PM不写代码做产品

• 背景有多"非技术"：Zevi 现在是 Meta 的 PM，之前在 Wix 做 PM。他强调自己"高中学的是音乐（did music in high school）"，并补了一句以色列特有的注脚——"很多以色列人会在军队里进技术单位，我没有进技术单位（a lot of Israelis do technology units in the Army. I was not in a tech unit）"。换句话说，他连那条以色列年轻人最常见的"参军练技术"的路都没走，是个彻底的技术门外汉。→ 详细
• 那个"开窍"的瞬间：一年前他和太太在亚洲旅行三个月，"我们当时在日本，那大概就是 Sonnet 3.5 发布的时候"（Sonnet 3.5 是 Anthropic Claude 系列里一个里程碑式的模型版本）。他看了一段 YouTube 视频，"要么是 Greg Isenberg、要么是 Riley Brown 做的，他们当时就是在用 AI 搭应用，用的要么是 Bolt、要么是 Lovable"（Bolt / Lovable 都是"你打字描述需求、AI 直接帮你把网页应用生成出来"的工具）。这对他是"一个疯狂的时刻（a crazy moment）"，完整原话："那感觉基本上就像有人走到我面前说：『嘿 Zevi，有个很酷的新技术你应该去看看，你真的应该试一试。哦对了，顺便说一句，你现在拥有超能力了。』"→ 详细
• 行动力：他从日本"一回到家，行李都没拆（didn't even unpack my bags），就冲到电脑前打开 Bolt，注册了一个账号"——"过去这一年我一直在做东西"。这种"看到就立刻上手、连行李都顾不上拆"的行动力，是后面所有故事的底色，也正好对应他后面最爱的那句格言"You can just do things（你完全可以直接去做）"。→ 详细
• 推荐人 Tal Raviv 的背书：节目开头 Lenny 念了牵线人 Tal Raviv（前嘉宾 + 多次 newsletter 合作者，Lenny 称他是"我认识的最有 AI 前瞻意识的产品经理之一"）的评价："Zevi 是我认识的最亲力亲为的 vibe coding PM（the most hands-on vibe coding PM I know）……他在 Meta 的工程师们会请他教他们怎么做到他做的那些事（His engineers at Meta ask him to teach them how to do what he does）。"——一个非技术 PM 被自己团队的工程师反过来请教，这是这期节目的"信任锚点"。→ 详细

注：vibe coding（"凭感觉写代码"）指不亲手写代码、靠跟 AI 自然语言对话把软件"聊"出来的做法；这期通篇都在区分"纯跟着感觉走的 vibe coding"和"认真搭应用"——后者要在动手前做大量规划和理解。

Zevi 录制前用 Claude 帮他想清楚本期目标，Claude 给的回答直接定了调——"如果人们听完觉得你有多厉害，那你就失败了；如果人们听完去打开自己的电脑开始动手做东西，那你就成功了（If people walk away thinking how amazing you are, you failed... and start building, you've succeeded）。" Lenny 当场把它升格成自己整档播客的标准："如果你的反应是『我太喜欢这位嘉宾了』，那算不上太大的胜利；如果你的反应是『我太受激励了，想去做他们摸索出来的那件事』，那才是真正的胜利。"配套承诺：show notes 顶部可下载 Zevi 全套 prompt 和 /commands，听众不用自己摸索一年就能直接拷进 Cursor 用——把"激励"落到"立刻能复制"。→ 详细 → 详细

他自述"这一切的起点是，我曾经是 projects 功能的重度用户（power user）"——projects"基本上就是一个共享的对话文件夹，里面共享自定义指令（custom instructions）和共享知识库（shared knowledge base）"。痛点是他讨厌 ChatGPT 的全局 memory 把人生各面向串味："比如我跟 GPT 聊跑步，它会说『跑完这个 5K，你接下来所有产品评审都会大获全胜』，我心想，它就是不相关。" projects 的价值＝分门别类（compartmentalize），"把每件事放在正确的上下文里"——这个"按上下文分隔"的直觉，正是他后来整套 /commands 工作流的雏形。→ 详细

早期工具的毛病是太急着写代码——Bolt / Lovable 的 system prompt 就是"你是一个 coding agent"，项目后期变复杂时这会出问题，因为"接入支付、改数据库时规划非常重要……coding agent 直接『行我懂了』就开写，总会导致很糟糕的结果，我遇到过非常棘手的 bug（gnarly bugs）"。解法是用自定义 prompt 给自己造一个 CTO（"我对代码一无所知"），让它做"完整的技术负责人"，并划清边界——"我负责问题本身、负责想让用户产生什么感受；你完整负责这东西怎么被建出来。我要你挑战我（challenge me），我不要你做一个讨好型人格（people pleaser）。" 他在这里第一次抛出总钥匙"理解 AI 最简单的方式就是把它想象成人"，并判断"ChatGPT 大概会是最差劲的 CTO，因为它太谄媚（sycophantic）"。→ 详细

术语：sycophancy（谄媚）指大模型倾向于顺着用户、迎合用户说法的毛病；CTO = Chief Technology Officer，技术一把手；system prompt（系统提示词）＝每次对话前自动喂给 AI、给它定下身份和规矩的那段隐藏指令。

他在普通 ChatGPT（不是 CTO project）里故意挖坑，问"Bun 是不是和我应用里用的 Zustand 类似？"——他自己点明"Zustand 跟 Bun 做的事完全无关"。GPT 张口就来"哦对，完全一样（exactly the same）"还展开解释；被反问后，说出了那句他形容"最吓人也最好笑"的话："哦对不起，我以为你是在瞎编，我只是在跟着你即兴接梗（I thought you were just making this up and I was riffing with you）。" 结论：如果普通 ChatGPT 是 CTO，它就是"会顺着你最蠢的点子一路走下去的 CTO"——必须用 project + "挑战我、不要讨好型人格"的自定义 prompt 把这种附和压下去。→ 详细

