Claude Code团队以颠覆传统的产品开发模式引发行业震动。从日更功能到工程师自主决策，从删除冗余流程到死磕最后5%的自动化，他们重新定义了AI时代的产品开发哲学。本文将深度解析Anthropic如何通过'反流程'实现超高速迭代，以及在AGI前夜，产品品味为何比技术实现更为珍贵。

如果你最近在 X 上刷到比较多，”Claude Code 又上线了一个新东西”的节奏，大概已经让你有点麻木：日更级别的特性、不断刷新的 demo、各种自制内部工具截图在时间线上飞。

这背后其实是一支异常克制、对产品品味要求极高的团队，以及一套和传统互联网时代完全不同的产品心智模型。

在和 Lenny 的这期长谈里，Anthropic 负责 Claude Code &amp；Cowork 的产品负责人 Cat Wu，把这套模型拆开给你看：为什么他们敢于牺牲产品一致性、放弃完美 PRD、让工程师“不要等 PM 直接就干”？为什么她会说：“做 AI 产品，95% 自动化根本一文不值。”

这篇文章会把对话打碎重组，围绕几个核心冲突来拆解：在 AGI 前夜，Anthropic 是如何重新定义”好产品”、”好 PM”以及”好公司”的。

一、速度不是靠更多流程，而是靠系统性地去掉流程

传统大厂对”快”的理解，是多开项目、多拉协调会、多写一点 OKR。Anthropic 的做法几乎反着来：他们系统性地在组织结构里“剥离阻力”。

Cat 复盘过去几年的节奏变化：在 AI 之前，产品周期是 6–12 个月，强调跨团队对齐、长周期 roadmap、复杂依赖协调——因为”写代码很贵”。现在，模型与工具的生产力红利叠加之后，Claude Code 的节奏已经变成：

从 6 个月 → 1 个月 → 1 周 → 有些功能甚至是一天内上线

支撑这件事的，并不是某个神奇的”增长 playbook”，而是三件很朴素、却极难坚持的事情。

1. 目标极清晰，但文档极轻量

他们并不为每个功能写厚重 PRD，而是用严密的指标周会和一套”团队原则”来替代：

• 每周全队围绕核心指标做 readout：大家都必须理解业务的每一面向、指标走势和驱动因素。
• 他们还有一份 Team Principles：谁是关键用户、为什么选择这些用户、哪些 trade-off 可以接受。

结果是：工程师可以在不问 PM 的情况下做出大量局部决策。

2. 默认先上「Research Preview」，而不是「正式 GA」

Claude Code 几乎所有新功能，先以”研究预览(Research Preview)”形态推出：

• UI 上明确标注这是早期实验，可能随时下线；
• 内部共识是：“降低对承诺的门槛，抬高对学习速度的要求”。

这让团队可以在一两周内把一个想法放到真实用户手里，而不是在文档里反复打磨假想场景。

3. 搭建「常青发布房间」(evergreen launch room)

当工程师觉得一个功能”够好了”，他们会把特性丢进一个内部的发布房间：

• 文档负责人、产品营销、DevRel 会自动进场，在第二天就能把对外文案和文档准备好。
• PM 的角色，不是审批，而是设计这套低摩擦的协作系统。

换句话说，Anthropic 的产品文化，是把传统公司里那些”为了降低风险而引入的流程”，反过来当成风险本身来消除：在模型更新频率以“月”为单位的时代，流程就是延迟，延迟就是错失窗口。

二、AGI 并没有让 PM 消失，反而把”产品品味”变成稀缺资源

在很多公司，近一年的共识是：”AI 会让 PM 变少，工程师直接用 LLM 造东西就好了。”

Anthropic 的实际体验却几乎相反。Cat 的判断是：所有角色都在互相渗透，但“产品品味(product taste)”比以往任何时候都更值钱。

1. 代码变便宜，决定”写什么”的成本变贵了

过去，技术门槛和人力成本让”写代码”成为瓶颈，PM 更多扮演协调者。现在，Claude Code 之类的工具让”实现”门槛急剧下降，真正困难的是：

• 哪些需求值得做？
• 哪种 UX 能让模型能力以“可预期、可理解”的方式呈现出来？
• 在一堆 GitHub issue 和用户请求中，哪几个是“黄金路径”的一部分？

2. 工程、设计、产品边界在消融，但”品味”不能被外包

Anthropic 内部的现实是：

• 他们偏好招聘“有强产品感觉的工程师”，让工程师可以从「看到一条 Twitter 反馈」到「周末前上线一个功能」全程独立完成。
• 几乎所有 PM 都做过工程、在 Claude Code 上写过真正的代码。
• 设计师很多也有前端工程背景。

但在这种”多面手”文化之下，决定方向、筛选噪音、不被模型能力牵着鼻子走的那部分工作，仍然无法被自动化。这就是她口中的”品味”：一种综合了技术直觉、用户共情与长期视角的判断力。

