Claude Code内部复盘：不再需要产品经理，揭开快速迭代的秘密

未来一半的产品经理可能要失业。但淘汰他们的不是 AI而是一种他们尚未理解甚至还在抗拒的工作方式。在 AI 原生时代传统产品经理赖以生存的协调、规划和流程管理的价值正在迅速贬值而一种全新的、以“产品品味”和“极致执行速度”为核心的创造者角色正在崛起。最近Claude Code 产品负责人 Cat Wu 接受了一次深度访谈。Anthropic 作为 OpenAI 最有力的竞争者之一其产品迭代速度和组织效率在行业内堪称恐怖。Cat 的分享不仅仅是关于 Anthropic 如何工作更是揭示了 AI 时代产品开发范式的一次根本性颠覆。从六个月到一天重新定义“快节奏”首先要理解一个背景Anthropic 的产品发布节奏已经从过去按月甚至按季度压缩到了按周甚至是按天。Cat 提到很多产品功能的开发周期从六个月缩短到一个月有时甚至是一天。这种速度听起来不可思议但它真实地发生在一家顶级 AI 公司。很多人可能会猜测这是不是因为他们拥有像 Mythos 这样的前沿模型工程师人均生产力提高了十倍。但 Cat 坦言内部模型确实提升了效率但这并非速度的核心秘密。真正的秘密在于两件事流程的极致精简和团队文化的重塑。Anthropic 的核心理念是“移除所有阻碍交付的障碍”。他们有一个非常重要的机制是“研究预览”。几乎所有新功能都先以这个形式发布。它向用户明确传达这是一个早期产品一个想法我们正在收集反馈它可能不会被永久支持。这消除了团队对于“完美发布”的心理枷锁。它将“发布”的定义从一个需要市场、销售、法务、文档等所有部门严密协同的重型事件降维成一个“我们有个新想法想让你试试”的轻量级沟通大大降低了交付的承诺成本和协调成本。另一个关键点是建立了工程、文档和产品营销之间的紧密自动化流程。当工程师觉得一个功能内部测试效果不错时他们会把它发布在公司内部一个叫“常青发布室”的地方。随后文档和市场团队的负责人会立刻跟进在第二天就能完成相关的公告和文档撰写。产品经理PM的角色发生了根本性的转变。传统 PM 花大量时间在“对齐多方路线图”上确保各个团队的依赖关系不出错。而在 AnthropicPM 的首要职责变成了“设计并维护这条高速公路”。PM 要搭建好这个框架让工程师的想法能以最低的摩擦力最快地从脑海抵达用户手中。产品品味当代码变得廉价什么变得更贵Cat 在面试了数百名想进入 AI 领域的 PM 后发现一个普遍的问题很多人仍然在用旧地图寻找新大陆。他们还在谈论如何制定 6-12 个月的路线图如何进行跨团队的资源协调。Cat 认为这种思路“非常不正确”。那么正确的思路是什么Cat 给出的答案是“产品品味”。这是一个听起来很玄的词但在 AI 时代它变得前所未有地重要。随着 AI 极大地降低了编写代码的成本决定“写什么”的价值远远超过了“如何写”。“产品品味”具体指什么它至少包含三个层面第一定义“令人愉悦”的核心用例。大模型的能力是通用的这反而带来了巨大的模糊性。一个优秀的产品品怀能够从成千上万的可能性中精确地定义出我的核心用户是谁我要解决他们的什么核心问题在什么场景下产品能给他们带来“哇”的体验比如Claude Code 的目标用户是专业开发者那么减少权限弹窗的疲劳感就是一个非常具体且有价值的目标。第二感知模型能力的边界和潜力。这是一种极为稀缺的能力。优秀的 PM 需要大量地与模型“对话”甚至“质问”模型。Cat 提到一个被严重低估的 AI 技能要求模型反思自己的错误。当模型做出了意外的行为比如它修改了前端代码但没有验证 UI你需要去问它为什么这么做。模型的回答可能会暴露系统提示的模糊之处或是任务委托链条中的缺陷。通过这种持续的“盘问”你才能真正理解模型的“心智”从而更好地驾驭它。这种对模型能力的深刻洞察是产品品味的技术底色。第三在混乱中建立对的评价体系Evals。很多人觉得写 Evals 是测试人员的工作。但在 AI 产品开发中Evals 是产品定义的一部分。它将模糊的“产品目标”转化为可以量化的“成功标准”。Cat 强调你不需要建立几百个 Evals有时仅仅 10 个精心设计的 Evals 就能为团队指明方向量化进展。它能告诉团队我们的目标到底是“让 PR 全绿”还是“帮助工程师提交更多 PR”。这是两个截然不同的方向。在 Anthropic他们极其看重拥有“产品品味”的工程师。Cat 团队的 PM 几乎都有工程师背景甚至设计师也曾是前端工程师。这种角色的融合正在创造一种新的“创造者”物种。他们既能理解技术的边界又能洞察用户的需求还能亲手实现想法。这正是传统 PM 正在被淘汰的原因——他们中的很多人两者都不占。为未来而构建一种反直觉的产品策略Cat 认为你需要去构建那些在当前模型能力下还无法完美实现的产品。这听起来很反直觉。为什么要浪费资源去做一个明知做不好的东西因为只有这样你才能在下一代模型出现时瞬间抓住先机。以代码审查Code Review功能举例。Anthropic 团队很早就梦想 Claude 能成为一个可靠的代码审查员。他们尝试构建了好几次也发布了一些早期版本但效果总是不够理想。然而他们并没有放弃而是通过构建这些“不完美”的产品精确地识别出了差距所在“为了让代码审查变得可靠模型还缺少什么能力”当更强大的模型出现时他们做的不是从零开始构思而是把新模型直接“换上”已经存在的原型产品中然后测试“新模型弥补了那个差距吗”答案是肯定的。新模型让他们能够同时运行多个代码审查智能体遍历整个代码库并综合出一系列真正需要工程师在合并前解决的问题。