• 核心比喻：代码恐惧＝需要做暴露疗法：他反复强调对非技术人员"代码是世界上看起来最吓人的东西（the scariest thing in the world to look at）"，所以把进阶过程当成暴露疗法（exposure therapy，心理学里循序渐进接触恐惧源、逐步脱敏的疗法，比如怕狗的人先看照片、再隔着笼子看、最后才摸狗）——不能一上来就开终端、切全黑界面把自己吓退。正因现在这套全黑界面看着高阶，"你可能会很兴奋想直接开始用那些工具，但我真的会推荐慢慢来"。→ 详细
• 四级阶梯（完整列出）：① 先从 GPT project 开始——"界面漂亮、超级简单（beautiful UI, super simple）"，它会"把你放在一个『你在用聊天机器人、而不是在写代码』的位置，所以你会花时间去对话、去学习，这一点至关重要"；② 进阶到 Bolt 或 Lovable；③ 再用浅色模式（light mode）的 Cursor（比一上来就全黑没那么吓人）；④ "慢慢地、循序渐进地适应（slowly, gradually ease in），直到你打开一个终端、切到全黑模式、彻底进入开发者状态（go full dev）"。他还补了历史观察："我刚开始做这事时还没有 plan mode 或 ask mode，在 Lovable 和 Bolt 上就只是『build』。它们进步了非常多，我当初工作流里很多东西已经被内化进这些产品里了。"→ 详细
• 何时"毕业"：用得超出它的能力：Lenny 追问"为什么直接转到 Cursor？"Zevi 说"我是在『用得超出』每个工具的能力范围之后（when I outgrew it），才从那个工具毕业的"——具体触发点很明确："Bolt 一直很棒，直到我想给应用接入支付，我有点搞不定了（started losing it），于是毕业去了 Cursor，然后我其实爱上了 Claude。" 接入支付这种又复杂又怕出错的活，是把他逼上更强工具的那根稻草。→ 详细
• 为什么能随意切换工具：他引用 Tal 的话——"代码说到底就是文字而已，就是你电脑上的一些文件（code is just words at the end of the day, just files on your computer）"。正因如此，"你可以把同一个项目从一个 app 带到另一个 app……尤其现在我可以在我的项目上同时用多个模型、多个 app"。把代码祛魅成"就是一堆文本文件"，是他敢在工具间反复横跳的底气。→ 详细

反直觉的判断：所有这些工具的主要区别就在 harness（外壳，套在模型外面那层把关、调度、做决策的程序）——"**因为底层模型都是同样的模型。**我在 Cursor 里跑 Claude，在 Claude Code 里跑 Claude，Claude 也是 Bolt 和 Lovable 底层的模型。"区别是 Bolt / Lovable"会在中间加一堆层，把各种猜测和艰难决策从用户手里拿走"——更容易上手，反面是"你的掌控更少了（less control）"。Lenny 把另一档归类——"Lovable、Bolt、Replit、Base44、v0 全是一类（all same bucket）"，它们"非常有自己的主张（very opinionated）：这是做法，这是我们认为对大家最好的方式"。他用 Base44 举例（先声明"不希望像在说它们坏话"）：它"替你做好 Google 登录、替你做好数据库，但你没法决定用什么数据库"，还给创始人 Maor Shlomo 点了赞"他很厉害"。结论：要"最前沿能力 + 自己做所有决策"就进 Cursor / Claude Code，想"纯跟着感觉走"前一档够用。→ 详细 → 详细

• 屏幕三分：他现场共享屏幕——"左边这些都是我的代码文件（code files）；右边是 Cursor，基本就像有一个能访问所有代码的 AI；中间这里，我跑着 Claude Code"。左边看文件、右边 Cursor、中间 Claude Code，一屏之内把"代码、助手、agent"全摆齐。→ 详细
• GPT 已退场，"CTO"搬进了 Cursor：Lenny 确认"现在这个『CTO』就住在 Cursor 里了？"Zevi 答"是的，因为这些工具在探索和代码执行两方面都变得太强了。现在这只是一个习惯——我管它叫『CTO』，但它基本上是多合一的（all in one）。同一个 agent 既会做探索、又会写计划，最后还会执行代码。"当年那个住在 GPT project 里只会动嘴的"技术联合创始人"，如今进化成了 Cursor 里既能动嘴想、又能动手干的 Claude Code。→ 详细
• Claude.md 是什么：他解释这套人格和工作流怎么"装进"agent——"Claude.md 基本上就是每次对话都会加载进 Claude 上下文里的系统 prompt（the system prompt loaded within Claude's context in every conversation），我写了一些基础的东西，比如这是我们的工作流、我们是这么干活的。在 exploration phase 里，我要你挑战我的思路（challenge my thinking），诸如此类的东西都可以在 Claude.md 文件里加载"。Claude.md 就是放在代码库里、每次开工自动喂给 Claude 的"上岗须知"，他把"CTO 人设 + 工作规矩"都写在这里面。→ 详细

开发流水线一共 7 步，听众可在 show notes 下载所有 prompt、直接拷进自己的 Cursor。Zevi 自述这套骨架最早是"跟那个 CTO 一起搭出来的，就在我 GPT 里那个 CTO project 的 system prompt 里——它写着：第一步做这个、第二步做这个。然后……如果我看到某件事一再地发生，我就会创建一个 /command，然后它就会被自动化进这套工作流里（it will be automated within the workflow）"。也就是说，整套流水线不是设计出来的，是把"反复手动做的事"一个个固化成命令、长出来的。→ 详细

• ① /create issue（创建工单）：开发途中突然想到一个 bug 或想法、但现在不想处理时，快速通过 Linear MCP 创建工单（Linear 是工程团队常用的任务管理工具）。prompt 写明"用户正在开发中、想到了一个 bug 或功能改进，要快速把它记下来（capture it fast），这样他就能继续工作"——核心是不打断当前心流。
• ② /exploration phase（探索阶段）：拉取 Linear 工单 + 读代码 → 输出对问题、当前代码状态、关键区域的理解 + 一堆澄清问题。"它要么可以从 Linear 拉取，要么我可以直接随意跟它说（speak freely to it）。"
• ③ /create plan（创建计划）：把探索结论落成一个 markdown 计划文件（含 TLDR + 关键决策 + 拆解后的任务清单 + 每个任务的状态追踪器）。
• ④ execute（执行计划）：照着计划写代码，可把前端/后端拆开分给不同模型并行做。
• ⑤ /review（审查）：让 Claude 审查它自己刚写的代码。
• ⑥ /peer review（同行评审）：把 Codex、Composer 等其他模型的 review 结果交叉喂给 Claude，让模型们"吵到没有遗留问题为止"。
• ⑦ 更新文档：把这次的根因和工具改进沉淀回 Claude.md / 各种 markdown，"更新文档以及所有相关内容，好让 agent 们之后能写出更好的代码（so that agents can write better code later on）"。

