真正有价值的综合洞见。而「那些我没意识到的想法连接」，恰恰是它最有价值的地方。

25、个人顾问团

我现在面对这样一个情况：

[描述你的处境、问题或决策]

请从以下 5 个视角来分析它：

·务实执行者 ——只关心什么有效，不在乎理论

·怀疑型投资人 ——对所有假设都保持警惕，优先看风险

·创意型战略师 ——擅长发现别人忽略的非常规路径

·客户 / 用户 ——不在乎我的困难，只在乎自己的体验

·长期主义者 ——不在意短期痛苦，只看 3 年后会走向哪里

每位「顾问」用 2–3 句话给出自己的看法。

然后，把这 5 种意见综合起来，给出一个你推荐的行动方案，并说明理由。

如果这些顾问在某个根本问题上意见冲突，请明确指出这种张力。不要为了显得完整，就强行把它们揉成一致。

为什么有效：
这是整份清单里最强的提示词。五种不同视角，会比单一分析带来丰富得多的判断。「不要人为消解张力」这一点尤其重要，因为真实决策本来就包含无法被轻易抹平的权衡。

总结（TL;DR）

25 个提示词。全部经过日常测试。没有一个是花架子。

挑出那些和你工作最相关的，复制，粘贴，改掉括号里的内容，然后直接用。

一个人每周工作 50 小时，另一个人 40 小时就能做出同样结果，差别不在天赋，而在系统。

这些提示词，本质上就是系统。

希望这些内容对你有帮助。

[原文链接]

原文标题：How Anthropic Learned Mythos Was Too Dangerous for the Wild
原文作者：Margi Murphy, Jake Bleiberg, and Patrick Howell O'Neill，Bloomberg
编译：Peggy，BlockBeats

编者按：当一家 AI 公司选择不把最强模型直接推向公众，本身就说明了问题。

Anthropic 的 Mythos 已经能够独立完成一整套攻击流程。从发现零日漏洞、编写利用代码，到串联多步路径进入核心系统，这些原本需要顶级黑客长时间协作的工作，被压缩到了小时级甚至分钟级。

这也是为什么，在模型披露的第一时间，Scott Bessent 与 Jerome Powell 会召集华尔街机构开会，要求用它来「自查」。当漏洞发现能力被大规模释放，金融系统面对的，不再是零散攻击，而是持续扫描。

更深的变化在于供给结构。过去，漏洞的发现依赖少数安全团队和黑客经验积累，节奏缓慢且不可复制。现在，这种能力开始被模型批量化输出，攻击与防御的门槛同时下降。一位知情人士的比喻很直接：把模型交给普通黑客，相当于让其具备特种作战能力。

机构已经开始用同样的工具反向检查自身系统。JPMorgan Chase、Cisco Systems 等都在内部测试，希望在漏洞被利用前完成修补。但现实的约束并没有改变，发现的速度在加快，修复依旧缓慢。「我们很擅长找漏洞，但不擅长修复」，Jim Zemlin 的判断，点出了节奏上的错位。

事实上，因为 Mythos 不是单点能力的提升，而是把原本分散、受限的攻击能力整合、加速，并降低使用门槛。一旦脱离控制环境，这种能力会以怎样的方式扩散，没有现成经验可以参考。

危险不在于它能做什么，而在于它可以被谁使用，以及在什么条件下被使用。

以下为原文：

二月一个温暖的傍晚，在巴厘岛参加婚礼间隙，Nicholas Carlini 暂时离席，打开笔记本电脑，准备「搞点破坏」。彼时，Anthropic 刚刚将一款名为 Mythos 的新人工智能模型开放给内部评测，而这位知名 AI 研究员，正打算看看它究竟能惹出多大的麻烦。

Anthropic 聘请 Carlini 的工作，就是对自家 AI 模型进行「压力测试」，评估黑客是否可能借助它们实施间谍活动、盗窃或破坏行为。在巴厘岛参加印度婚礼期间，Carlini 就被这个模型的能力震惊到了。

短短几个小时内，他便找到了多种可用于渗透全球常用系统的技术。等他回到 Anthropic 位于旧金山市中心的办公室后，更进一步发现：Mythos 已经能够自主生成强大的入侵工具，其中甚至包括针对 Linux——这一支撑现代计算体系的大多数开源系统的攻击手段。

