专栏 · AI 时代的产品经理 › 第 205 期 · 产品 · 收录于 2026 年 8 月 30 日
AI 的第三个纪元:常驻 AI 同事的崛起——Tara Seshan(OpenAI)
TS
Tara Seshan · Lenny's Podcast
TL;DR · 三句话
- 一AI 产品正在走过三个纪元：第一个是聊天，第二个是「和 agent 一起干活」（迄今主要是编码 agent），第三个——「可能很快到来」——是和一个常驻、不下班的 AI 同事协作：它干一大堆活、你给输入、它接着干，你们按不同节奏碰头看彼此没做完的活，甚至几个人带着各自的 agent 一起把事做完。→ 详细
- 二PM 的手艺被剥掉了外壳，只剩内核：长推理文档不再是「你想透了」的证明（因为它太容易生产），取而代之的是「要 mock 不要 doc」、能直接试的原型和 A/B 结果；唯一变得更重要的旧手艺，是把核心假设磨到最锋利（Shishir Mehrotra 所说的 eigenquestion），外加一条新职责：把身边所有人的野心往上抬。→ 详细
- 三本期最硬的两条纪律：产品上「只为两三个月后的模型建——照现在的模型做会失败，照你以为一年后的模型做同样失败」；个人上「写作即汇报可以全交给模型，写作即思考永远自己来——开头是我自己，收尾也是我自己」。→ 详细
01
OpenAI 内部最反直觉的一点：不是「创始人主导」，是「一群创始人在带」
- 嘉宾 Tara Seshan 在 OpenAI 同时负责 Codex（面向开发者的编码 agent 产品）和 ChatGPT 里的 work 模式，工程侧搭档是 Andrew（转写里姓氏有两种 ASR 写法、均未确证，故只保留名字），入职约一年。此前：Stripe 六年、最早五名产品经理之一、多年被评为全公司前三，之后在 Watershed 带产品、自己创过业、Thiel Fellow，也是 Lenny 当年办的「Newsletter Fellow」三人之一。→ 详细
- 最意外的不是强度或人才密度，而是过去待的公司都是 founder-led（一个创始人主导），OpenAI 是 founders-led（一群创始人在带）：「每个人，尤其在自己那块地盘上，某种意义上都是个创始人」，自上而下的指令「少得离谱」，人和市场之间「那层膜非常非常薄」。→ 详细
- 反向的意外：她以为能拿到一本「秘密战略圣经」，结果 OpenAI 是真的 open——任何关于世界／产品／模型该长什么样的想法都会极快变成公开产品或公开表达。Lenny 问「所以没有一个秘密房间里跑着 AGI、攥着写满所有答案的总规划？」她答：「至少我肯定不在那个房间里。」→ 详细
02
支付那种市场可以做「大战略」，AI 这种市场只能做实证——PM 从写论文改成快出可测的东西
- Lenny 问她「在这个新世界里你失去了什么」。她的答案是失去了做大战略的机会：市场静态、走得慢的时候（比如支付），你能非常严谨地从第一性原理推演——「如果我下这个注，我的竞争对手可能会下另一个注」；而且那种市场本身就要求你这么干，「赢家就是比所有人想得更严谨的那个」，想得不严谨会直接表现为「你不上心」，因为很多决策本来是可以被预判的。→ 详细
- 但 AI 这个市场「是涌现的、变化极快、非常动态」，而且你必须跟研究团队贴得非常紧。所以她的结论是：「高产、讲实证，比学术、讲理论重要得多。」她说自己过去待的公司都非常学术、理论化，这个切换是个真正的转变：与其写一份「几乎像博士论文」的长推理文档去论证接下来的计划，不如问「我怎么最快做出一个能拿给用户试、拿去测的东西」。→ 详细