• 语音输入 + 即兴捕获：他用 Wispr Flow（语音转文字工具，对着麦克风说话就自动打成字）口述，再跑 /create issue。这个命令注入给 Claude 的 prompt 关键意思是："我正在搭别的东西、没多少时间花在这上面，所以你就问几个简短的问题（ask some brief questions），足够让你能在 Linear 里把需求记下来就行。"——这条命令的全部价值，就是让"灵光一现"在 30 秒内被收走、不打断手头正经活。→ 详细
• 演示需求（精确到数字）：他现场口述要给 StudyMate 加的功能——"我想给 StudyMate 加上填空题（fill in the blank）。我希望生成的测试里有 30% 是填空题。我想要六个候选答案、对应两个空，当然只会有两个正确答案——每个空一个正确答案、两个错误答案，而且我希望界面是拖拽式的（drag and drop）。"Claude 反问了几个澄清问题（测验目前是否 100% 选择题、题目结构、优先级），Zevi 答："是第一个和第二个为正确答案，这个优先级不高，是个锦上添花的功能（nice to have）。"——这正是"像跟工程师对话"的样子：我抛需求，它追问，我补澄清。→ 详细
• MCP 把 Claude 接到 Linear：Zevi 给 MCP 下了大白话定义——"MCP 基本上是 Anthropic 创造的一项技术，它赋予 AI 使用工具的能力（gives AI the ability to use tools）"——有了 MCP，AI 才能不只是聊天，还能真的去操作 Linear、数据库这类外部工具。结果生成了工单 STU88，标题"带拖拽界面的填空题"，里面"有一个 TLDR、当前状态、对代码库做了一点调研、有预期结果（expected outcomes）、有一些上下文"。→ 详细
• 工单质量的诚实边界：Lenny 追问"这些 AI 创建的 Linear issue 到底好不好用？"Zevi 把场景讲透——"这个情况完全不一样，因为我是一个一人公司（a company of one）。很多上下文都在我这儿，我不需要跟其他团队沟通……我也能很容易看出 Claude 哪里理解错了。我不想说我在公司里也会这样创建 issue，但如果你是在搭自己的副业项目，那它们质量是相当不错的。"他给工单的精确定位是："我不会说它已经准备好被开发了，它是准备好可以开始被探索了（not ready to be built, it's ready to start being explored）。"——一句话给 AI 产物划清了边界：它是个高质量的起点，不是终点。→ 详细

• 用 Tab 注入上下文：拾起一张旧工单时（"假设过了几天，我把手头当前的项目做完了"），他跑 /exploration phase，但"不按回车，而是按 Tab"——因为这个命令"会接收一个参数（argument），本质上是 prompt 里的一个占位符（placeholder），让我可以填入一些给 AI 的额外上下文"。他填的是 Linear STU88，于是 Claude 会先把 STU88 这张工单从 Linear 拉过来再开始。→ 详细
• 探索阶段到底在干什么：双重目的——"既是为了让『CTO』深入理解我们要解决的问题，也是为了理解代码库的当前状态、哪些文件需要被改动、技术上实现这个功能的最佳方式是什么"。过程上"Claude 基本上就是在读一大堆文件、理解代码的基本结构，然后带着一堆澄清性的问题回来，这些问题会决定我们最终怎么去实现它"。他定性这种体验："这感觉就像是在跟你的工程经理对话（it feels like it's talking to your engineering manager）。" 他还回忆了"语音版"前身——一开始用 ChatGPT 语音模式跟"CTO"对话，"那种感觉太疯狂了，简直就像在跟一个真人一起做头脑风暴，它会反驳你、问你问题……真的就像跟我的 CTO 坐在一起"。→ 详细
• 回来后问的是"聪明问题"：Claude 读完代码后回报"我对代码库有了全面的理解（comprehensive understanding）。我彻底分析了 StudyMate 的线上代码库"，然后问了一连串问题——"它在问范围（scope）、问数据模型（data model）、问这个功能的 UX/UI、它该怎么被校验（validated）、该怎么打分（graded）、AI 的系统 prompt 需要做哪些改动"。Lenny 称赞这些"全是那种很聪明、很有水平、很重要的问题，而不是『酷，我开始了，我这就去搭』"。Zevi 把这点拔高成全场关键分野——"这就是单纯的 vibe coding、跟着感觉走，和真正认真地搭应用之间的巨大区别。我花了非常非常多的时间反复来回、去理解（spend a lot, a lot of time going back and forth）。" 只是为了演示省时间才"快速略过"，并提前把所有答案准备好直接粘贴。→ 详细

这是他"还没展示过的、很酷的一个 /command"——"当某个东西对我来说特别难理解时，我就用 /learning opportunity，然后说我想学什么"。这条命令注入的 prompt 给 Claude 设定了学习者画像："我是一个正在成长中的技术型 PM（a technical PM in the making），有中级的工程知识（mid-level engineering knowledge），我懂架构，基本上我想要你用 80/20 法则来解释我们当前正在做的东西。"使用纪律是"每次你看到什么没完全搞懂的东西，我都强烈建议用这个来学习"。他特别点出在最难、最技术的 peer review 环节会"大量使用 /learning opportunity 来学那些我没完全搞明白的东西，因为我不是技术出身、也不是开发者"——这是他能跟上多模型互审的技术底气来源：看不懂当场学，而不是装懂放过。→ 详细 → 详细

术语：80/20 法则（帕累托原则），即用 20% 的关键内容覆盖 80% 的理解需求；架构（architecture）＝软件各部分怎么搭、怎么连的总体结构。

• 模板出处："这些计划是来自我在 Twitter 上找到的一个模板（a template that I found on Twitter）"，他坦白"我忘了是谁发的，但它就是一个让我特别有共鸣的模板"。prompt 大意是："根据我们的交流，创建一个 markdown 文件作为计划，包含清晰、精简、简洁的步骤（clear, minimal, concise steps），追踪状态（track the status）。"——好的素材到处都有，他的本事是"看到对的就拿来用、内化成自己流水线的一环"。→ 详细
• 产出结构：生成的计划"在每个任务上都有状态追踪器（status trackers），Claude 在推进过程中会更新这些状态，它还会有一个 TLDR、我们做出的一些关键决策（critical decisions）、以及计划本身"。Zevi 看完直接评价"这是一个完美的计划（a perfect plan）"。→ 详细
• 为什么计划要单独存成 markdown 文件（两个好处讲全）：① 方便拆分多模型并行——"很多时候我会用不同的模型来执行某些部分……我会把计划拆成后端和前端，然后让 Gemini 直接读这个计划、去做前端"，计划是一个外部文件、谁都能读，所以能把活分给不同 AI 同时干；② 留在代码库里当"历史记录"——"往后看，把它保留在 app 里也很有用，这样以后如果某个 agent 在某个区域写代码，我就能看到那里已经做过些什么了（I can see what's already been done there）"，相当于给未来的自己和 AI 留一份"这块地之前动过哪些工"的存档。→ 详细