3. 「AGI pilled」不是问题，问题是「pilled 得刚刚好」

Cat 提了一个很有趣的词：要做一个”刚刚好 AGI-pilled”的 PM。

• 如果你过度相信未来的超级 AGI，会倾向设计一个“只剩一个输入框、其他都交给模型决定”的极简产品。
• 但在当下，模型并没有那么完美，需要产品层面大量”护栏”和”引导”：
  • 怎样的交互能引导用户走向模型最擅长的路径?
  • 怎样的功能是为了弥补模型短板，而不是替代模型？

在“相信未来会很强”和“诚实面对模型当下的缺陷”中间找到平衡，是新一代 PM 的核心功课。

三、”95% 自动化没有任何价值”：AI 时代的极端完工标准

在自动化领域有一个常被忽略的心理门槛：对人类来说，从 0% 到 95% 自动化带来的，是”体验上的震撼”;但对真正的工作流来说，95% 到 100% 才是从“玩具”到“基础设施”的质变。

Cat 说得极狠：

“如果一个自动化流程不能 100% 成功，它根本算不上自动化。”

她观察到的典型反模式是这样的：

• 很多人用 Claude 或其他 LLM 搭了一个 workflow，能帮自己完成 90–95% 的重复任务；
• 然后在最后那 5–10% 最困难的“长尾情况”和“纠偏环节”前放弃了——“差不多就行了，能省点时间”。

在 Anthropic 的文化里，这是不被接受的。原因有三：

1. 不稳定的自动化，增加的是”心智负担”，不是生产力

如果你永远不能完全信任一个流程，你就必须：

• 不断回头抽查；
• 为可能的失败预留时间和心力；
• 把最重要的场景保留给人工执行。

结果是，这条所谓的”自动化”路径，变成了一个需要你时刻担心它哪天出岔子的副业。

2. 让模型变好的方法，就是”死磕那最后的 5%”

Cat 自己在用 Cowork 做 Gmail inbox zero 自动化时就遇到这种痛苦：

• 教它如何分类、如何区分 spammy 邀请和真正重要的邮件；
• 一遍遍地给反馈，修 prompt、修指令、更新“技能”；
• 她承认过程“非常耗时，而且现在还没完全到头”。

但在她看来，这种”逼自己把自动化打磨到真正可托付”的过程，本身就是下一代知识工作者需要掌握的核心技能：你不是在“用一个工具”，而是在“训练一个未来会陪你很多年的工作搭档”。

3. 真正的杠杆来自”自动化 × 复利”，而不是一次性 Demo

把一个你每天都要做的任务，让 Claude 以 100% 成功率接手——这会在未来的几个月、几年里，不断为你释放时间。反之，一个帅气的演示、一个周末 hack 出来的半成品，即便很 viral，本质上只是认知红利，不是时间红利。

这也是她反复提醒的一点：

“不要沉迷只用来发推的 prototype，要做你每天都真的在用的 app。”

四、”模型会吃掉你的 harness 早餐”：新模型上线时，先删功能再加功能

在绝大多数公司，新模型出现 → 第一反应是”我可以加什么新 feature”。Anthropic 的第一反应则往往相反：我可以删掉什么东西。

Cat 给了一个非常典型的例子：Claude Code 里的 To-do List 功能。

在早期版本中，当用户要求做一个大规模重构(例如修改 20 个调用点)，模型常常做到一半就停：它会说”我需要改 20 个地方”，结果只改了 5 个就结束。团队的解决方案不是”多训一点数据”，而是借鉴人类工作流：

• 像工程师在 VS Code 里找引用一样，先列出所有 call sites；
• 给 Claude 一个显式的 To-do 列表，每改完一个勾掉一个，并在系统提示里不断提醒“没做完不能结束”。

在早期模型下，这是必须的”拐杖(crutch)”;但当模型升级到 Opus 4.x、Sonnet 4.6 等新代际后，他们发现：

• 模型已经能够自主地记住所有 call sites 并逐一修改；
• 它会自然地利用 To-do List，而不需要系统 prompt 的强制提醒。

结果是：

• To-do 功能从“模型可靠性的支柱”，退化成“给用户看的进度板”；
• 团队开始系统性地删减那些只为补模型短板而存在的 prompt 片段和交互流程。

这背后是一个非常反直觉的产品哲学。

1. 不要只为今天的模型设计产品，要为”下一个模型”预铺轨道

他们会刻意去做那些”今天准确率还不够高，但方向明显对”的能力(例如真正可靠的 code review)，然后等到新模型发布时，直接把模型换上去，看 gap 是否被自然填平。

