个人知识库

2026-06-26-anthropic-kat-woo-24-advice

9分钟阅读

Anthropic产品负责人24条建议：AI产品经理的核心竞争力正在重塑

Anthropic Claude Coding 产品负责人 Kat Woo 在 Lenny’s Podcast 的深度访谈，揭示了 AI 时代产品管理的全新法则——从缩短出货周期取代路线图规划，到 Product Taste 成为稀缺技能，再到用团队原则+每周指标替代传统 PRD。

基本信息

核心观点

  1. PM 最值钱的工作从「对齐路线图」变成了「缩短出货周期」：Anthropic 很多功能的交付周期已从六个月缩到一天。模型能力几个月就跃迁一次，半年路线图可能下月就作废。PM 最大价值是把「从想法到用户手里」的时间压到最短。

  2. Product Taste 是当下最稀缺的技能：代码越来越便宜，决定「写什么」比「怎么写」值钱一百倍。Anthropic 招 PM 几乎只看 product taste——能否从成千上万 GitHub issue 中判断哪些值得做、用什么方式做。这个能力是长期使用好产品后在脑子里长出来的直觉，无法速成。

  3. 用「团队原则 + 每周指标」替代传统 PRD：Anthropic 不怎么写 PRD。取而代之的是每周全团队做 metrics readout + 维护团队原则清单（关键用户是谁、愿意做哪些取舍），让每个工程师都能自主决策。

  4. 模型会吃掉你的产品 harness：每次新模型发布，团队会把 system prompt 从头到尾读一遍，问「这个部分模型还需要提醒吗」，不需要就删掉。早期 Claude Code 的 to-do list 从必须功能变成可选 UI 展示。AI 产品要持续做减法。

  5. Eval 是被严重低估的 PM 技能：不需要写几百个 eval，10 个好的 eval 就能帮团队量化目标和进展。如果产品管理的未来是定义「成功长什么样」，eval 就是把定义变成可量化标准的工具——这是 PM 的事，不是工程师的事。

  6. 2024 是 Chat，2025 是 Action：2024 年 AI 产品是聊天型的（给你建议），Claude Code 这一代是行动型的（替你执行）。不要只做「建议者」，要做「执行者」。

  7. 产品演进的终局：50-100 个 agent 同时跑：先是单任务可靠，再是多任务并行（6 个 session），最终是 50-100 个 agent 同时运行。产品要解决的问题变成：怎么知道该看哪个结果？agent 怎么自验证？怎么从反馈中学习？

  8. 自动化做到 95% 等于没做：95% 可靠度意味着每 20 次有一次要自己收拾残局。应该投入时间给它喂反馈、教偏好，一直到 100%。只有到了 100% 才能真正信任它。

  9. 不要过度 AGI pilled：每个 AI 产品人都能想象「模型超级聪明只需一个文本框」的未来，但难的是当下。PM 最值钱的技能是搞清楚当前模型能力边界下，怎么设计产品引出模型最大能力。

  10. 提前为还做不到的事建产品：提前构建当前模型做不好的功能原型，新模型一出来就换进去测试。「超前半步建原型，等模型追上来」。

实操内容保留

代码/配置

（本文无实操代码/配置）

Prompt 模板

（本文无 Prompt 模板）

操作步骤

支撑极速发货的三件事：

  1. PM 锁定清晰目标——不是「做一个更好的功能」这种废话，而是非常具体的「我们的关键用户是专业开发者，要解决的问题是权限提示太多导致疲劳，目标是让企业开发者安全地做到零权限提示」
  2. Research Preview 机制——几乎所有功能先以「研究预览」形式上线，明确告诉用户这是早期产品、可能不会永久支持，大幅降低发布门槛
  3. 紧密的跨职能流水线——工程师觉得功能 ready 了发到内部 launch room，文档团队、PMM、DevRel 第二天就能把市场推广素材搞定

找到最信任的 5 个用户做人肉 eval：

  1. 在用户中找到特别擅长表达「什么让某个 model + harness 组合好用」的人
  2. 建立信任关系
  3. 每次有新模型或新功能第一时间找他们测
  4. 快速拿到高质量反馈

关键概念

  • Product Taste — Anthropic 招 PM 的核心标准，决定「写什么」比「怎么写」值钱一百倍
  • Eval 框架 — 被严重低估的 PM 技能，10 个好的 eval 就能量化目标
  • Claude Code — Anthropic 的 AI 编程助手，行动型 AI 产品的代表
  • Claude Cowork — Anthropic 的非代码工作 AI 助手（PPT、文档、邮件等）
  • Research Preview — Anthropic 的快速发布机制，降低发布门槛
  • AI产品经理 — 角色正在从路线图规划者转向出货周期压缩者

与其他素材的关联

  • 与 2026-05-29-woshipm-shawn-abu-claude-code-6-weeks 的关系：Shawn 的 Eval 框架是 PM 自建评估系统的实战案例，本文从 Anthropic 产品负责人视角进一步确认「eval 是 PM 的事而非工程师的事」
  • 与 2026-05-09-pm-ai-playbook 的关系：「AI 做 80% 事务，人做 20% 判断」在本文中得到 Anthropic 内部验证——用团队原则+每周指标替代 PRD，本质是让判断力分布式到每个工程师
  • 与 2026-05-11-skill-sop-for-ai 的关系：「模型会吃掉 harness」揭示了 Skill 的一个隐藏风险——你今天加的 Skill 内容可能在下一代模型面前变成多余的东西，AI 产品要持续做减法
  • 与 2026-06-17-woshipm-3a-triage 的关系：「2024 是 Chat，2025 是 Action」的范式转变与 3A 分诊法的 Automation→Agent 层级演进一致

原文精彩摘录

Kat 说每次新模型发布，团队会做一件事，把整个 system prompt 从头到尾读一遍，然后问「这个部分模型还需要我们提醒吗」，不需要就删掉。早期 Claude Code 做大重构时会漏改 call site，团队就给它加了一个 to-do list 功能。到了 Opus 4 之后呢？模型自己就会完整执行了，根本不需要强制提醒。那个 to-do list 从「必须有的功能」变成了「可选的 UI 展示」。做 AI 产品不是只做加法的，你还得持续做减法。你今天加的每一个 feature 都有可能在下一代模型面前变成多余的东西。

每个做 AI 产品的人都能想象一个未来，模型超级聪明，产品只需要一个文本框，用户说一句话模型就全搞定了。但难的是当下。当下这一代模型有很多能力，也有很多短板。PM 最值钱的技能就是搞清楚，在当前模型的能力边界下，怎么设计产品才能引出模型的最大能力，怎么帮用户走上 golden path，怎么让用户利用模型的长处同时绕开它的弱点。

相关页面

关系图谱

快速导航

反向链接