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 &；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。
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。
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：
结果是：工程师可以在不问 PM 的情况下做出大量局部决策。
Claude Code 几乎所有新功能，先以”研究预览(Research Preview)”形态推出：
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。
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：
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。
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。
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：
Anthropic 内部的现实是：
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。
Cat 提了一个很有趣的词：要做一个”刚刚好 AGI-pilled”的 PM。
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。
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：
在 Anthropic 的文化里，这是不被接受的。原因有三：
如果你永远不能完全信任一个流程，你就必须：
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。
Cat 自己在用 Cowork 做 Gmail inbox zero 自动化时就遇到这种痛苦：
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”。
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。”
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：
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：
结果是：
这背后是一个非常反直觉的产品哲学。
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。
每次模型升级，团队都会逐行审查系统 prompt：
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”。
这点和她对自动化的严苛态度是高度一致的：
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：
这看似”软性”的人格调教，其实有几个非常硬的效果。
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。
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：
这直接关系到用户是否敢让 Claude 参与越来越多高价值工作。
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。
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。
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。
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：
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”：
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：
原视频：Lenny’s Podcast × Cat Wu (Head of Product， Claude Code)
本文由 @Ewvue 原创发布于人人都是产品经理。未经许可，禁止转载。
题图来自Unsplash，基于CC0协议
该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。