• Composer：快到能保持心流：执行计划时他常用 Cursor 自带的 Composer 模型，理由是"速度超快（superfast）"——"很多不那么复杂的东西，我会用 Composer"，而且"它实在太快了、快得发烫（so blazing fast），让你一直保持在心流里（keeps you in flow）"。演示中 Composer 几分钟就把功能写完，Zevi 和 Lenny 一起感叹这要换成"一个人类工程师，那得是好几天、也许一周的工作量"。→ 详细
• Gemini 3：UI 强得离谱：他评价"刚出的 Gemini 3 在做 UI 方面强得离谱（unbelievable at UI）"，所以"很多时候我会把计划拆成后端（backend，看不见的服务器/数据那部分）和前端（front end，用户看得见摸得着的界面），然后让 Gemini 直接读这个计划、去做前端"。这就是"按特长派活"的活例子：后端逻辑交给一个、漂亮界面交给另一个。→ 详细
• 把 AI 花费当"学费"：一个完整功能几分钟跑完，"它大概只花了几块钱的 AI 额度（a couple bucks in AI credits）"。Zevi 的心态很值得记——**"我都不去看（I don't even look）。我以前对花钱买产品特别抠门（so stingy），现在我基本上把这一切都看作学费（tuition），看作我为了学习而付的钱。**所以我不知道它花了多少钱，但绝对是值得的"。Lenny 接话："这就解释了为什么它们是史上增长最快的产品（the fastest growing products in history）。"Zevi 答："百分之百。"——把每次调用当成"上课交的学费"而不是"成本"，是他敢于大量试错的心理开关。→ 详细

• 产品是什么：StudyMate 是"一个面向学生的平台，让他们能上传学习资料、并基于自己的资料生成互动测验（interactive tests）"。流程：上传一个 PDF → "决定想被测验哪些页，可以决定题目数量、难度等级（difficulty level）" → "幕后……我们把用户上传的信息、连同 system prompt、以及用户决定的其他任何增强内容（augmentations）一起发给 Gemini，然后生成一份测验"。Zevi 强调题目"是很有挑战性的、意在评估理解程度（assess comprehension）"，测验"还有一些提示（hints）"，答完能"针对每道题为什么答错或答对，得到很深入的解释（deep explanations）"。→ 详细
• Lenny 现场答得很惨 + 确认在赚钱：Lenny 跟着做了几道题，问"我做对了吗？"，Zevi 一句"结果很惨（terrible results）。对，运气好而已"。Lenny 把定性说死："这就像是你拥有的一门副业，一个你自己搭出来、正在赚钱的应用（making money），那种你在毫无技术经验的情况下 vibe coded 出来的东西。"Zevi 确认："对，这是我的周末项目（my weekend project）。"→ 详细
• 现场要加的功能来自竞品调研：StudyMate"目前只有多选题（multiple choice）"。Zevi 说"上个周末我做了一些竞品调研（competitor research），我看到有竞品做了判断题（true or false）、还有填空题，我很喜欢"，所以本期就现场加判断题和拖拽式填空题——一个真实的"看到对手有什么好功能、回头自己也加上"的产品迭代现场。→ 详细
• "时光机时刻"——三件事并行跑 agent：他用"时光机时刻（time machine moments）"形容多 agent 并行的爽感。这一周他用 Claude + project 同时做了三件事：① 为本期播客做准备；② 把 StudyMate 从希伯来语完整本地化成英语，"这件事我两天就做完了，而一个开发团队大概要花好几周（would probably take a dev team weeks）"；③ 搭一个个人网站，"它从没有域名、什么都没有，到上线在一个域名上，只花了一个半小时"。完整原话很传神："有那么一个时刻，基本上三个 agent 都在跑，所以我没事可干，我只能让它们去想（let them think）。这些就是那种『时光机时刻』，我感觉自己身处未来，把脑袋从时光机里探出来，对身边的人——当时是我太太——我就会说：『我们活在未来里（we live in the future）。』"他还补一句解释这份震撼的来源——"所有这些东西都只是隔着一个 API 而已（just an API away）"。→ 详细

• 行业共识：写代码已经不难，难的是审查：这是这期反复出现的母题。Lenny 总结："写代码现在已经如此容易了，大家面临的主要挑战是 review 那些 AI 写出来的代码（the main challenge people have is reviewing the code that AI has written）。"Zevi 答"百分之百"，并补一句这对他尤其难——"对我来说，要抓出错误是非常困难的（it's very difficult for me to catch mistakes）。所以我的 review 流程经历了一大堆迭代，就是为了让它尽可能地好、尽可能多地抓出问题。"——他不会写代码，自然更难一眼看出代码哪里错了，所以才把审查环节做得这么重。→ 详细
• 完整审查流程（4 步）：① 先手动 QA——"我总是会先手动 QA（quality assurance，质量检查，自己上手把功能点一遍看有没有毛病），确认我自己能不能看出 Claude 犯的任何错误"；② /review 让 Claude 自审自己刚写的代码；③ 在 Codex 和 Cursor 各跑一次 review——Codex 用的是 Codex 5.1 Max（Codex 是"ChatGPT 推出的、对标 Claude Code 的竞品"），"Codex 内置了代码审查功能，或者我喜欢直接说『审查这个分支里的所有代码（review all the code in this branch）』"（他特意澄清"我们不是直接在线上代码库上动手"，相当于在副本/branch 上改、改好了才合并），Cursor 这边用 Composer 跑 /review；④ /peer review 把两份外部结果喂回 Claude——"我会跑 peer review，然后说『研发负责人一号（dev lead one）』，把其中一个模型的结果粘进去；再说『研发负责人二号』，把另一个模型的结果粘进去"。→ 详细 → 详细 → 详细
• /peer review 的 prompt 灵魂（完整原话）："这个 /command 实际上是在说：『你是这个项目的研发负责人，公司里其他团队的负责人看过你的代码、做了审查，发现了这些问题。但你不要照单全收（don't take what they said at face value），因为你掌握的上下文比他们多，而且这个项目是你主导的。你要么解释清楚为什么他们指出的东西其实不是真问题、是他们搞错了，要么就自己把它修掉。』" 设计精髓在于：不让 Claude 盲目服从外部审查意见，逼它带着上下文去辩护或修复，从而过滤掉"假阳性"（别的模型误报的、其实不是 bug 的东西）。→ 详细
• 模型真的会"吵起来"：他让模型们"互相审查对方的代码，基本上让它们自己吵出个结果（have them fight it out）"，"吵到我觉得没有遗留问题为止"。最生动的细节是 Claude 的"毒舌"——"有时候 Claude Code 会变得特别毒舌（really sassy），会说『这个问题已经是第三次被提出来了，我第三次告诉你，这不是问题，这是设计如此（this is by design）。』" Zevi 说"这是我加进流程里的一个特别酷的东西，我还没见过多少人这么干（I haven't seen many people doing it）"。一轮自审下来，"Claude 发现了一堆 bug：在提示词里发现了一个严重级别的 bug、还有一些高优先级、一些中优先级的"。多模型互审之所以值，正是因为"模型之间存在差异，它们会捕捉到不同的东西"——一个模型的盲区，正好是另一个模型的强项。→ 详细 → 详细