- 她坦白这个切换一开始「真的很不适应」：会怀疑自己「是不是没做足功课？是不是不够深思熟虑？我难道不该把这些都严谨地想一遍吗？」——但答案是不该，「你就是得去试、去尽可能多地学」。→ 详细
03
PM 手艺里没变、反而变得更重要的那块：把核心假设磨到最锋利（eigenquestion）
- 既然不写长文档了，那思考的力气该花在哪？Tara 的答案是：花在「把你的核心假设定义得尽可能锋利」上。她借用 Shishir Mehrotra 的说法叫 eigenquestion（本征问题）——就是那一件最关键、最需要被验证的事；「除此之外，你编出来的任何宏大战略都不相干」。（eigenquestion 这个词借自数学里的「特征向量」，指的是那种一旦答了、其他一堆问题就跟着有答案的根问题。）→ 详细
- 她说 PM 这个角色外面「裹着太多花架子」——盯执行按时交付、写各种文档和演示稿——但内核一直是同一串问题：「关于你的产品，最本质的那个问题是什么？什么东西会决定这个产品成或不成？你怎么去验证它？你怎么看结果？又怎么把结果喂回一个循环里，去打磨你的假设、再跑一遍？」做法是把理解用户 + 理解市场 + 理解你正在造的这项技术三样拧到一起，得出最锋利的假设，然后把验证做得又快又有效。→ 详细
- 最值得注意的是这套思维现在是全公司的通用语言，不再是 PM 的专属：「EM 在这么想，工程师在这么想，数据科学家在这么想，设计师也在这么想」，所有人都把力气挪到了「问题定义 + 验证循环」上。她说这对 PM 反而是好事——「工作里其他那些花架子慢慢掉光了，剩下的就是这件每次都必须做对的关键事」。→ 详细
04
未来的工作是「掌舵」不是「划桨」，而且掌舵的抽象层级会一层层往上爬
- Lenny 问「loop（循环）」这个概念——几周前在 Twitter 上火得一塌糊涂，指的是「告诉 AI 成功长什么样，它就自己去做、去想办法，直到达成」——会不会从软件工程扩到产品管理和一切知识工作。Tara 的框架是：「未来的工作会越来越像掌舵（steering）而不是划桨（rowing）」，agent 干掉大量划桨的活，人的角色越来越是把船头指对。→ 详细
- 关键在于掌舵的层级会不断上移：「以前的掌舵是在『我写了这行代码、按 Tab 补全』的层级；后来变成我在指挥一个更完整一点的东西；再往上可能到目标层级，甚至更高。」但她认为「我们要把它指向哪个方向」以及「拿到反馈和新数据之后下一步带到哪儿去」，最终还是得靠人。→ 详细
- 掌舵里有一部分来自数据，但很大一部分是做一个有主张的判断。她说我们低估了直觉，甚至低估了那种正向的「决定论」：「我希望这个产品长成这样，不是因为反过来那条路不是同样可行的策略，而是因为我希望世界朝我推的这个方向走。」这种主张，「至少在当下，永远是需要人来给的」。→ 详细
- 她还把这件事从「一个人 + 一个 agent」推到了多人协作：理想状态下「工作会像一场多人在线游戏（multiplayer game）：我们所有人一起把事情推进，各自操控自己的 agent」。这是本期后面「常驻 AI 同事」那条主线的伏笔。→ 详细
05
工具人人都有之后，唯一的不公平优势是人脑——软件不像房地产，更像拍电影
- Lenny：「如果所有人都能用上同样的工具，那真正把你区分开的就是『人』这个变量了。」Tara 用时尚来接：功能性的衣服谁都能穿、也能把事办了，但「我穿的这件衬衫之所以是一种表达，是因为它可能跟别人都不一样」——产品同理，靠有主张、有反差。→ 详细