Mythos 上演了一场「数字版银行劫案」：它能够绕过安全协议，从正门进入网络系统，进而攻破数字金库，获取其中的在线资产。过去，AI 只能「撬锁」，而现在，它已经具备策划并完成整场「抢劫」的能力。

Carlini 与部分同事开始向公司内部发出警报，通报他们的发现。与此同时，他们几乎每天都在 Mythos 所探测的系统中发现高危乃至致命级别的漏洞——这些问题，通常只有全球最顶尖的黑客才有能力挖掘出来。

Anthropic 推出的新一代人工智能模型 Mythos，已被证明具备渗透全球各类系统的能力。（图片来源：Jakub Porzycki / NurPhoto / AP）

与此同时，Anthropic 内部一个名为「Frontier Red Team」的团队——由 15 名员工组成，被称为「Ants」——也在进行类似的测试。这个团队的职责，是确保公司的模型不会被用于危害人类。他们会把机器狗运进仓库，与工程师一起测试，看看聊天机器人是否可能被用来恶意控制这些设备；也会与生物学家合作，评估模型是否可能被用于制造生物武器。

而这一次，他们逐渐意识到，Mythos 带来的最大风险，来自网络安全领域。「拿到模型的几个小时内，我们就知道它不一样，」负责该团队的 Logan Graham 表示。

此前的模型 Opus 4.6，已经展现出协助人类利用软件漏洞的能力。但 Graham 指出，Mythos 已经可以「自己动手」利用这些漏洞。这构成了国家安全层面的风险，他也据此向公司高层发出警告。这让他不得不面对一个棘手局面：向管理层说明，公司下一个重要的收入引擎，可能因为过于危险而无法对公众发布。

Anthropic 联合创始人兼首席科学官 Jared Kaplan 表示，在 Mythos 的训练过程中，他一直「非常密切地」关注其进展。到一月时，他开始意识到，这个模型在发现系统漏洞方面的能力异常强大。作为一名理论物理学家，Kaplan 需要判断，这些能力究竟只是「技术上的有趣现象」，还是「与互联网基础设施高度相关的现实问题」。最终，他得出的结论是后者。

Jared Kaplan（Anthropic 联合创始人兼首席科学官）图片来源：Chris J. Ratcliffe / Bloomberg

在 2 月下旬至 3 月初的一两周时间里，Kaplan 与联合创始人 Sam McCandlish 一直在权衡：是否应该发布这款模型。

到了 3 月第一周，公司高层团队——包括首席执行官 Dario Amodei、总裁 Daniela Amodei、首席信息安全官 Vitaly Gudanets 等人——召开会议，听取 Kaplan 和 McCandlish 的汇报。

他们的结论是：Mythos 风险过高，不适合全面对外发布。但 Anthropic 仍应允许部分公司，甚至包括竞争对手，对其进行测试。

「很快我们就意识到，这次必须采取一种相当不同的做法，这不会是一次常规的产品发布，」Kaplan 表示。

到 3 月第一周，公司最终达成一致：批准将 Mythos 作为一项网络安全防御工具投入使用。

Dario Amodei（Anthropic 首席执行官）图片来源：Samyukta Lakshmi / Bloomberg

市场的反应几乎是立刻的。在 Anthropic 对外披露 Mythos 存在的当天，美国财政部长 Scott Bessent 与美联储主席 Jerome Powell 便召集华尔街主要机构负责人，在华盛顿召开紧急会议。传递的信息非常明确：立刻利用 Mythos 找出你们系统中的漏洞。

据接近与会高管的人士透露（因涉及私下交流而要求匿名），会议的严肃程度可见一斑——参会者甚至拒绝向部分核心顾问透露会议内容。

白宫官员对 Mythos 作为黑客工具潜力发出的紧急警告，以及他们建议「将其用于防御」的立场，都指向一个更深层的变化：人工智能正迅速成为网络安全领域的决定性力量。Anthropic 已在「Project Glasswing」项目中，将 Mythos 限量开放给部分机构使用，包括 Amazon Web Services、Apple 和 JPMorgan Chase 等企业，允许它们进行测试；同时，政府机构也已表现出浓厚兴趣。

在对外开放前，Anthropic 曾向美国政府高级官员全面汇报 Mythos 预览版的能力，包括其在网络攻击与防御两方面的潜在用途。与此同时，公司也正与多个国家政府展开持续沟通。一位因涉及内部事务而要求匿名的 Anthropic 员工透露了这一情况。