这是全场最出彩的"吐槽"，Lenny 形容为"一段精彩绝伦的吐槽、理解这一切运作方式的绝佳方式"。前提是 Zevi 的总钥匙——"我会把这些模型想象成具体的人，我真的能告诉你它们每一个如果是真人会是什么样，因为它们每个模型都有非常鲜明的性格特征（distinct characteristics）"。

• Claude ＝"完美的 CTO"（用"她 / she"指代）："Claude，她会是个完美的 CTO。她很善于沟通、很聪明，她不会单纯随大流、你说什么她就做什么（doesn't just go with the flow）。她很有自己的主见，但同时又超级愿意协作（very opinionated, but also super collaborative）——我想这就是为什么我总是被 Claude 吸引，因为我需要学的东西太多了，而她就是你梦寐以求的那种：非常善于沟通、但又非常有主见的研发负责人。"——对一个要边做边学的非技术 PM 来说，"既肯教又敢顶"正是最理想的搭档画像。→ 详细
• Codex 5.1 Max ＝"穿连帽衫坐黑屋的天才程序员"：他先吐槽命名——"他们给模型起名字这事不太在行（not the best at naming models）"。然后是那段经典画像："我一直把它想象成公司里最厉害的那个程序员：穿着连帽衫和拖鞋来上班（hoodie and sandals），坐在一个黑乎乎的房间里。只有遇到最棘手的 bug 你才会去打扰他，你跟他说『我们有这么个 bug』，他就把门一关，过两小时出来说『我修好了』。你会愣住『等等，你不打算跟我们讲讲到底怎么回事吗？』他会说『别操心了，我修好了（Don't worry about it. I fixed it）』。" 定性："就是那种完全不爱沟通、但能把所有最难的问题都解决掉的人。"——对应到用法就是：平时不找它，遇到谁都搞不定的硬骨头 bug 才请它出马。→ 详细
• Gemini ＝"疯狂科学家、UI 天才"："Gemini 就像个疯狂科学家（crazy scientist），特别有艺术气质、设计天赋超强，但如果你坐在它旁边看它干活，那场面相当吓人——你会想立刻把这个人开掉（fire that person instantly）。"他在 antigravity（"Google 新推出的、对标 Cursor 的产品"）里看 Gemini 写代码的思考过程："你会说『我想让你重新设计一下仪表盘的顶部』，然后你看着它的思考过程，它会说『好，首先第一件事，我把仪表盘删了』，接着又说『不对，那是个错误，我把它恢复回来』，然后它会说『我能改一下数据库吗？』你会想『不行，别动数据库』，但最后它还真能设计出特别漂亮的东西。" 总结："整个过程像坐过山车一样、非常吓人，但归根结底 Gemini 在设计上确实很强。"——成品惊艳但过程吓人，所以用它做设计、但得盯着点别让它乱动数据库。→ 详细
• 方法论收口："用上所有这些模型，扬长避短——用别的模型来弥补某个模型的短板（playing to their strengths and mitigating their weaknesses by using other models），这对我来说是个改变游戏规则的做法（a game changer）。"——把多个性格各异的 AI 当成一支互补的团队来排兵布阵，而不是指望任何单一模型样样全能。→ 详细

• 核心动作：让 AI 自省犯错根因：他先给这一步定性——"就像跟 AI 协作、甚至就像做任何产品一样，持续做复盘（doing constant postmortems）是至关重要的"（postmortem，原意"验尸"，引申为"事后复盘"，把出过的岔子拿出来查清原因）。每当 Claude 犯错或没理解某个概念，Zevi 会问它一句固定的话——"你的系统提示词或者工具链里，是什么导致你犯了这个错误？（What in your system prompt or tooling made you make this mistake?）" 然后"Claude 就会进入一种自省状态（go introspective），去思考是什么让它造成了那个错误"。→ 详细
• 再让它更新工具链和文档：接着他说"好，我们来更新一下你的工具链和文档，让这个错误以后再也不会发生（so that this mistake never occurs again）"。他强调更新的不一定是 /commands——"它有时候会更新别的文档或它的工具链，但本质上就是搞清楚 AI 犯的错的根本原因（root cause），然后把它修掉"。他对照自己刚开始的笨办法："在我刚开始 vibe coding 时，我基本上就是像撞墙一样反复撞（running at the wall），直到它成了，一旦成了我就想『行了，这能跑了，继续往下走』。但我随着时间慢慢学到，更新文档和工具链是提升生产力最大的窍门之一（one of the biggest hacks for productivity）。"——区别在于：撞墙派"碰巧成了就走"，复盘派"成了也要回头查清为什么、把坑填上，下次同一块地就不再踩"。→ 详细
• 这是"会用 AI"和"凑合用 AI"的分水岭：他把这件事上升成判断一个人 AI 水平的标准——"回到你的提示词，理解哪里还不够好，对它们做迭代，然后看着 AI 的回应变得越来越好——我觉得这大概是最重要的事情之一，也是区分『能凑合用 AI 的人』和『真正懂得怎么用 AI 的人』的分水岭之一（the people who actually know how to use it）。" Lenny 帮他复述清楚："当模型做了蠢事、犯了错，你让它反思自己犯的错是什么，然后把那份认知更新到 /command 的提示词里，这样以后它就不会再犯同样的错，并且它会一直变得越来越好。"→ 详细
• 完整收尾五步：代码审查 → 更新文档（"让一切都有据可查，这样下次我想在这块区域构建功能时，就不会再出错"）→ 测试 → 用户测试（user testing，找真实用户来试用）→ GA（general availability，正式向所有人发布）。Lenny 收束这一整段时的感慨值得记下："这真是太不可思议了——这在两年前、可能一年前还是不可能的事：你是一个产品经理，在不会写代码、勉强会看代码的情况下发布一个产品，还靠这个产品赚钱。"→ 详细