- 她引 Collison 兄弟（她说是 Patrick Collison，也可能是 John Collison）：软件不像房地产——「不是你把钱投进去，就能把价值取出来」；更像拍电影，砸钱不保证片子好看，里面有作者性表达（auteur）、有主张和手艺，靠的是「你或你的团队对自己的产品有点有意思的东西可说」。Lenny 用 Marty Cagan 的观点收口（最初的点子几乎从来不是它最终的样子），Tara 补一句：循环转得越来越快，「你能不能形成这些直觉、能不能拿到形成直觉所需要的信息，然后带着人和 agent 把它落成行动——这才是关键」。→ 详细
06
让 agent 真正好用的，一半是智能，另一半是「数据访问 + 云基建」这种土办法
- Lenny 观察到这一路走的是「慢起飞」而不是大家害怕的「快起飞」——不是突然冒出个 300 IQ 的 AI，而是信任在一点点往前挪：「好，你多跑一会儿；好，你可以多接一点。」→ 详细
- Tara 给了一个很反光环的判断：让 agent 能接手更高抽象层级任务的，除了智能和「能在一件任务上待多久」，还有一堆非常朴素、非常战术的东西——本地 agent 方便是因为「它能拿到你机器上的所有数据」；而云上的 agent 要跑得好，「你得先搭一大堆云基础设施」。→ 详细
- 她的比喻很好用：「你招了个同事，把他锁在一个房间里，不给 Google Docs、不给 Slack、也不给公司数据库的权限，那他对你的用处就很有限」——一个被同样隔离的云端 agent 也是如此。所以数据访问、云基建、可靠性这些听上去「比宏大的智能问题平庸多了」的东西，「对最终效果来说，某种意义上一样重要」。→ 详细
07
野心成了新的稀缺资源：AI 不是拿来自动化重复劳动的，是拿来扩大你能做什么
- Lenny 的前提是：现在简单的事超级简单、难的事也变简单，「把人和公司拉开差距的，就只剩野心能有多大」。Tara 完全同意，并给了辨别标准：「我们看到那些用 AI 工具用得最好的人，不是拿它去自动化重复性的活儿，而是拿它去扩大自己「能做的事」的边界。」→ 详细
- 她拿「独角兽人才」做类比：AI 之前，最抢手的是那种产品感好、又恰好是工程师、说不定还会做设计的人——他们能把各职能之间那层层翻译成本压扁，自己快速把想法落成原型跑起来。现在这个超能力人人都有了：「我可以就某件事快速起一套设计稿，可以去做一个初版原型，还能琢磨出合适的定价模型、把各种情形都建模跑一遍。」→ 详细
- 但她说最难的那一步不是能力，是想象力：「能力已经扩张得非常剧烈，真正难的是撑大你对『在短得不合理的时间里能做成什么』的想象。」她给了一个具体的撑想象工具——Patrick Collison 网站上的 patrickcollison.com/fast 页面，收录了一批「野心大得离谱、却在极短时间里就做成」的项目。她的洞察在于：那份清单上的项目全都发生在这些 AI 工具出现之前；既然当年那点能力都做得成，今天不是应该看到这类事情呈指数级增长吗？→ 详细
- Lenny 说最难的其实只是记得去试——「哦对，我看看 Codex 能不能帮我把这个搞定」，这是个得在脑子里重新长出来的新习惯。他引 Tyler Cowen 的说法：大多数人都低估了去问别人「你这件事更有野心的版本是什么？能不能更快？能不能放大十倍？」的作用。Tara 顺势给了 PM 角色的新定位：「把别人的野心往上抬一抬，或者提醒他们『这里其实还能做到什么』，是产品经理这个角色里非常重要的一部分」——当有人说「我觉得我们可以这么做、能在这个时间点做完、也许这就是第一版」时，你的活儿是问一句「可能性的天花板是不是明显更高了？」→ 详细
08
OpenAI 做产品的三个梗：最大化加速 / 你 mainline 它了吗 / 够不够有野心