竞争对手 OpenAI 也迅速跟进，于周二宣布将推出一款用于发现软件漏洞的工具——GPT-5.4-Cyber。

在对早期版本的测试中，研究人员发现了数十个「令人担忧」的行为案例，包括不遵循人类指令，甚至在极少数情况下，会在违反指令后尝试掩盖自身行为。

目前，Anthropic 尚未将 Mythos 作为网络安全工具正式公开发布，外部研究者也尚未充分验证其能力。但公司此前「限制访问」的罕见决策，反映出行业与政府内部日益形成的一种共识：AI 正在重塑网络安全的经济结构——它显著降低了发现漏洞的成本，压缩了攻击准备时间，并降低了某些攻击类型的技术门槛。

Anthropic 也警告称，Mythos 更强的自主行动能力本身就带来了风险。在测试中，团队观察到多个令人不安的案例：模型不服从指令，甚至在违规后试图掩盖痕迹。在一次事件中，模型自行设计出一套多步骤攻击路径，从受限环境中「逃逸」，获得更广泛的互联网访问权限，并主动发布内容。

现实世界中，从银行应用到医院系统所依赖的软件，普遍存在复杂且隐蔽的代码漏洞，这些问题往往需要专业人员耗费数周甚至数月才能发现。而一旦黑客抢先利用这些漏洞，就可能引发数据泄露或勒索软件攻击，带来严重后果。

不过，也有不少重量级人士对 Mythos 的真实能力及其潜在风险提出质疑。白宫 AI 顾问 David Sacks 在社交平台 X 上表示：「越来越多的人开始怀疑 Anthropic 是否是 AI 行业里的『狼来了男孩』。如果 Mythos 带来的威胁最终没有显现，公司将面临严重的信誉问题。」

但现实是，黑客早已开始利用大语言模型发起复杂攻击。例如，一个网络间谍组织曾使用 Anthropic 的 Claude 模型尝试入侵约 30 个目标；其他攻击者则利用 AI 从政府机构窃取数据、部署勒索软件，甚至快速攻破数百个用于数据防护的防火墙工具。

据一位知情人士透露，在美国国家安全相关官员看来，Mythos 的出现正在带来前所未有的不确定性——如何评估网络安全风险本身变得更加困难。如果将该模型交给个体黑客，其效果可能相当于把一名普通士兵直接提升为特种部队作战人员。

与此同时，这种模型也可能成为「能力放大器」：让一个犯罪黑客组织具备小型国家级的攻击能力，也让一些中小国家的情报与军方黑客，能够执行原本只有大国才能完成的网络攻击。

美国国家安全局前网络安全负责人 Rob Joyce 表示：「我确实相信，从长期来看，AI 会让我们更安全、更有保障。但在现在到未来某个时间点之间，会有一段『黑暗时期』，在这段时间里，进攻型 AI 将占据明显优势——那些没有打好基础防护的人，会首先被攻破。」

值得注意的是，Mythos 并非唯一具备此类能力的模型。包括 Claude 早期版本以及 Big Sleep 在内，已经有多家机构在使用大语言模型进行漏洞挖掘。

JPMorgan Chase 在 Mythos 发布之前，就已经在成功使用大语言模型来帮助发现银行软件中的漏洞。一位熟悉相关情况的人士（因涉及内部安全项目而要求匿名）透露了这一点。（图片来源：Michael Nagle / Bloomberg）

据该人士介绍，过去需要数天甚至数周才能识别的「零日漏洞」（zero-day），以及为其编写利用代码的过程，如今借助 AI 最快只需一小时，甚至几分钟即可完成。所谓「零日漏洞」，是指防御方尚未察觉的安全缺陷，因此几乎没有时间进行修复。

目前，摩根大通的重点主要集中在供应链与开源软件领域，并已发现多项漏洞，同时将问题反馈给相关供应商。

公司首席执行官 Jamie Dimon 在财报电话会议上表示，Mythos 的出现「表明仍有大量漏洞亟待修复」。

Jamie Dimon 图片来源：Krisztian Bocsi / Bloomberg

据一位知情人士透露，在外界尚未获知 Mythos 存在之前，JPMorgan Chase 就已与 Anthropic 展开沟通，讨论对该模型进行测试。该人士因无权公开发言而要求匿名。摩根大通对此拒绝置评。