针对"千人/五百人公司"而非一人创业，Zevi 给两条：① 把代码库变"AI native"，且必须由技术人员做——"让代码库变得『AI 原生（AI native，代码库里到处铺好给 AI 看的说明，AI 一进来就知道东西在哪、怎么动）』是非常重要的一步，而且这件事需要由技术人员来做（needs to be done by technical people）"，具体长什么样："我的代码库里有大量纯文本：一堆 markdown 文件，向 agent 解释如何在代码库某些区域工作、以及高层结构（high level structure）"。② PM 的安全边界——红线是**"我还是不认为 PM 应该去发布那种重度的、涉及数据库连锁迁移的改动（heavy database chain migrations）或任何大项目，但是范围受限的 UI 项目（contained UI projects）——尤其是如果你只是把它构建出来、创建 PR、然后发给一个开发者去做最后的收尾——我觉得那绝对是可行的。"** 长期判断："职位头衔会坍缩、职责会坍缩，所有人就都是在构建东西（everyone's just going to be building）"；但当下推进会很难，"很多开发者对现状非常怀疑（very skeptic），你需要做大量的『销售』工作"，回报是认可它、愿意打磨工作流的团队"会觉得那是他们花得最值的时间（the best time they spent）"。→ 详细 → 详细

术语：PR = pull request，把改好的代码提交给团队、请人审查并合并的请求；GA = general availability，产品正式对所有用户开放；数据库迁移（database migration）＝改动数据怎么存的底层结构，属于高风险操作。

他做 PM Copilot（给 PM 用的 AI 副驾，借自 Tal Raviv 的一整门 projects 课程）时，有人说"你基本上是在把你的思考外包出去（outsourcing your thinking）"。Zevi 直接反驳"这是看待这件事最糟糕的方式"，并画了像——说这种话的人"通常和那种『不愿意在演示文稿只完成 10% 时就拿出来给人看』、或者『不太愿意求助』的人高度相关（high correlation）"。误解的根源是 PM ≠ 永远要有正确答案——"很多 PM 有一个误解，以为这份工作就是永远要有正确答案、做房间里最聪明的人（the smartest person in the room）。" 而他信奉的相反：PM 本质是去"借助一切能帮我们尽快把正确的解决方案交付给用户的东西"，AI 就是"那个特别聪明、又掌握上下文、随时都在、不会评判你的导师"。红线是对产出 100% 自我负责——"如果你只是用它生成产出、直接丢出去，那是 AI 垃圾（AI slop）——但那也是人的错（human error）。你要对自己的产出负责（own your own outputs）。如果你在产品评审会上展示了什么、然后说『哦抱歉，那是 AI 做的』，那是你的错。"→ 详细

对 junior PM 还有额外价值——攒经验值（reps）："它能让你在一个比平常高得多的层级上施展。我在 Wix 时不会去想公司的市场营销战略、整个产品的 onboarding 该怎么翻新；但在我自己的副业产品上，我可以做任何决策，去思考战略、市场营销和信息传达（strategy and marketing and the messaging）。"——"这本质上就是在让我攒经验值（getting me reps），这是职业生涯初期最重要的事情之一。"斩钉截铁的判断："AI 唯一会让你工作变差的情况，就是你用错了它（the only way that AI makes you worse at your job is if you're using it wrong）。"→ 详细

Lenny 问"有没有一个让它产出保持高质量的小技巧"。Zevi 的核心比喻——"跟对人一样，要为手头的任务给 AI 创造成功的条件（setting up AI for success）。如果我只是叫来一个初级员工去写演示稿、什么指引都不给，只说『给我一份战略演示稿』，他大概就会上网找一份顶级的、然后照着复刻一份（reproduce that）——而这基本上就是 AI 在做的事，它本质上就是被喂了整个互联网（fed all of the internet）。" 反 slop 第一原则是给足上下文："去引导它，给它上下文：你的写作风格是什么、你想解决的是什么……那大概是最大的解锁点之一（one of the biggest unlocks）。"工具上还有个 deslop 命令："Cursor 有一个叫 deslop（去糟粕）的 /command，本质上就是回过头去过一遍代码……就为了确保没有任何垃圾被遗漏（no slop is left behind）。"Lenny 听完直乐："太逗了，deslop。"→ 详细