- 第一个梗来自 Nick Turley（Lenny 说他大概是 Tara 这个岗位的前任，现在做企业那块）：「Is this maximally accelerated?（这件事是不是已经最大化加速了？）」——Slack 里还配了对应的 emoji。→ 详细
- 第二个梗是 Tara 和 Andrew 最爱拿去问团队的：「Are you mainlining it yet?（你已经开始把它当主线用了吗？）」——意思是你是不是每天、整天都在用这个产品完成自己的活儿，有没有把全部品味都投进去判断它行不行。Lenny 的评价是：「这就是新版的 dog fooding——光『吃自己的狗粮』不够了，你得直接 mainline。」→ 详细
- 第三个是前面那条「我们是不是已经足够有野心了」。她把三者的分工说得很清楚：野心管范围和量级，最大化加速管推进速度，mainlining 管反馈闭环收得多紧。「对我来说，这就是做产品的三个梗，我们现在必须尽可能地把它们传播出去。」→ 详细
- Lenny 补了个外部观察：这三条在团队的推文里体现得极深——他们对产品痴迷到一直在公开问「我们哪里能做得更好？现在什么最让你别扭？」，「每个人都是自己那块产品的创始人」这一点从外面看得非常清楚。→ 详细
09
「feel the AGI」与那条最硬的产品纪律：只为两三个月后的模型建产品
- 除了三个梗，另一个公司级文化梗是 feel the AGI——时刻意识到 AGI 正在到来。她说让大多数人来这家公司的很大一部分原因，就是相信「让 AGI 造福人类」这个使命：既要真的实现它，也要确保它对人类有益。→ 详细
- 而做产品时她必须一直搁在脑后的一句口头禅是：「我们做的东西，是不是面向两三个月后模型的样子？」她把两头都判了死刑：「如果你按模型现在的样子做，你会失败；如果你按你以为一年后模型的样子做，你也会失败。这两种结局同样错。」太早是错，围绕上一代模型能力做也是全错，「唯一对的做法是面向两三个月后」。→ 详细
- 配套的心法是给模型让路：「我得把模型能力当作这个产品的中心去思考；在我设计的那些产品结构上，我得给模型让路。我要怎么确保这东西放到两三个月后，对那时的模型仍然是对的？」→ 详细
- Lenny 追问「你怎么知道两三个月后是什么样，纯靠直觉吗？」她的答案是：跟研究团队贴紧——「这些东西也不完全是个黑箱」，你大致知道公司这阵子在攻哪些具体能力（比如希望模型在某几种编码方式上更强、在某几种写作能力上更强），所以让产品开发尽可能紧扣研究的议程和路线图非常重要。→ 详细
- Lenny 引了前首席产品官 Kevin Weil 那句他「永远忘不了」的话：「今天的模型，是它这辈子最差的时候。」两人都感叹这话现在快成陈词滥调了，但依然「荒谬」到难以完全消化。→ 详细
10
ChatGPT、Codex、chat / work 到底怎么分——北极星是让用户根本不用选
- Lenny 直接把 App 打开当场问：下拉菜单里有 ChatGPT 和 Codex，界面上还有个 chat / work 的切换，这都是什么？Tara 的回答是：「我们这里的北极星是：用户根本不需要在这些选项之间做选择。」理想状态是你打开输入框写下任务，系统「自动挑对的 harness、自动帮你挑对的模型」把事做完。（harness 可以理解成模型外面那层「工装」：把工具、权限、执行步骤和界面框在一起的那套壳。）→ 详细
- 现阶段的分法：选 Codex 还是 ChatGPT，其实是在选「你想留在更偏开发取向的界面，还是想在 ChatGPT 里拿到同样的威力」。work 模式底下跑的就是 Codex，只是把编码相关的 UI 拿掉了——「你不会在 work 模式里突然看到冒出来一棵 worktree」，但同样能干出复杂活儿，比如生成一个非常复杂的财务模型。→ 详细