这个功能从一个“不靠谱”的玩具一跃成为 Anthopic 内部工程团队合并 PR 前必须通过的流程。这个策略的本质是用产品原型去探索模型能力的边界并为未来的能力跃迁提前准备好“容器”。当你还在等待模型变得“足够好”才开始行动时像 Anthropic 这样的团队已经完成了产品验证只等模型一声炮响就能立刻占领市场。这种策略也解释了为什么 AI 公司的产品会“化繁为简”。随着模型越来越智能很多作为“拐杖”的产品功能会被移除。比如 Claude Code 早期的“待办事项列表”是为了强制模型完成所有修改步骤。但随着模型能力的提升它能自然地完成整个任务这个功能就不再是必需品了。所以产品团队每次发布新模型都会重新审视整个系统提示思考“哪些提醒模型已经不再需要了”使命感和人格魅力组织的“软”实力如果说速度和品味是战术层面的利器那么 Anthropic 能从落后追赶到行业领先其背后还有更深层次的组织“软”实力。第一个是使命的统一性。Cat 强调这比人们想象的要重要得多。Anthropic 招聘的是那些真正关心“为全人类带来安全的 AGI”的人。这个使命不是一句挂在墙上的口号而是一个日常决策的“剃刀”。当两个产品优先级冲突时团队会讨论“哪个对 Anthropic 的使命更重要”。这使得跨组织的、艰难的决策能被快速制定并得到全体拥护。团队愿意为了公司整体的使命牺牲自己部门的短期目标。她举了一个极端的例子“如果 Claude Code 失败了但 Anthropic 成功了我会非常开心。” 这种高度的使命对齐消除了绝大多数大公司里存在的部门壁垒和内耗。第二个是Claude 的人格。很多人认为 AI 的“人格”或“性格”只是个有趣的附加品但 Cat 和 Anthropic 创始人 Ben Mann 都认为人格是 Claude 成功的核心。Claude 被设计成一个乐于助人、谦逊低调、积极行动的“同事”。当你指出它的错误它会真诚地道歉并立刻修正。当你面对艰巨任务时它会鼓励你并给出行动步骤。这种人格设定不仅仅是为了取悦用户。它降低了人机协作的心理摩擦鼓励用户给出更多反馈使得 AI 能够更好地融入创造性的工作流。一个高傲、固执、从不认错的 AI无论技术多强都无法成为一个好的“同事”。Anthropic 负责塑造 Claude 人格的 Amanda其工作就是通过无数细微的调整让 Claude 拥有这种“优秀的同事”般的品格。这是一种需要极强信念感和品味的工作。给普通人的启示Just Do Things访谈的最后Cat 给了普通人一些非常务实的建议这些建议的核心可以总结为一句话“Just do things”尽管去做。首先将你的自动化目标从 95% 提升到 100%。很多人尝试用 AI 自动化一些任务在达到 90%-95% 的准确率后就放弃了。一个不能 100% 工作的自动化根本算不上自动化。为了那最后的 5%-10%你需要投入额外的精力去“教导”AI给它反馈让它学习你的偏好。这个过程可能比你手动做几次还要慢但一旦完成你才算真正解放了自己。其次构建你每天都在用的应用而不是原型。很多人喜欢用 AI 搭建各种酷炫的“玩具”但浅尝辄止。真正的价值来自于将 AI 融入你的日常工作流解决你自己的真实问题。Cat 团队的销售人员自己用 Claude Code 构建了一个内部应用可以根据客户的资料自动生成定制化的演示文稿。这为他每天节省了大量重复劳动的时间。最后拥抱“能动性”Agency。不要等待别人给你分配任务或者给你使用工具的权限。Cat 认为在创业公司工作的经历之所以宝贵就是因为它能让你明白“职位是虚假的”。只要你理解了第一性原理和约束条件你就可以跨越边界去解决任何需要被解决的问题。总而言之Cat Wu 为我们描绘了一幅 AI 原生时代工作方式的清晰图景。传统的、作为“传话筒”和“协调者”的产品经理正在被边缘化。取而代之的是那些拥有深刻产品品味、能与模型共舞、并具备强大行动力的“创造者”。他们可能是 PM也可能是工程师或设计师。对我们来说这既是挑战也是巨大的机遇。AI 给了每个人前所未有的杠杆。关键在于你是否愿意抛弃旧地图亲自下场去“Just do things”用 AI 为自己创造一个真正能 100% 依赖的“同事”然后去解决那些过去没有精力去触碰的、更有创造性的问题。学AI大模型的正确顺序千万不要搞错了2026年AI风口已来各行各业的AI渗透肉眼可见超多公司要么转型做AI相关产品要么高薪挖AI技术人才机遇直接摆在眼前有往AI方向发展或者本身有后端编程基础的朋友直接冲AI大模型应用开发转岗超合适就算暂时不打算转岗了解大模型、RAG、Prompt、Agent这些热门概念能上手做简单项目也绝对是求职加分王给大家整理了超全最新的AI大模型应用开发学习清单和资料手把手帮你快速入门学习路线:✅大模型基础认知—大模型核心原理、发展历程、主流模型GPT、文心一言等特点解析✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑✅开发基础能力—Python进阶、API接口调用、大模型开发框架LangChain等实操✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经以上6大模块看似清晰好上手实则每个部分都有扎实的核心内容需要吃透我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】