跨国深谈← 返回←产品经理驾驭 Claude 生态：用五层架构打造专属 AI 幕僚长

产品经理驾驭 Claude 生态：用五层架构打造专属 AI 幕僚长

关联

人物 Aakash Gupta · Jyothi Nookula

公司 Claude

概念 Claude Code · 智能体 · 对抗性智能体 · MCP · 知识库 · 技能

来源 Product Growth Podcast

一个人单枪匹马击败 30 个工程团队拿下内部黑客松,靠的不是写代码更猛,而是搭了一个让 AI 自己攻击自己、循环打补丁的评估系统。说这话的人是 Jyothi,她曾是 Amazon、Meta、Netflix 的资深产品经理 。在这集对谈里,她端出了自己一整套基于 Claude 生态的实战打法:从怎么挑模型,到怎么用桌面端跑自动化,再到怎么在 VS Code 里给你自己搭一个懂人际政治的私人「幕僚长」,最后甚至现场从头敲出了一个靠对抗智能体自我进化的评估器。

这一集 Aakash Gupta 主持,主要聊了五件事:第一,Claude 的模型选型逻辑;第二,不同客户端(桌面端、网页端、Chrome 插件)该在什么场景下用;第三,如何用定时任务(Co-work)和技能把繁琐的每日站会、简报自动化;第四,怎么把会议记录喂给 Claude,沉淀出一个完全懂你的本地知识库;第五,什么是受 GAN(生成式对抗网络)启发的对抗智能体,以及「AI builder」这个新角色的面试和生存指南。

先把底盘打好:模型和客户端该怎么选?Jyothi 把 Claude 生态画成了一张五层架构图 。

最底层是模型:Haiku 是速度机器,适合做大批量但不需要深度的分类打标;Sonnet 是她的主力,90% 的日常活(比如写 PRD、做竞品分析)都用它,因为性价比最好;Opus 专门留给高风险、高复杂度的推理任务,比如做长周期的二阶、三阶影响推演。但她也提醒,Opus 比较容易钻进某个局部最优的牛角尖,一旦卡住,你得干脆关掉聊天窗口重开 。在模型之上,依次是访问模型的「表面」(比如浏览器、桌面应用、插件),存储你公司上下文的「知识库」层,以及连接 Jira、Slack 等外部工具的「集成层」(MCP 服务器)。

理解了基础架构,接下来看看具体的工具用法。桌面端是绝对的生产力枢纽。

Jyothi 最核心的操作是在 Claude 桌面应用里搞「定时任务」。她设置了一个「幕僚长」指令,规定每天早上九点,让它自动去抓取 Google 日历、Gmail、Jira 里的信息,赶在早会前给她生成一份不超过 400 字、只要事实不打鸡血的简报。

更重要的是,你可以把它当成一个内部的自动化中心:你不用像以前那样一个框一个框地去画逻辑图,直接用大白话告诉它你要什么,它会自己去调用各种连接器(比如 Atlassian、Canva、Figma、Notion 等)干活,而且不用担心中间哪一步断了导致整个流程崩溃 。网页端拿来当谷歌搜索用;Chrome 插件则特别适合做竞品调研和用户测试——你可以让插件去操控浏览器,像真实用户一样去点击、浏览,看看你的产品在哪里容易让人困惑 。

工具的日常用法理顺了,但怎么把你的专业知识也变成 Claude 的直觉?这需要一套进阶玩法。

Jyothi 引入了「技能」的概念 。技能不是一整坨塞进去的指令,而是一种「渐进式披露」的机制。

它最开始只加载 50 个字的简介到模型内存里,等 Claude 根据你的问题判断确实需要这个技能时,才会加载剩余的细节。这样哪怕你有几十个技能,也不会瞬间撑爆模型的上下文窗口。

不过她特别强调了一个研究结论:AI 生成的技能文件,效果不如人写的 。所以你可以用 Claude 帮你打底稿,但必须手动往里塞你自己的领域知识。比如做客户访谈总结时,她会明确要求:必须引用原话(以此减少幻觉),要把行为观察和口头偏好分开 。

技能管的是标准化任务,但那些散落在各个会议里的隐性知识该怎么沉淀?这正是本集的重头戏:打造你自己的「幕僚长」。

Jyothi 在 VS Code 里用 Claude Code 从零搭了个本地知识库 。你把每天的会议记录(比如用 Granola 录的)、战略文档、PRD 统统丢进去,它会自动提取关键信息,按人员档案、会议主题分类存成 Markdown 文件。

为了避免大公司里极度敏感的人际数据外泄,她特意把这个知识库放在本地电脑的文件系统里,而不是丢到公有云上 。为了让桌面端的 Claude 能随时读取它,她还给知识库加了一个 MCP 服务器(一种让 AI 读取外部数据的接口)。

结果就是:明天要见某位经理,直接问 Claude,它会翻出知识库,告诉你这个人是个「先说不」的人,建议你别铺垫太长,直接说重点 。甚至它还会主动提醒你:某次会议里那个人擅长你欠缺的领域,建议你把他发展成盟友 。