- 她举了个内部例子：OpenAI 自己的公司财务团队用 work 模式做出了很不可思议的东西——那些事以前要么纯靠手工，要么得靠团队里某一个人的深厚专长，「现在变成了整个团队都能执行的事」。→ 详细
- Lenny 追问 work 模式是不是对 harness 做了额外调整。Tara 说纯粹是 UI 层面的区别：你去 Codex 里让它「预测我接下来六个月的收入」，做得跟 work 模式一样好；区别只在于「它干活的过程中，你希望在思维链里看到什么样的界面，希望把什么程度的技术细节暴露给你」。所以 Codex 用户不切模式不会错过任何东西，「事实上我们并不希望他们切」。现在的区分只是为了「尽可能在人们所处的位置上接住他们」。→ 详细
11
本期的核心框架：AI 的三个纪元——聊天 → 和 agent 干活 → 常驻的 AI 同事
- 完整框架是这样的：第一个纪元是 chat（聊天）；第二个纪元是「和 agent 一起工作」，而且到目前为止主要是编码 agent；第三个纪元——「可能很快到来」——是你怎么和一个常驻的（persistent）同事一起工作，它能和你一起把事情做完，也许还能和其他人协作。这是节目标题的出处，也是她整段产品叙事的骨架。→ 详细
- 她给这个「常驻同事」下的定义很具体：像跟团队里某个人合作那样——「它干一大堆活，我给输入，它再接着干，我们按不同的节奏碰头，互相看对方还没做完的活，再给更多反馈」。核心操作是「让 agent 自己 cook（接着煮），你只在越来越高的抽象层级上补细节」。→ 详细
- 第三纪元真正的新东西是多人：到目前为止「我跟 agent 的协作基本都是一对一的」，它可能 spawn 出一些 sub-agent（子 agent，派出去干细活的分身），但归根到底就是我和我的 agent 两个，「而这跟我的同事们在拿他们的 agent 做什么，是完全脱节的」。→ 详细
- 这个痛点在 OpenAI 内部是有具体形状的：有一阵子公司里所有人都在 Slack 上互相发自己的 Codex 会话截图——「我想告诉你这个数我是怎么算出来的，这是我的过程，这是我操作的截图」。她说这显然不是人跟人协作最自然的方式，「既然越来越多的工作是跟我们的 agent 一起完成的，那我们是不是应该能够『带着各自的 agent 一起』把活干了？」这正是他们在琢磨的问题。→ 详细
- 而近期最大的产品挑战是把 agent 介绍给十亿个可能还没体验过 agent 的人：不仅要带给他们，还得让它自然、容易上手，「让它不是一个必须显式做出的决定」，并且「把复杂度去掉，让他们不用去想 harness 这种概念——对十亿消费者来说，这种概念简直是天书」。（Lenny 在同一段里也提到 Codex 起飞后到了千万级月活的量级。）→ 详细
12
从「打磨为王」到「发出去为王」：只要你确信它是变革性的，done 就好过 perfect
- 她把新旧两个时代的产品价值观对照得很干脆：以前打磨是王道——「把每一个 UI 交互、每一个小细节都做到完全正确，比早点发出去重要得多，因为时间对结果的影响没那么大」，所以「如果哪个角落没打磨到位，那你干脆就别发了」。→ 详细
- 现在反过来：「当你有足够强的信念，觉得这东西是变革性的，那么把产品交到用户手里，远比做到完美更重要」——她原话是 done is better than perfect，并且承认「要让它对 chat 用户更好用、更容易，我们肯定还有一堆事要做」，尤其是对那些拿它做日常消费级任务、而非提效的人。→ 详细