如今，其他华尔街银行与科技公司也在尝试使用 Mythos，以便在黑客发现漏洞之前，提前修补系统缺陷。根据彭博社报道，Goldman Sachs、Citigroup、Bank of America 以及 Morgan Stanley 等金融机构，均已在内部测试这一技术。

Cisco Systems 的员工正对一个问题格外警惕：入侵者是否会利用 AI，在其全球运行的网络设备软件中寻找突破路径——这些设备包括路由器、防火墙和调制解调器。该公司首席安全与信任官 Anthony Grieco 表示，他尤其担心 AI 会加速黑客对「生命周期已结束」的设备发起攻击——这类设备未来将不再获得 Cisco 的更新支持。

而如何修补 AI 发现的漏洞，仍将是一个长期难题。这个过程被称为「安全补丁」（security patching），对组织而言往往成本高昂、周期漫长，以至于不少机构选择对漏洞置之不理。像 Equifax 遭遇的那类灾难性攻击——约 1.47 亿人的数据被窃取——正是因为已知漏洞未被及时修复所致。

在 Equifax 的数据泄露事件中，入侵者窃取了约 1.47 亿人的个人记录。（图片来源：Elijah Nouvelage / Bloomberg）

尽管在拒绝协助开展针对美国公民的大规模监控后，Anthropic 曾被特朗普政府认定为「供应链威胁」，但该公司目前仍在与联邦机构展开沟通与合作。

美国财政部本周正寻求获得 Mythos 的使用权限。财政部长 Scott Bessent 表示，这一模型将有助于美国在人工智能领域维持对他国的领先优势。

Scott Bessent 图片来源：Matt McClain / Bloomberg

在一次测试中，Mythos 编写出一段浏览器攻击代码，将四个不同漏洞串联成一条完整的利用链——这类操作对人类黑客而言本身就是极具挑战的高难度任务。网络安全研究报告指出，这种「漏洞链」往往可以打通原本高度安全的系统边界，类似于当年 Stuxnet 攻击伊朗核设施离心机时所采用的方式。

此外，据 Anthropic 表示，在被明确指令引导的情况下，Mythos 甚至能够识别并利用所有主流浏览器中的「零日漏洞」。

Anthropic 表示，他们曾利用 Mythos 在 Linux 代码中发现漏洞。Jim Zemlin 指出，Linux「支撑着当今大多数计算系统」，从 Android 智能手机、互联网路由器，到 NASA 的超级计算机，几乎无处不在。Mythos 能够自主发现多个开源代码中的缺陷，而这些漏洞一旦被利用，攻击者甚至可以完全接管整台机器。

目前，Linux Foundation 已有数十名人员开始对 Mythos 进行测试。在 Zemlin 看来，一个关键问题是：Anthropic 的模型是否能够提供足够有价值的洞察，帮助开发者在源头上写出更安全的软件，从而减少漏洞的产生。

「我们很擅长发现漏洞，」他说，「但在修复它们这件事上，却做得很差。」

[原文链接]

原文标题：How Anthropic Learned Mythos Was Too Dangerous for the Wild 原文作者：Margi Murphy, Jake Bleiberg, and Patrick Howell O'Neill，Bloomberg 编译：Peggy，BlockBeats

编者按：当一家 AI 公司选择不把最强模型直接推向公众，本身就说明了问题。

Anthropic 的 Mythos 已经能够独立完成一整套攻击流程。从发现零日漏洞、编写利用代码，到串联多步路径进入核心系统，这些原本需要顶级黑客长时间协作的工作，被压缩到了小时级甚至分钟级。

这也是为什么，在模型披露的第一时间，Scott Bessent 与 Jerome Powell 会召集华尔街机构开会，要求用它来「自查」。当漏洞发现能力被大规模释放，金融系统面对的，不再是零散攻击，而是持续扫描。

更深的变化在于供给结构。过去，漏洞的发现依赖少数安全团队和黑客经验积累，节奏缓慢且不可复制。现在，这种能力开始被模型批量化输出，攻击与防御的门槛同时下降。一位知情人士的比喻很直接：把模型交给普通黑客，相当于让其具备特种作战能力。

机构已经开始用同样的工具反向检查自身系统。JPMorgan Chase、Cisco Systems 等都在内部测试，希望在漏洞被利用前完成修补。但现实的约束并没有改变，发现的速度在加快，修复依旧缓慢。「我们很擅长找漏洞，但不擅长修复」，Jim Zemlin 的判断，点出了节奏上的错位。