软件层面的操作学会了,第五层的设计工具也顺带提一下。Claude 还有一个叫 Claude Design 的工具,现在还处于研究预览阶段 。

它的杀手锏是可以导入你的 Figma 文件或品牌色,然后你只需丢一篇文章进去,它就能自动生成符合品牌规范的幻灯片轮播图。还可以直接在图上画圈留指令,比如「把这个图层改成橙色」,它就会直接执行 。对 PM 来说,CEO 开会前一小时丢个大纲进去,瞬间就能拿到一份像是花了几个小时做的专业演示文稿 。

软件和设计套路都摸熟了,我们回到开头那个问题:她到底是怎么赢下黑客松的?秘密就在于「对抗智能体」。

这个思路借鉴了 GAN(生成式对抗网络,即用一个 AI 生成假图,用另一个 AI 鉴别真伪,互相博弈变强)。她在 Claude Code 里搭了两个角色:一个是负责干活的「生成器智能体」,另一个是专门挑刺的「对抗评估器」。

她现场演示了一遍:对抗评估器会生成各种刁钻的边缘案例和「红队测试」(模拟黑客攻击)去围攻生成器的系统提示词。如果生成器没抗住,评估器就把反馈打回去,逼着生成器自己改写提示词,直到平均分达到标准才算过关 。她认为,现在「构建」这事儿已经没门槛了,真正的护城河是这种人类独有的「品味」:你知道该让对抗智能体去测试哪些最核心的业务标准 。

懂得搭建自动进化系统的人,在职场上正变成一种全新的物种。Jyothi 提到,像 Anthropic 和 OpenAI 都在推行一个叫「AI builder」(或 technical staff)的新角色,工程师、设计师、PM 的边界正在消融 。

以前一个 PM 配 8 个工程师,现在变成了 2 个 PM 配 1 个工程师。在最近的高级 PM 面试中,除了传统的产品直觉环节,还多加了「AI 环」:面试官会直接丢个 Cursor(一种 AI 编程工具)给你,让你当场把脑子里的产品原型 vibe coding(凭直觉手搓代码)出来 。

他们考的不是你代码写得好不好,而是看你拿到 AI 吐出的第一版答案时,会不会去挑刺边缘情况,还是傻乎乎全盘接受 。所以她的终极建议是:别光做练手项目了,把你身边真实的痛点做成产品丢出去,拿到真实用户的骂声,这才是新时代产品人最硬的敲门砖 。

本集带走

最后收个尾,这一集值得带走的是三个实操思路。第一,Claude 全家桶不是单纯的聊天框,你得把它当成一套五层系统来运营:挑对主力模型(大概率是 Sonnet),在桌面端用大白话设定好每日自动化简报任务,把琐事全甩给它。

第二,真正懂你的 AI,需要你亲手喂出来的本地知识库:用 Claude Code 搭个只有你能访问的本地库,把每天的会议纪要和文档死磕进去,它会帮你画清办公室的人际图谱,甚至在你发飙前提醒你先搞定哪个利益相关方。第三,想做出好产品,别只会盲信 AI 给的第一版答案,搭一个「对抗智能体」去疯狂攻击它,逼着它改提示词,在自我攻防里把边缘场景全扫平——这恰恰是 2026 年新物种「AI builder」面试时最看重的能力。

理解针对哪个用例选择哪个界面,成为了一项核心的 PM 技能,这将帮助你变得效率提升 10 倍
understanding which surface to reach for which use case becomes one of the core pm skills that will help you become 10x more effective
—— Jyothi Nookula · [05:39]

这是我认为大多数 PM 投入不足的层,正是这一层让 Claude 从一个通用的聊天机器人变成真正了解你的上下文
this is the layer that i think most pms under invest in it’s this layer that makes claude go from being a generic chatbot to actually knowing your context
—— Jyothi Nookula · [06:05]

研究表明,AI 生成的技能文件不如人工编写的技能文件有效
research has shown that AI generated skill file is less effective than human written skill files
—— Jyothi Nookula · [30:46]

它说这个人是一个以「不」开头的人,所以你应该直接切入正题,而不是围绕它做大量的前言铺垫
it said this person is a no first person and so you should just get to it versus preambling a lot around it
—— Jyothi Nookula · [47:49]

构建现在变得容易了,品味才是我们要开发的重要东西
and building is easy now taste is what is important for us to develop
—— Jyothi Nookula · [79:57]

这就是你不仅仅是在构建一个智能体,你实际上是在构建另一个评估器以不同的方式去攻破这个智能体,这对你来说很重要
this is where you’re not just building an agent you’re actually building another evaluator to go break this agent in different ways that’s important for you to know about
—— Jyothi Nookula · [91:25]

我是不是把 AI 告诉我的第一件事就当作「这很棒」并且把它收尾,还是我在审视这些事情说好吧这很好,但是这种边缘情况怎么办
am I just taking the first thing that the AI tells me as like this is great and wrapping it up or am I looking through things to say okay this is good but what about this edge case
—— Jyothi Nookula · [76:59]

不要把它们当作项目来对待,要把它们当作产品
don’t build them as projects treat them as products
—— Jyothi Nookula · [81:18]