- 她给这条打了个补丁，免得被当成「乱发」的借口：不管上线前还是上线后——「最理想当然是上线前」——尽可能快地迭代、听对的信号，才是关键。Lenny 举证说这个 App 刚上线时有一大堆「看不懂、搞混了」的评论，而团队迭代和回应反馈的速度之快，恰好印证了这套打法。→ 详细
13
Codex 风向为什么会变——「开悟前砍柴挑水，开悟后还是砍柴挑水」
- Lenny 观察到过去几个月 Twitter 上明显有一波从 Claude Code 转向 Codex 的风向转变，问内部到底改了什么、砍了什么。Tara 的回答是什么都没改，并引了那句禅宗式的话：「开悟之前，砍柴挑水；开悟之后，还是砍柴挑水。」最早把 Codex 跑起来的那批人一直就是极度以用户为中心、迭代循环咬得极紧、把产品当主力天天用；「变的只是市场终于追上来了而已」——还是那三问：使命抬得够不够高、有没有最大限度加速、有没有尽可能 mainline。→ 详细
- Lenny 点出这个答案里最有意思的部分：起决定作用的是人不是 AI——「是你，是 Andrew，是 Tibo，是整个团队对客户、对产品的那种较真。并不是说 AI 就是答案。」（Tibo 为转写原样保留的名字。）→ 详细
- Tara 把功劳全归给团队，并描述了他们的闭环：桌面端团队「每个人都像创始人一样，在意每一块、每一个细节」，一发现哪里该更好就自己去做出来；「如果内部试用效果不行——大家不用、大家觉得没价值——就继续迭代，最后才对外发布」。→ 详细
14
角色边界正在消融：谁都能干任何事，但必须有人对结果负核心责任
- Lenny 转述了很多人的焦虑：工程师在干 PM 的活、PM 在发原型甚至直接上生产，于是设计师问「我现在的工作到底是什么」、做市场的问「我到底在干嘛」。→ 详细
- Tara 的态度是欢迎：她最喜欢创业公司的一点就是角色几乎没有边界，「所有事都是你的责任，也都不是你的责任，说到底你只对结果负责」；她说 Stripe 就特别是这样，工程师、PM、设计师之间没有边界。「我一直特别喜欢这种心态，而现在『能力』终于追上这种心态了。」→ 详细
- 但她加了一条硬约束，这是本段最实用的部分：必须有人对这四个问题负核心责任（DRI，直接负责人）——「这个产品到底有没有人在用？是不是大家想要的东西？质量高不高？有没有效果？」至于这个人是工程师、设计师还是 PM 不重要；具体活儿谁按兴趣和能力接都行。→ 详细
- 她也诚实地把张力摊开：她同样热爱 PM 手艺本身（点名 Shreyas Doshi、Marty Cagan、Shishir 这些人推崇的那些讲究），而「用这种更流动的方式协作，我是不是就失去了精进手艺的机会？」——「这个问题我是真的没有答案」。她能给的只是一个观察：手艺里的某些部分正在被模型抽象掉，「于是你的手艺就从『能把过去那件很具体的活儿做好』，变成把它用到产品或这门学科的另一些部分上」。她举的例子很扎心：「对工程师来说，一直手写代码是真的很爽，而现在基本没人这么干了。」→ 详细
15
人脑在未来最值钱的三处：担责主体、作者性表达、以及彼此关照
- Lenny 顺着「工程师这个角色变了多少、大家甚至会怀念写代码的心流状态、这是个挺难熬的转变」问：接下来几年人脑在哪些地方最有价值？Tara 给了三处：①担责的主体——「你可以把跟你协作的 agent 当成你的下属。最终谁来对交付物负责？质量高不高？至少在现阶段，这一定还是人」，强监管行业和需要真人对接的场景尤其如此；②表达——「最伟大的电影并不是预算最高的那些」，「你选择造什么、它给人什么感觉，这本身就是个非常『人』的问题」；③彼此关照——和团队一起想清楚怎么对某个方向兴奋起来、怎么一起学习、怎么把彼此野心往上抬，她说这块「比以往任何时候都更重要了」。→ 详细
16
她自己最爱的一个用法：随手做 sites，把「个人软件」的老梦想落地