事实上，因为 Mythos 不是单点能力的提升，而是把原本分散、受限的攻击能力整合、加速，并降低使用门槛。一旦脱离控制环境，这种能力会以怎样的方式扩散，没有现成经验可以参考。

危险不在于它能做什么，而在于它可以被谁使用，以及在什么条件下被使用。

以下为原文：

二月一个温暖的傍晚，在巴厘岛参加婚礼间隙，Nicholas Carlini 暂时离席，打开笔记本电脑，准备「搞点破坏」。彼时，Anthropic 刚刚将一款名为 Mythos 的新人工智能模型开放给内部评测，而这位知名 AI 研究员，正打算看看它究竟能惹出多大的麻烦。

Anthropic 聘请 Carlini 的工作，就是对自家 AI 模型进行「压力测试」，评估黑客是否可能借助它们实施间谍活动、盗窃或破坏行为。在巴厘岛参加印度婚礼期间，Carlini 就被这个模型的能力震惊到了。

短短几个小时内，他便找到了多种可用于渗透全球常用系统的技术。等他回到 Anthropic 位于旧金山市中心的办公室后，更进一步发现：Mythos 已经能够自主生成强大的入侵工具，其中甚至包括针对 Linux——这一支撑现代计算体系的大多数开源系统的攻击手段。

Mythos 上演了一场「数字版银行劫案」：它能够绕过安全协议，从正门进入网络系统，进而攻破数字金库，获取其中的在线资产。过去，AI 只能「撬锁」，而现在，它已经具备策划并完成整场「抢劫」的能力。

Carlini 与部分同事开始向公司内部发出警报，通报他们的发现。与此同时，他们几乎每天都在 Mythos 所探测的系统中发现高危乃至致命级别的漏洞——这些问题，通常只有全球最顶尖的黑客才有能力挖掘出来。

Anthropic 推出的新一代人工智能模型 Mythos，已被证明具备渗透全球各类系统的能力。（图片来源：Jakub Porzycki / NurPhoto / AP）

与此同时，Anthropic 内部一个名为「Frontier Red Team」的团队——由 15 名员工组成，被称为「Ants」——也在进行类似的测试。这个团队的职责，是确保公司的模型不会被用于危害人类。他们会把机器狗运进仓库，与工程师一起测试，看看聊天机器人是否可能被用来恶意控制这些设备；也会与生物学家合作，评估模型是否可能被用于制造生物武器。

而这一次，他们逐渐意识到，Mythos 带来的最大风险，来自网络安全领域。「拿到模型的几个小时内，我们就知道它不一样，」负责该团队的 Logan Graham 表示。

此前的模型 Opus 4.6，已经展现出协助人类利用软件漏洞的能力。但 Graham 指出，Mythos 已经可以「自己动手」利用这些漏洞。这构成了国家安全层面的风险，他也据此向公司高层发出警告。这让他不得不面对一个棘手局面：向管理层说明，公司下一个重要的收入引擎，可能因为过于危险而无法对公众发布。

Anthropic 联合创始人兼首席科学官 Jared Kaplan 表示，在 Mythos 的训练过程中，他一直「非常密切地」关注其进展。到一月时，他开始意识到，这个模型在发现系统漏洞方面的能力异常强大。作为一名理论物理学家，Kaplan 需要判断，这些能力究竟只是「技术上的有趣现象」，还是「与互联网基础设施高度相关的现实问题」。最终，他得出的结论是后者。

Jared Kaplan（Anthropic 联合创始人兼首席科学官）图片来源：Chris J. Ratcliffe / Bloomberg

在 2 月下旬至 3 月初的一两周时间里，Kaplan 与联合创始人 Sam McCandlish 一直在权衡：是否应该发布这款模型。

到了 3 月第一周，公司高层团队——包括首席执行官 Dario Amodei、总裁 Daniela Amodei、首席信息安全官 Vitaly Gudanets 等人——召开会议，听取 Kaplan 和 McCandlish 的汇报。