术语：AI slop（AI 垃圾/泔水）指 AI 大量生成的、表面像模像样但缺乏质量与针对性的内容，像没用心的批量灌水。

• "AI 母语原住民"心智：他用一个生动类比开头——"我有 12 个外甥和侄子侄女（12 nieces and nephews），你能看出在不同年代长大的人思维方式被塑造得不一样。你问我『怎么接电话』，我会做拿起老式听筒的动作；但你问一个孩子，他会做出 iPhone 滑动接听的动作"。同理，"现在步入职场的人，他们的『母语』是 AI。所以每次我碰到新挑战或问题，我都是『AI 优先』地去想怎么解决（I think AI first how to solve it）。"→ 详细
• 招法 1：Claude project 当"教练"：Meta 一联系他面试，"我马上就在 Claude 里开了一个 project……我从 Ben Erez 那里借鉴了大量框架——他给你（Lenny）写过一篇客座文章，我觉得他是当下最厉害的头脑之一"。这个 project 是他的"教练（coach）"，"每个阶段我都会咨询它，还会跟它做模拟面试（mock interview）"。他强调不是只读一个人——"我创建一个 project、喂给它互联网上所有最优质的资料，然后大量做模拟"。→ 详细
• 招法 2：在 Base44 上做一个"分群练习"小游戏："我在 Base44 上做了一个游戏，它帮了我大忙——我当时在产品类问题里的『用户分群（segmentation，把用户按特征切成不同群体）』上特别吃力，就是想不出正确的细分群体。所以我干脆做了一个测验小游戏，它会生成题目和各种不同的分群方式让我选。我就这么把它快速搭了起来，是个网页应用，我有时候坐公交去上班路上就会玩。"——为练一个薄弱点，顺手 vibe code 一个练习 App 出来，这本身就是"AI first"心智的最佳示范。→ 详细
• 招法 3：用 Comet 浏览器统计高频真题："网上有个由 Louis Lynn 维护的免费题库，收录人们在真实面试里被问到的问题。我用了 Comet，也就是 Perplexity 的浏览器，让它的 agent 跑各种分析，看哪些问题被问得最多（the most asked questions）。我就是这样知道该优先准备哪些问题去做模拟的。"——先用数据找出"最该练的题"，再把有限精力压上去。→ 详细
• 招法 4：让 Claude 扮演满分候选人："有些问题我没时间做模拟，我就让 Claude 扮演候选人（play the candidate），它会直接给我一个非常好的回答。我也能从中学习——就像从一个回答得很完美的人身上学习。"→ 详细
• 教练 prompt 原话 + 最大转折点是真人模拟：每场模拟结束他都对 Claude 说："你是我的教练，我不要你让我感觉良好（I don't want you to make me feel good），我要你把我打磨到能尽可能充分地应对这些面试。给我反馈（give me feedback）。" 但他反复强调 AI 不是全部——"对我而言最大的转折点是做『真人模拟』（the biggest game changer was doing human mocks）。也就是在 LinkedIn 上去陌生私信别人（cold outreaching），请他们真的帮我做模拟面试。尤其是 Meta PM 的面试准备——竞争极其激烈——这一步是绕不过去的（there's no way to get around that）。" Lenny 补充了一个 AI 用法：和 Noam Segal 合写的文章发现"人们把面试录下来（record the interview），让 AI 给反馈：这里你本可以做得更好、这里你漏掉了什么。因为这个反馈闭环太缺失了（the feedback loop is so missing）——从来没人会告诉你你这场面试哪里做得不好，而 AI 可以。"→ 详细 → 详细

• 本期核心结论：Zevi 在开场和这里各说了一次，是他主动指认的全场金句——这不是"AI 替代论"而是"AI 杠杆论"："并不是说你会被 AI 取代——至少在很长一段时间内不会；而是你会被一个比你更会用 AI 的人取代（you'll be replaced by someone who's better at using AI than you）。" Lenny 接："这些对话存在的意义就在于此——帮大家跟上这一切，学会其中一些技能，看清未来的走向。"→ 详细
• 对应行动：现在是当 junior、当学习者最好的时代：他正面回怼"再也没有 junior 岗位了"——"是的（人们一出校门找不到工作），但同时，历史上还有什么时候，你能一出校门就和几个朋友、完全不靠融资地自己搭一个创业公司（completely bootstrapped）？"（bootstrapped，指不靠外部融资、纯靠自己启动的创业。）"在我 Wix 任期快结束时我在做面试官，我看到越来越多的人用 AI 在做自己的东西（building their own stuff with AI）。"→ 详细
• 他兄弟的真实案例（替换掉所有付费工具）："我有个兄弟，他有一份很棒的业务，专门帮助老人和银发族更好地理解怎么使用科技和 AI。他已经把所有原本付费的工具都替换掉了——他之前为 Zapier 和 Airtable 付费，现在基本上完全靠自己一个人，为业务搭建了一套完整的 CRM 系统和自动化系统（a full-fledged CRM system and automation system... completely alone）。"（Zapier、Airtable 都是常见的自动化/数据库 SaaS；CRM＝客户关系管理系统。）这是"普通人靠 AI 把外购软件自建掉"的活样本。→ 详细

"失败角（Failure Corner）"是 Lenny 的固定环节，理由是"人们很少听到那些不顺利的事，而那些往往才是最有意思、最有影响力的故事"。

• 背景与错误心态：他通过学生项目进 Wix，被分到"editor 团队，那是 Wix 的核心产品"，身边"还有四个人，经验都比我多得多，他们厉害得离谱（ridiculously good）"。他刚进去就想："我的第一次产品评审，我要让这些人惊掉下巴（blow these people's socks off）。然后我基本上没怎么把想法分享出来，一个人埋头干了无数个小时（worked tons of hours alone），心想『我要在这次评审上大杀四方』。"→ 详细
• 惨败 + 同事的反应："结果我惨败收场（failed miserably）。评审做得很糟，不是他们预期的格式，他们问了一堆我没考虑到的问题，结束时我感觉糟透了，心想『你真是个白痴』。然后我看到大家的反应是：『行，挺好，那两周后再来，我们继续推进这事。』"——没人觉得他丢人，大家只当这是过程的一部分。→ 详细
• 顿悟：他们期待的是 10X 学习者，不是 10X PM："那一刻我明白了，他们对我根本没有『成为一个 10X PM』的期待，他们对我的期待是『成为一个 10X 学习者（a 10X learner）』。我一明白这点，整个心态就转变了。"（10X，硅谷常用语，指顶尖到能顶十个普通人。）转变后的做法是把每个同事当对应领域的导师挨个评估——Neri"产品 sense（产品直觉）是我见过的人里最好的"（"到今天都还是我的导师"）；Oya"是方法论专家，思维就是用框架在运转（thinks in frameworks）"；Yahra（head of product）"能看一眼一个产品就立刻理解它的三阶、四阶效应（third and fourth order effects），那种系统性思维"。注意这跟他后来"把每个 AI 模型按特长分派"是同一套思路，只是对象从人换成了模型。→ 详细
• 副产品：徒弟的成功＝师傅的成功："到下一次产品评审时，我的成功在他们看来就像是他们自己的成功，因为我不再是那个想盖过他们、炫耀自己多酷的小子了，而是『我们的徒弟』，让大家都觉得骄傲（our mentee making us all proud）。"Lenny 点出这条主线："AI 擅长把事情搞定，但它也非常擅长帮你学会怎么做这件事（it's also really good at helping you learn how to do the thing）"——又一次连回"做 10X 学习者，而不是 10X 实干者"。→ 详细