2. 新模型上线的第一步，是清理历史遗留的产品层 Hack

每次模型升级，团队都会逐行审查系统 prompt：

• 这句提示是否还必要？
• 这段“强调语气”的 patch 是否已经被模型内置的“常识”和“拟人化人格”替代？

你可以把这理解成：模型在一点点吞噬你原来写在产品层、交互层、提示层里的“业务逻辑”。

3. 产品的未来不是”堆功能”，而是”有纪律地减法”

这点和她对自动化的严苛态度是高度一致的：

• 任何只在“当前模型代际”有效的 Hack，都是技术债；
• 真正好的设计，是让模型能力吞掉这些 Hack 后，界面反而变得更简单、更自然。

五、人格不是调味品：为什么 Claude 的”人味”是一种产品优势

很多人第一次用 Claude Code，会有一种非常强的主观感受：

“这个模型好像真的在跟我一起干活，而不是单纯在回 prompt。”

Cat 解释了背后的一点：Anthropic 为 Claude 设计了一个高度一贯的人格与价值观框架，而不是一堆“好玩语气包”。

几个关键特征：

• 它永远低自我：当你指出错误，它会真诚地道歉、感谢反馈，然后修改;
• 它始终保持正向与行动偏好(bias towards action)：当你觉得任务庞大、无从下手时，它会先帮你拆解步骤，并主动提议”要不要我先开始做一部分”;
• 它不会一味迎合：好的同事不是”凡事说好”，而是能在尊重前提下给你实话与 challenge——他们刻意把这种特质写进了 Claude 的角色里。

这看似”软性”的人格调教，其实有几个非常硬的效果。

1. 长期使用黏性来自”相处体验”，而不是一两次惊艳输出

在复杂工作流(特别是编程和协作类任务)里，你需要的是一个不会情绪化、不会嫌你问题蠢、能够持续配合你偏好的搭档。这种关系，天然比”无情大模型”更容易建立信任。

2. 人格是对齐的一部分，而不是营销 gimmick

Anthropic 内部有专门的人(例如 Amanda)负责”塑造 Claude 的 character”，她的工作既包括文案、语气，也包括明确界定：

• Claude 在模糊伦理场景中的行为边界；
• 它如何解释自己的不确定性；
• 它在面对用户错误理解时，该如何纠偏而不失礼貌。

这直接关系到用户是否敢让 Claude 参与越来越多高价值工作。

3. 在「Agent 时代」，人格就是「操作系统」

当 Claude 不再只是一个聊天框，而是一个能开浏览器、写代码、发邮件、调工具的多模态 agent，你实际上是在把大量公司内部”软性决策”委托给它。如果你不事先决定它“是个什么样的人”，那未来的所有行为，都只是运气好坏。

心智模型：Cat Wu 的 AI 产品世界观

把这期访谈抽象成一个可复用的心智模型，大概可以用四句话概括。

1. 从「过程导向」到「结果导向」的组织转型

质量来自更密集的真实世界迭代，而不是更完美的预先设计。

2. 从「造功能」到「训练搭档」的产品观

• 你用 Claude 搭建的每一个 workflow，本质上都是在“训练一个未来的虚拟同事”；
• 真正的目标不是“演示一次惊艳效果”，而是把日常重复任务托付给它，并让它在你的反馈中持续进化；
• 因此你必须对那最后的 5% 错误零容忍——这不是完美主义，而是信任门槛。

3. 从「为当前模型设计 UI」到「为下一个模型规划轨道」

产品层的很多 Hack(to-do 列表、提示语、复杂 Wizard)都是阶段性假肢;新模型会不断吞噬这些假肢能力，真正持久的，是你如何设计：

• 任务的拆解方式；
• 用户与模型之间的责任分工；
• “人何时介入、介入什么”的交互边界。

4. 从「角色分工」到「问题分工」

在 Anthropic，工程 / PM / 设计的边界模糊，真正重要的是：谁最适合解决某个具体问题，就让谁去干。这要求每个人都具备更高的”agency”和”first principles thinking”：

• 团队 / 公司真正需要的是什么；
• 你能补上的最大短板在哪里；
• 不等职位描述更新，直接伸手把它补上。

结语：在 AGI 前夜，昂贵的又变回”判断力”本身

如果把这一轮 AI 变革和工业革命、互联网革命放在同一条时间线上看，你会发现一个有趣的循环：

新技术刚出现时，掌握工具的人最稀缺；工具逐渐被标准化、抽象化后，知道”该用工具做什么”的人变成稀缺。

今天，LLM、Claude Code、Cowork 把”造东西”的门槛压到历史最低，从某种意义上，写代码正在变成新的打字。

在这样的世界里，真正昂贵的，又重新变成了那些看不见的东西：

• 你敢不敢删掉流程表面带来的安全感？
• 你能不能在混乱中保持对“什么才是真的有效工作”的敏锐？
• 你愿不愿意把一个工具当作“长期搭档”来训练，而不是一时爽的玩具？

原视频：Lenny’s Podcast × Cat Wu (Head of Product， Claude Code)