跨国深谈← 返回←循环是新的提示词:JobNimbus 首席 AI 官教你 vibe PM

循环是新的提示词:JobNimbus 首席 AI 官教你 vibe PM

关联

人物 Tyler Folkman

公司 JobNimbus · Claude · Herder

概念 循环 · 智能体 · 技能 · 闸门 · 原型 · 钩子 · 构建者

来源 Product Growth Podcast

「循环是新的提示词」——这句话最近被反复提起,但很少有人讲清楚:对做产品的人来说,一个循环到底怎么搭、怎么改进。这一集请来的主角是 Tyler Folkman,JobNimbus(一家刚完成 3.03 亿美元 B 轮融资的犹他州创业公司,主持人开场介绍的)的首席 AI 官兼产品负责人,管着约 100 人的团队。他最有冲击力的一个现场演示:在他讲话的几分钟里,他的 AI 已经自动构建出了三个可用于客户访谈的产品原型——而启动它的提示词只有一句「继续」。

什么是循环:比提示词多一层「自我改进」

Tyler 的区分很干净:普通提问是你和 AI 一问一答,「几乎是更聪明的 Google 搜索」;智能体(agent)是你给它一个任务、给它验证方式,让它尽可能自己执行。而循环(loop)比「跑一次任务」更进一步——结束时把整次对话的日志喂回去,让 AI 改进那个技能本身。「这是自我改进的智能体的理念,而不是一个静态的技能」。没有学习这一环,你跑的只是一个技能;反馈回去持续改进,技能才变成循环。

好循环的命门:一个确定性的闸门

他把循环拆成四步:自己取输入 → 干活 → 闸门(gate) → 产出工件(artifact),然后学习闭环。其中闸门「几乎总是最重要的部分」,而「尽可能地让这个验证是确定性的,这一点至关重要」——也就是用测试、检查这类可机器判定的标准,而不是全靠 LLM 裁判。代码领域之所以好做,是因为有大量可靠测试;推论是:AI 在有清晰边界和清晰的完成定义时非常擅长工作。产品工作的难点恰恰在这里——闸门是客户,你没法把客户锁在房间里反复问「你喜欢这个吗」。

实操:从零写一个技能,手写第一稿

现场他真的从零建了一个「决策技能」:先手写一个 skill.md——「第一稿我会手写」,因为他读到过论文,人写的技能往往比 AI 写的更好,因为你更清楚自己要它做什么。他的警告是「电动自行车比喻」:买了电动车的人都说自己还会踩踏板锻炼,「一旦你骑上电动自行车,你就不会踩踏板了」——AI 循环转得太快、多巴胺太足,人会停不下来。所以要让 AI 用苏格拉底式提问反过来质问你、拆穿你的胡说(比如演示里它判断「屋顶机器人投资」是单向门、高爆炸半径、低紧急度——「不急着做决定的教科书案例」)。收到 AI 的改进建议时,「这是离开 AI 跑步机的时刻」,「如果你总是接受它说的,技能会变得太多、太自以为是,稀释整个价值」。闭合循环最简单的做法:问 AI「基于这次对话,怎么改进这个技能」,再用 Claude 的 hooks(在会话结束等时点自动强制触发的机制)把改进固化;定时循环用 slash loop。版本管理靠 Git,他现在更多是「向前修复」而不是回滚。

产品侧:原型冲量,合成客户过闸

JobNimbus 的产品循环:让 AI 一次性生成至少三个不同类型的原型变体(极简版、全功能版、创意版),「瞬间,任何人都能做出一个原型,然后拿着它去和客户聊」。第一步闸门是用数据仓库里所有客户调研通话的转录稿,造一个「合成客户」让 AI 以客户视角审查原型——门槛不高,但能快速从约 100 个想法筛到最好的 5 个,再真人上。他同时强调:别把客户触达设太多门槛。传统上访谈由 UX 把关,但 AI 时代新瓶颈就是接触客户本身,「如果你对这件事设太多门槛,它就无法跟上 AI 的速度」——目标是训练所有人每周做两次客户访谈。他还推荐两个高价值循环:客户触达循环(每天/每周自动从 Pendo、Amplitude 或数据库里识别该联系谁)和项目管理循环(自动从 Linear/Jira 拉工单、汇总风险和停滞项)。

文档:AI 写给 AI 看,人只读 1-3 页

他收到太多 10-20 页的 AI 生成文档,「直接丢给我的 AI,这多少有点违背初衷」。他的解法是把文档分成两类:写给 AI 看的文档——把所有战略上下文尽量全喂给 AI,没人读得完也没关系,它用来支撑 AI 回答问题(新员工入职流程就是这么生成的,连安排会议都用他的日历自动化了);写给人类看的文档——1 到 3 页为上限,更视觉化。底线是:「如果那个人是用 AI 而不是自己的思考生成的文档,让其他人用自己的精力去消化它是不合理的」。