- Lenny 用「overhang（过剩／悬空的那截）」这个词开场——AI 的能力和我们实际拿它做的事之间悬着一大段没被用上的余量，最大的落差就是「我到底该拿它做什么」——然后请她讲最有启发的用法。→ 详细
- 她的头号答案是 sites：「我现在动不动就做 sites。」工作上可以拿它当汇报展示的产物，但她「真的什么都拿它做」——给团队做过一个 site 当游戏一起玩（因为 site 是带数据库的）；最近去徒步露营，专门做了一个 site 把整条路线画出来、一路每个地方的海拔都跟着标，同行每个人把自己带的食物录进去，「特别快，特别管用」。→ 详细
- 她给这件事的历史定位很高：sites 某种程度上实现了 Alan Kay 在六十年代提出的「可随手改造的个人软件」——真正的个人电脑，是那种有个人软件的电脑。以前大家用 Notion 那类工具拿 block 拼来拼去去逼近它，「但对 site 来说，它就是一句 prompt——我真的就用一句话说『给我做一个我需要的这么个工具，把这件事搞定』，它就直接做出来了」。它还能分享、能自动更新、能接内部数据做带一堆指标的 dashboard；「与其吭哧吭哧折腾一份幻灯片，site 是个动态得多的展示载体」。→ 详细
- 用法上没有任何仪式：在 Codex 里直接说「做一个 site，是个给我团队玩的狼人杀」，它就做出来了，「它自己就知道 sites 是什么」；托管它包了，你可以选公开 / 只给团队 / 只有自己能看；work、Codex、网页端、手机上都能做。（此处「work」为转写原样保留的入口名。）→ 详细
- 最值得注意的是她说这件事改变了她日常工作的形状：「放在以前，日常往往是产出一堆东西：文档、表格，什么都有。现在我就是一直在做 sites。」录制当中 Lenny 现场起了一个「做个关于 Tara Seshan 的网站」的任务，聊完回来一看，还追加了一句「把它做得更炫一点」——成品带着「强信念。小团队。从买家出发」这样的金句排版，他的评价是「这设计是真专业」；Tara 看完说除了顶上那张「我大概 19 岁时的照片」（她认出那是自己在 Stripe 的工牌照）有点搞笑之外，「我太喜欢这个网站了」。→ 详细
17
第二个小技巧：Codex 里的 /visualize
- 她的另一个爱用功能是 Codex 里的 /visualize：打一句「把我到目前为止的 ChatGPT 使用情况可视化一下」，它就会把你做过的事都拉进来生成可视化。她说自己无数次琢磨「怎么不光把图表数据拉出来，还能用一种别人看得懂、又服务于我想讲的那个故事的方式呈现」，而 visualize 让这件事「极其简单」「意外地让人愉悦」。→ 详细
18
本期最硬的个人纪律：写作分两种，「写作即汇报」外包，「写作即思考」永不外包
- 问题是 Bri Wolfson 出的（Lenny 说上一期跟 Adam Ward from Ger 的对谈问题也是她出的，人名与机构名按转写原样保留）：「A Tara brief is iconic（Tara 的 brief 是传奇级的）」，凭什么？→ 详细
- Tara 的框架只有两类：「写作即思考」——写一份 brief 论证我们为什么该做某个产品、该采取某个策略，或抛一个辛辣观点；「写作即汇报」——总结团队这周做了什么、这次发布的计划是什么。她的分界线非常干脆：「写作即汇报，我很乐意自动化……但写作即思考，是我永远不会自动化的。」理由是列提纲、成文、删改、迭代这整个过程「是我把自己的想法理顺最重要的步骤之一」。→ 详细
- 她特别点名反对一刀切：「大多数人是一刀切的：要么『我写东西绝不用模型』，要么『我写东西全用模型』，而在我看来这两种一刀切都不对。」→ 详细