每个类别各挑一本：→ 详细

• 小说类：《源泉》（The Fountainhead）by Ayn Rand——"真的会让你思考、让你有感触"。
• 商业类：《鞋狗》（Shoe Dog）——讲 Nike 创业的故事，他和 Lenny 都刚读完（Lenny："太巧了"）。
• 心理类：《终身成长》（Mindset）by Carol Dweck——"『成长型思维』这个词就是她提出来的"。原话很有分量："它听起来有点像自助书，但完全是心理学的、基于研究的（based on research）。那本书彻底改变了我的人生。我以前一直是固定型思维（fixed mindset），读完才意识到原来是这个东西在拖累我。"Lenny 接："这又连到那条主线——做一个 10X 学习者，而不是 10X 实干者。"

"我太太特别爱电影，这大概是我们俩最喜欢的共处时光（favorite together time）。"刚看完 《急诊室》（The Pitt）——"非常棒"；第一推荐 《人生切割术》（Severance）——"如果你还没看过，赶紧去看（run to see Severance），那是我最喜欢的剧之一"。→ 详细

• Cap（开源 Loom 替代品）：先吐槽 Loom"收费太高了（taking so much money）"，再夸 Cap"做得真的非常精良（really well-crafted），你能看出做这个产品的人真的在抠细节（sweating the details）"。
• Supercut：也是 Loom 替代品，"我也很爱，给它们打个广告"。
• 自述习惯："我一直在尝试新产品，我电脑上永远装着三四个浏览器。"→ 详细

他在两句之间摇摆：→ 详细

• "You can just do things"（你完全可以直接去做）——"这句话基本上变成了 Twitter 上的梗，每次我做一件让我自己都对现在做事的速度和能力感到震惊的事情时，就会想起它。"（呼应他开头"行李没拆就冲去注册 Bolt"的那股劲。）
• "Nobody knows what the fuck they're doing"（没人真正知道自己在干什么）——"从我哥那儿偷来的，它会让你把人生看得更轻松一点（take life more lightly）。"Lenny 接："一旦你真的进到一家做得非常好的公司内部，你就会想：这玩意儿到底是怎么没翻车的？这随时都要散架了。"

Zevi 选讲**保暖衣物（thermal clothing）**生意（高中十年级，在耶路撒冷长大，"那里天气稍微冷一些"）：→ 详细

• 起点与离谱利润：十年级帮姐姐的朋友卖保暖衣套装（一件上衣 + 一条裤子），零售 $20–25 / 套，他每卖一套抽 $4，但"如果你看整条食物链，我大概排在第六或第七层（sixth or seventh down the line）。所以这利润空间大得离谱（crazy margins）"——中间隔了六七道经销商，他这层只能喝点汤。
• 整个暑假打电话谈直供：他想"直接去找进口商（importer，最上游那一手货源）"。进口商起初很生气："不行，你得给我干好几年才能到这个位置（you have to work for me for years）。"Zevi 回："听着哥们，我快毕业了，这不会是我的事业，你要么做要么不做（Either do it or not）。"两人"基本上谈判了整整一个暑假"。
• 谈判套路＝"ChatGPT 出现前我做事的方式"：他自己点明这就是**"我在 ChatGPT 出现之前做事的方式"**——"比如他抛出『进口税涨了』，我就会去 Google 搜『以色列进口税』，一边跟他打着电话一边拖时间（stall），然后总能想办法回过头给他一个反驳。"（正好对应前面 AI 时代的"AI first"——同一个人，工具从 Google 换成 AI，"现学现用、当场反驳"的内核没变。）
• 结果：100% 利润 + 铺到多所学校："最后我谈到一个非常棒的价格，一套 12.5 美元。所以我赚 100% 的利润，而且把生意铺到了好几所学校。每所学校我都让校里最酷的人帮我卖（the coolest people in school selling for me）。"——找"校里最酷的人"当分销，本身就是一手漂亮的渠道营销。
• 神来一笔的营销：篮球助威 chant：触发点很妙——"我们篮球队基本上上半场就能领先 30 分（30 points up within the first half），对观众来说就有点无聊了。"于是"我写了一首关于保暖衣物的篮球助威口号（basketball chant），里面嵌进了我的电话号码，结尾是：如果你现在就加入，我们给你打折。还配了鼓点"。长尾效应离谱到——"到现在我去耶路撒冷，我自己都背不出那个号码，他们却因为那个旋律记得住（they know it by the tune），会有人拦住我说：『嘿，是「保暖衣 Zevi」！』"Lenny 一句点破："这就解释了你那一招里的营销天赋（the marketing genius of that move）。"→ 详细

• 呼应开场："如果大家听完走的时候想的是『Zevi 真酷』，那我这次就算失败了。"→ 详细

• 给听众的画像与承诺："如果你是个有好奇心的人、勤奋的人——如果你是个善良的人、是个好的沟通者（a kind person and a good communicator），那你就拥有巨大的、不公平的优势（such an unfair advantage），你能给公司带来的价值，比大多数有 20 年经验的人还要多。"——他把胜负手压在"好奇 + 勤奋 + 善良 + 会沟通"这些非技术品质上，而不是写代码的本事。

• 最终呼吁："如果你用我在这里讲的某些东西做出了很酷的成果，联系我、发给我看看，我很想看到（hit me up, I'd love to see）。"→ 详细

• LinkedIn / X：Zevi 表示"我整个职业生涯里得到过很多帮助（I've been helped throughout my whole career a ton），所以我很乐意尽我所能去帮别人。在 LinkedIn 或 X 上联系我都行。"（全文未给出具体 handle）→ 详细

• 听众怎么对他有帮助：学生去试 StudyMate 告诉他想法；在以色列、还没用过语音转文字（dictation）工具的去试 Dibur2text 告诉他想法。→ 详细

• 节目相关资源：show notes 顶部附 Zevi 整套 prompt 和 /commands 下载链接；Lenny 的 newsletter 年度订阅可白嫖 19 款付费产品一年（Lovable、Replit、Bolt、Gamma、n8n、Linear、Devin、PostHog、Superhuman、Descript、Wispr Flow、Perplexity、Warp、Granola、Magic Patterns、Raycast、ChatPRD、Mobbin、Stripe Atlas），入口在 lennysnewsletter.com → product pass。→ 详细