工程侧:先做质量循环,PM 能不能写代码看系统

「客户体验到的并不是你的缺陷率,他们体验到的是 bug 的数量」——发布速度翻倍,bug 也以同速变多,客户只会觉得你变差了。所以他最推荐工程师做的循环就是质量循环(标准、检查、自动化端到端测试):「AI 的质量优势可以击败速度优势,因为它能让你更安全地发布」。PM 推代码:在解耦良好、CI 和质量测试健全的系统里,任何人都可以推;系统烂的公司,PM 连靠近都别。唯一要小心的是事先和团队约定好,否则你的 PR 会给工程师制造计划外的「影子工作」。工程师反过来做 vibe PM:失败点不显性(没有 bug,只有「发布了没人要的东西」),缓解靠速度——快速丢弃不行 idea,在 feature flag 后面发布再拿去和客户聊,「这就好比 PM 在代码里发布一个按钮颜色改动,风险非常低」。红线下不碰:战略级投资决策;以及「把思考外包」——拿 AI 研究结果原样上交,「那不是在做产品工作」。

三种角色正在融合成「构建者」

设计侧最大的循环就是原型制作,AI 确实冲击了 Figma 这类工具;有好的设计系统,AI 会直接用你们的组件库,非设计专家的改动也在安全边界内。PM、设计、工程正在融合成「构建者」(builder),但他提醒这比大家想的慢——「学习新技能、构建系统都需要时间」。他们真招过:办了号称犹他州最大的黑客马拉松,冠军现在是公司 SVP。他的判断:技能比以往更重要,但正因如此,借助 AI 你能比以往更快地跨域提升。「由于构建时间下降了,去风险的需求也变了——以前瀑布式存在,是因为造个实物要很久」。「为什么不让 AI 写 100% 的单元测试覆盖率?基本上是免费的」——产品同理:微软的研究说我们发布的产品里三分之二表现平平或对业务毫无作用,「所以,为什么不花点时间,基本上免费获得更多尝试机会呢?」

他自己的做法也值得领导层抄:周一周五远程日不鼓励开会——管着近 100 人,他这两天通常一个会都没有。「如果你在一个房间里待八个小时,有大量时间和 AI,还有很多你想学的东西,你能搞出很多名堂」。光说「要用 AI」没用,「远不如『这就是我使用 AI 的方式』」。

本集带走

• 循环 = 技能 + 学习闭环:跑完把日志喂回去让 AI 改进技能本身;没有这一环,你只是在跑一个静态技能。用 Claude hooks 在会话收尾时强制触发改进,用 slash loop 做定时循环。
• 闸门尽可能确定性:用测试、检查这类可机器判定的标准;产品侧的闸门难在客户,先用合成客户(基于真实通话转录稿)把 100 个想法筛到 5 个,再真人访谈。
• 第一稿手写技能,警惕 AI 建议全收:人写的技能往往更好;AI 永远会提改进建议,全收会让技能臃肿、稀释价值。
• 文档分两类:给 AI 的尽量全喂上下文,给人读的压到 1-3 页、视觉化。
• 工程师先循环质量,再谈速度:客户感知的是 bug 数量,质量优势能让你更安全地提速。
• vibe PM 从双向门起步:feature flag 后面发布、拿去和客户聊,风险极低;但别拿 AI 研究结果原样上交,也别让 AI 替你做战略决策。

你比只是写个提示词时更多地把自己从循环中抽离出来。这样你才能真正把自己扩展放大。
So you’re taking yourself out of the loop more than you are with just like a prompt. That way you can actually scale yourself.
—— Tyler Folkman · [05:26]

唯一比没有数据更糟糕的就是非常糟糕的数据,所以我们不想要那样。
The only thing worse than no data is really bad data, so we don’t want that.
—— Tyler Folkman · [21:59]

我的看法是,有些东西应该写成 AI 写给 AI 看的。
What we’re thinking about is something should be AI written for AI, in my opinion.
—— Tyler Folkman · [26:29]

如果那个人是用 AI 而不是太多自己的思考生成的那个文档,我认为让其他人用自己的精力去消化那个文档是不合理的。
If the person used AI and not a lot of their own thinking to generate that document, I don’t think it’s reasonable that the other people will use their own energy to consume the document.
—— Tyler Folkman · [27:51]

而且我想说,有些 AI 垃圾内容实际上比我在 AI 出现之前见过的人类垃圾内容要好。
And I would argue that some AI slop is actually better than human slop that I’ve seen before AI.
—— Tyler Folkman · [28:43]

一旦你骑上电动自行车,你就不会踩踏板了。
Once you get on the e-bike, you’re not pedaling.
—— Tyler Folkman · [30:03]

而这里我会再次说,这正是该离开 AI 跑步机的时刻。
And this is where I would say, again, this is the time to get off the AI treadmill.
—— Tyler Folkman · [39:12]

那不是在做产品工作。那更像是把你的思考外包出去了。
That’s not doing product work. That’s more kind of outsourcing your thinking.
—— Tyler Folkman · [47:27]

因为我几乎认为 AI 的质量优势可以击败速度优势,因为它能让你更安全地发布。
because I almost think that the quality advantage of AI can beat the velocity advantage because it lets you ship safer.
—— Tyler Folkman · [52:42]

现在我的观点就是做到 100%。这基本上是免费的。
And now my opinion is just be 100%. It’s basically free.
—— Tyler Folkman · [57:15]