跨国深谈← 返回←Claude Code 产品负责人:AI 时代 PM 的生存法则

Claude Code 产品负责人:AI 时代 PM 的生存法则

关联

人物 Lenny · Kat Wu

公司 Anthropic

概念 Claude Code · Co-work · 产品品味 · 智能体 · 自动化 · 研究预览版 · 评估 · 系统提示词

来源 Lenny’s Podcast

为今天的模型做产品,最难的不是幻想未来全能的 AI 有多强,而是想尽办法把当下模型的最大能力挤出来——说这话的人是 Kat Wu,她在 Anthropic 负责 Claude Code 和 Co-Work 两大产品 。她观察到,很多产品经理还在用六年前的慢节奏做计划,而她们团队从六个月的发布周期硬生生压缩到了一个月,甚至一天 。

这一集播客里,Kat 和主持人 Lenny 聊了三件事:AI 原生时代产品经理到底该干什么、怎么用最快的节奏发布产品并避开踩坑;Anthropic 内部怎么用 Claude Code 和 Co-Work(分别处理写代码和非代码任务)来提效,比如让智能体用公司设计系统一晚上自动生成 20 页幻灯片;以及当模型每次升级都变得更聪明时,产品经理为什么反而要不断删掉以前给模型打的补丁。最后她还回答了一个很多人关心的问题:在角色界限越来越模糊的未来,人到底靠什么价值生存。

说完了 AI 时代 PM 的整体定位,接下来看看 Kat 具体怎么定义这个角色的变化。Kat 认为,AI 之前的技术演进慢,你可以按 6 到 12 个月的跨度做规划,因为那时写代码很贵,PM 的核心工作是跟各个合作团队反复对齐时间表 。

但 AI 把工程效率成倍放大后,产品功能的时间线被压缩到了一个月甚至一天,这意味着 PM 的重心必须从「对齐跨季度路线图」转向「怎么最快把点子塞进用户手里」。她强调,现在最稀缺的能力是产品品味(判断到底该做什么、怎么做才好),因为当写代码变便宜了,真正值钱的是决定写什么 。

工具变了,人怎么办?这正是 Kat 在团队内部实践里解答的问题。

要跑得快,她给了三招:第一是设定极清晰的目标,因为 LLM(大语言模型)太通用,PM 必须明确画死关键用户是谁、要解决什么问题;第二是建立可复制的发布流程,Claude Code 几乎所有功能都以 Research Preview(研究预览版)的形式抛出,明确告诉用户这是早期概念,降低团队的发布心理负担;第三是帮团队搭好跨职能协作的框架,比如工程师在内部群里说一句「功能准备好了」,营销和文档团队第二天就能把配套物料全部跟进到位 。流程虽然精简,但她坚持要保证整个团队对「什么最重要」有共识,让大家不必凡事等 PM 拍板 。她特别指出,在这种节奏下,招人必须偏向那些有极好产品品味的工程师——她自己当过多年工程师,团队里的 PM 和设计师几乎都能写代码,这样才能把沟通成本降到最低 。

角色融合了,产品迭代更快了,这背后还得益于一个反直觉的操作:模型越聪明,越要删代码。Kat 透露了一个很多人没意识到的规律:每次发布新模型,他们的首要任务就是通读整个系统提示词(system prompt),把之前为了「扶着」旧模型走而加上的各种补丁和脚手架删掉 。

最经典的例子是待办事项列表功能——早期的模型总是改到一半就忘了剩下的调用点,所以团队专门给它加了强制性的待办列表工具来兜底 。但到了 Opus 4 等后来的模型,根本不需要提醒,它自己就会把活干完,这些辅助功能自然就退化甚至可以直接移除了 。此外,新模型升级不仅意味着做减法,更会解锁以往做不到的产品,比如他们一直想做可靠的代码审查功能,直到最新的模型才能同时跑多个智能体遍历整个代码库 。

弄懂了怎么给模型做加减法,我们再来看看 Kat 团队内部是怎么真刀真枪用这些工具提效的。Kat 把产品线分得很清楚:产出是代码的,用 Claude Code(终端里跑最全的功能、桌面版方便做前端实时预览、移动版适合随时随地派任务);产出不是代码的(比如清空收件箱、做幻灯片),就用 Co-Work 。

Kat 分享了一个自己用 Co-Work 的真实案例:她要为即将到来的 Code with Claude 大会准备演讲,睡前把所有相关资料(产品营销草稿、内部演示链接)连上 Co-Work,让它自己去翻 Slack 历史和 Twitter 发布记录,第二天醒来就得到了一份 20 页、完全套用公司设计系统排版的精美幻灯片草稿 。她还提到一个销售同事的做法:用 Claude Code 搭了个自动化网页应用,直接读取 CRM 里的客户背景(比如是不是需要特定合规标准),几秒钟就能自动生成定制化的销售演示文稿,替代了过去人工拼凑二三十分钟的苦活 。

内部提效的故事讲完了,那作为外部从业者,到底该怎么在这个被 AI 倒逼的世界里真正获得杠杆?Kat 的建议非常务实:别只拿 AI 搞些好玩的 demo,去做你每天真正在用、能替你省大把时间的工具 。更重要的是,别把自动化做到 90% 或 95% 就半途而废——做不到 100% 可靠的自动化,就称不上真正的自动化,你必须投入精力去调教模型,让它完全符合你的习惯,最后才能真正放手 。

本集带走

最后收个尾,这一集值得带走的是三句话。第一,AI 时代的 PM 别再死磕长周期路线图了,最核心的任务是把产品从点子到用户手里的时间缩到最短,你的价值在于能拍板决定到底做什么——也就是产品品味。第二,面对强大的新模型,第一反应应该是做减法,删掉那些为了弥补旧模型短板而硬加的补丁,同时大胆去试那些以前精度不够做不了的梦,新模型随时可能帮你补上最后的短板。第三,真正的杠杆不是玩几个花哨的 demo,而是把你工作里那些最枯燥的重复活儿(做幻灯片、分类邮件)交给智能体,死磕到 100% 可靠,然后把省下来的精力投入到真正有创造力的事情上。

随着编写代码的成本变低得多,变得更有价值的是决定写什么。
As code becomes much cheaper to write, the thing that becomes more valuable is deciding what to write.
—— Kat Wu · [00:50]

我们许多产品功能的时间线已经从六个月降到了一个月,有时甚至到了一天。
the timelines for a lot of our product features have gone down from six months to one month and sometimes to even one day.
—— Kat Wu · [00:20]

如果一个自动化不能 100% 的时间工作,它就不是一个真正的自动化。
if an automation doesn’t work 100% of the time, it’s not really an automation.
—— Kat Wu · [70:06]

我认为巨大的转变在于,2024 年一代的产品是基于聊天的,而云端代码这一代的产品是基于行动的。
I think the big shift is that the 2024 generation of products were chat-based and the cloud code generation of products is action-based
—— Kat Wu · [74:38]

如果 Claude Code 失败了,但 Anthropic 成功了,我会非常高兴。
if Claude Code failed, but Anthropic succeeded, I would be extremely happy.
—— Kat Wu · [31:47]