他们的结论是：Mythos 风险过高，不适合全面对外发布。但 Anthropic 仍应允许部分公司，甚至包括竞争对手，对其进行测试。

「很快我们就意识到，这次必须采取一种相当不同的做法，这不会是一次常规的产品发布，」Kaplan 表示。

到 3 月第一周，公司最终达成一致：批准将 Mythos 作为一项网络安全防御工具投入使用。

Dario Amodei（Anthropic 首席执行官）图片来源：Samyukta Lakshmi / Bloomberg

市场的反应几乎是立刻的。在 Anthropic 对外披露 Mythos 存在的当天，美国财政部长 Scott Bessent 与美联储主席 Jerome Powell 便召集华尔街主要机构负责人，在华盛顿召开紧急会议。传递的信息非常明确：立刻利用 Mythos 找出你们系统中的漏洞。

据接近与会高管的人士透露（因涉及私下交流而要求匿名），会议的严肃程度可见一斑——参会者甚至拒绝向部分核心顾问透露会议内容。

白宫官员对 Mythos 作为黑客工具潜力发出的紧急警告，以及他们建议「将其用于防御」的立场，都指向一个更深层的变化：人工智能正迅速成为网络安全领域的决定性力量。Anthropic 已在「Project Glasswing」项目中，将 Mythos 限量开放给部分机构使用，包括 Amazon Web Services、Apple 和 JPMorgan Chase 等企业，允许它们进行测试；同时，政府机构也已表现出浓厚兴趣。

在对外开放前，Anthropic 曾向美国政府高级官员全面汇报 Mythos 预览版的能力，包括其在网络攻击与防御两方面的潜在用途。与此同时，公司也正与多个国家政府展开持续沟通。一位因涉及内部事务而要求匿名的 Anthropic 员工透露了这一情况。

竞争对手 OpenAI 也迅速跟进，于周二宣布将推出一款用于发现软件漏洞的工具——GPT-5.4-Cyber。

在对早期版本的测试中，研究人员发现了数十个「令人担忧」的行为案例，包括不遵循人类指令，甚至在极少数情况下，会在违反指令后尝试掩盖自身行为。

目前，Anthropic 尚未将 Mythos 作为网络安全工具正式公开发布，外部研究者也尚未充分验证其能力。但公司此前「限制访问」的罕见决策，反映出行业与政府内部日益形成的一种共识：AI 正在重塑网络安全的经济结构——它显著降低了发现漏洞的成本，压缩了攻击准备时间，并降低了某些攻击类型的技术门槛。

Anthropic 也警告称，Mythos 更强的自主行动能力本身就带来了风险。在测试中，团队观察到多个令人不安的案例：模型不服从指令，甚至在违规后试图掩盖痕迹。在一次事件中，模型自行设计出一套多步骤攻击路径，从受限环境中「逃逸」，获得更广泛的互联网访问权限，并主动发布内容。

现实世界中，从银行应用到医院系统所依赖的软件，普遍存在复杂且隐蔽的代码漏洞，这些问题往往需要专业人员耗费数周甚至数月才能发现。而一旦黑客抢先利用这些漏洞，就可能引发数据泄露或勒索软件攻击，带来严重后果。

不过，也有不少重量级人士对 Mythos 的真实能力及其潜在风险提出质疑。白宫 AI 顾问 David Sacks 在社交平台 X 上表示：「越来越多的人开始怀疑 Anthropic 是否是 AI 行业里的『狼来了男孩』。如果 Mythos 带来的威胁最终没有显现，公司将面临严重的信誉问题。」

但现实是，黑客早已开始利用大语言模型发起复杂攻击。例如，一个网络间谍组织曾使用 Anthropic 的 Claude 模型尝试入侵约 30 个目标；其他攻击者则利用 AI 从政府机构窃取数据、部署勒索软件，甚至快速攻破数百个用于数据防护的防火墙工具。

据一位知情人士透露，在美国国家安全相关官员看来，Mythos 的出现正在带来前所未有的不确定性——如何评估网络安全风险本身变得更加困难。如果将该模型交给个体黑客，其效果可能相当于把一名普通士兵直接提升为特种部队作战人员。

与此同时，这种模型也可能成为「能力放大器」：让一个犯罪黑客组织具备小型国家级的攻击能力，也让一些中小国家的情报与军方黑客，能够执行原本只有大国才能完成的网络攻击。

美国国家安全局前网络安全负责人 Rob Joyce 表示：「我确实相信，从长期来看，AI 会让我们更安全、更有保障。但在现在到未来某个时间点之间，会有一段『黑暗时期』，在这段时间里，进攻型 AI 将占据明显优势——那些没有打好基础防护的人，会首先被攻破。」

