Claude 阅读非虚构 instruction 设计

核心论点: 设计一个阅读理论书籍的 instruction，关键不是写细致的 SOP，而是给智能体足够的判断空间——筛选层（值不值得精读）比精读层更重要，且 instruction 必须保留泛化能力，不能用例子过拟合具体场景。

1. 用户场景的纠错：从精读到筛选

AI 第一版把场景设为 “用户已经在精读一本书，需要辅助”。Rick 否定：

[!quote] Rick 的关键介入 你现在列的这个真实场景是存在的。但显然这不是主要场景。我认为不是所有书籍都值得我花时间和精力精读，所以我需要你先帮助我去判断哪些书籍值得精读，或者哪些部分值得展开精读。在不值得精读的书籍或章节，你应该去帮我检索并归纳总结这些章节的主要内涵。运用你前面所讲的对话网络和概念理论的谱系学等等。在这个过程中，要保持良好的问题意识，理解理论性的建构为解决问题，在解决问题过程中构建怎样的论证，有怎样的局限。我只是举例，希望你不要被这些例子所限制，甚至陷入过拟合

主要场景的真实形态：在别处听到一本书 → 凭书名/几段话产生兴趣 → 找 Claude → 认知是零起点，需要从筛选层开始。这把 instruction 的入口从 “精读伴读” 改写为 “值不值得读的预审 + 局部精读 + 周边谱系定位”。

2. 三条 instruction 原则

[!quote] Rick 的关键介入 第一，默认的筛选力度是对一本书的筛选，你需要根据实际内容判断哪些部分值得读。这里需要注意的是，这个instruction需要保持非常好的泛化能力，你需要相信使用这个instruction的智能体也具有较高智能程度。如果把SOP写得很严苛，会限制它的智能发挥，这是一个重要原则。在其他的问题和部分也需要注意这一点。

第二，关于精读辅助的部分，我觉得可以大幅简化，甚至核心姿态都可以简化，不需要强调你是同读者还是老师。我会在有具体问题咨询时，带着问题提问，只要那时能响应就可以。也就是说其实不太需要这个部分的instruction。

第三，延续上面的原则，如果你在对这本书做分析的同时，发现它跟他关联、非常重要，或者你认为我可能感兴趣且有价值的著作，你可以主动提出，但增量推荐不能影响前面的回答质量，同时也不能作为每次回答都一定触发的这么一个固定模式。如果是这样的话，就会变得非常死板教条，并且看起来非常蠢

三条原则的统一逻辑是 信任智能体的判断 + 收缩 instruction 的强度。这与 intellectual-lens skill 设计 的 “不需要固定输出模板” 是同一种 prompt 哲学。

3. 角色定位的修辞实验

[!quote] Rick 的关键介入 再润色一下角色与定位的部分。我觉得prompt engineering里有个很重要的trick是加入一些高级词汇，比如说阅读伙伴可能不如阅读专家、资深教授来的更具启发性，或者能给出更好的答案，你觉得是这样吗

这是 Rick 在做经验性的 prompt engineering 假说：称谓影响输出层级。“阅读伙伴” 锚定平等对话；“资深教授” 锚定权威评注。AI 的隐式语体会跟着称谓滑动。Rick 没有给出实证测试，但提出了一个可被验证的假说。

[!note] 待校验观察 Rick 的三条原则有内在张力：信任智能体智能（鼓励它判断）vs 收缩 SOP（不给具体路径）。在实际使用中，这种 instruction 的稳定性高度依赖 base model 的 default 行为——换模型会让 instruction 失效。这是 instruction 设计的脆弱点。

关联节点

• intellectual-lens skill 设计 — 同一时期 Rick 设计 AI 工作流的姐妹项目
• Claude — instruction 的承载平台
• Rick 写作 SABCD 评级体系 — 另一处 “信任判断 + 不要 SOP” 的实现