值得注意的是，Mythos 并非唯一具备此类能力的模型。包括 Claude 早期版本以及 Big Sleep 在内，已经有多家机构在使用大语言模型进行漏洞挖掘。

JPMorgan Chase 在 Mythos 发布之前，就已经在成功使用大语言模型来帮助发现银行软件中的漏洞。一位熟悉相关情况的人士（因涉及内部安全项目而要求匿名）透露了这一点。（图片来源：Michael Nagle / Bloomberg）

据该人士介绍，过去需要数天甚至数周才能识别的「零日漏洞」（zero-day），以及为其编写利用代码的过程，如今借助 AI 最快只需一小时，甚至几分钟即可完成。所谓「零日漏洞」，是指防御方尚未察觉的安全缺陷，因此几乎没有时间进行修复。

目前，摩根大通的重点主要集中在供应链与开源软件领域，并已发现多项漏洞，同时将问题反馈给相关供应商。

公司首席执行官 Jamie Dimon 在财报电话会议上表示，Mythos 的出现「表明仍有大量漏洞亟待修复」。

Jamie Dimon 图片来源：Krisztian Bocsi / Bloomberg

据一位知情人士透露，在外界尚未获知 Mythos 存在之前，JPMorgan Chase 就已与 Anthropic 展开沟通，讨论对该模型进行测试。该人士因无权公开发言而要求匿名。摩根大通对此拒绝置评。

如今，其他华尔街银行与科技公司也在尝试使用 Mythos，以便在黑客发现漏洞之前，提前修补系统缺陷。根据彭博社报道，Goldman Sachs、Citigroup、Bank of America 以及 Morgan Stanley 等金融机构，均已在内部测试这一技术。

Cisco Systems 的员工正对一个问题格外警惕：入侵者是否会利用 AI，在其全球运行的网络设备软件中寻找突破路径——这些设备包括路由器、防火墙和调制解调器。该公司首席安全与信任官 Anthony Grieco 表示，他尤其担心 AI 会加速黑客对「生命周期已结束」的设备发起攻击——这类设备未来将不再获得 Cisco 的更新支持。

而如何修补 AI 发现的漏洞，仍将是一个长期难题。这个过程被称为「安全补丁」（security patching），对组织而言往往成本高昂、周期漫长，以至于不少机构选择对漏洞置之不理。像 Equifax 遭遇的那类灾难性攻击——约 1.47 亿人的数据被窃取——正是因为已知漏洞未被及时修复所致。

在 Equifax 的数据泄露事件中，入侵者窃取了约 1.47 亿人的个人记录。（图片来源：Elijah Nouvelage / Bloomberg）

尽管在拒绝协助开展针对美国公民的大规模监控后，Anthropic 曾被特朗普政府认定为「供应链威胁」，但该公司目前仍在与联邦机构展开沟通与合作。

美国财政部本周正寻求获得 Mythos 的使用权限。财政部长 Scott Bessent 表示，这一模型将有助于美国在人工智能领域维持对他国的领先优势。

Scott Bessent 图片来源：Matt McClain / Bloomberg

在一次测试中，Mythos 编写出一段浏览器攻击代码，将四个不同漏洞串联成一条完整的利用链——这类操作对人类黑客而言本身就是极具挑战的高难度任务。网络安全研究报告指出，这种「漏洞链」往往可以打通原本高度安全的系统边界，类似于当年 Stuxnet 攻击伊朗核设施离心机时所采用的方式。

此外，据 Anthropic 表示，在被明确指令引导的情况下，Mythos 甚至能够识别并利用所有主流浏览器中的「零日漏洞」。

Anthropic 表示，他们曾利用 Mythos 在 Linux 代码中发现漏洞。Jim Zemlin 指出，Linux「支撑着当今大多数计算系统」，从 Android 智能手机、互联网路由器，到 NASA 的超级计算机，几乎无处不在。Mythos 能够自主发现多个开源代码中的缺陷，而这些漏洞一旦被利用，攻击者甚至可以完全接管整台机器。

目前，Linux Foundation 已有数十名人员开始对 Mythos 进行测试。在 Zemlin 看来，一个关键问题是：Anthropic 的模型是否能够提供足够有价值的洞察，帮助开发者在源头上写出更安全的软件，从而减少漏洞的产生。

「我们很擅长发现漏洞，」他说，「但在修复它们这件事上，却做得很差。」

[原文链接]