- 她那套「传奇 brief」的生产工艺其实是社交式的：钻进洞里为一个新想法写一份 brief，花大量时间打磨，然后拿去找人聊，让他们尽可能攻击里面的观点、挑毛病，把它变结实，再拿给下一个人重复一遍。在 Stripe 她这么干过无数次。她说 Stripe 是「一家极度以写作为导向的公司」，Jeff Weinstein 等人也非常热衷写和分享 brief——「Stripe 是少数几个『一份 brief 能在公司内部刷屏』的地方」。→ 详细
19
她个人最大、也最错愕的一个变化：从「要 doc」变成「要 mock」
- 到了 OpenAI，她依然一直用写作来思考，但能拿出去分享的产物不再是长文档。理由很锋利：「一部分原因是时代变了：长文档已经不能证明你把一件事想透了，因为你可以轻轻松松产出一份长文档，反而说明你没想透。」（言下之意：AI 让长文档的生产成本塌了，它作为「工作量证明」的信号价值也就一起塌了。）→ 详细
- 她把这称作自己日常里「最大、可能也最让我错愕的一个变化」：以前是在文档里思考，再翻译成一份可展示的产物，那份东西就是「我把问题想清楚了」的凭证，团队照它走；现在是「要 mock，不要 doc」「要原型，不要文档」——手上有个别人能直接试、能交互的东西更好；更好的是有结果：「我们试过了，跑了个 A/B，结果在这儿，所以我认为我们应该往这个方向走。」她说这比文档本身「好得多」。→ 详细
- 但注意她并没有停止写作，只是改了读者：「我现在还是一直写几百份文档，但我是写给自己的」——「我基本上不再为别人写了，那已经不再是最好的沟通和交流方式。」→ 详细
- 配套的一条老经验她至今还在用：以前有个 manager 告诉她，永远正确的做法是把文档写到 70% 完成度，然后拿去找那些你需要争取支持的人，让他们帮你从 70% 推到 100%。原因很妙：「很少有厉害的人愿意跟一个打磨得完美无缺的想法互动——想法太光滑了，他们的新点子会直接弹开；而一个还带着棱角、还有毛边的东西，他们才能和你一起去磨。」→ 详细
20
防「AI 脑腐」的两条硬纪律：读多少遍就写多少遍、开会前准备时间等于全场人时
- Lenny 问怎么防止过度依赖 AI 导致「AI brain rot（AI 脑腐）」——用久了慢慢丧失写作和读长文档的能力。Tara 说「写作即思考」这条纪律本身就是她的主要手段。→ 详细
- 她给了两条很具体、可以照抄的个人信条：「如果我要让别人读我的文档，那我自己至少得先把它读那么多遍」；以及「如果我要召集一群人开会，那我在会前的准备时间，得等于大家在这场会里将要花掉的时间总和」——也就是把「投入」按「将要消耗掉的集体时间」来对齐。→ 详细
- 边界划得也很清楚：她不用模型润色文字（「我觉得它其实润色得并不好」），尤其不让它生成第一版；但会大量用它做总结、把内容从一种格式转成另一种。Lenny 把这套总结成一句：「开头是我自己，收尾也是我自己」——中间可以用 AI 去查具体的点、拉数据、或者让它反驳你的想法。→ 详细
21
Sutter Hill 那一站：PMF 不是玄学，而她真正低估的是 product-marketing fit
- 她职业路径里有很不寻常的一步：做过 PM、做过创始人之后，去传奇 VC Sutter Hill Ventures 当 EIR（驻场创业者）。她形容这家机构「刻意让人读不懂」——官网上几乎什么都没有，尽可能低调、不出现在雷达上，「可偏偏硅谷最标志性的一批成功案例都跟它有关」。它的孵化模式由合伙人 Mike Speiser 开创，Snowflake 就是一例。→ 详细
- 她带走的第一个结论是祛魅：大多数人把找到 PMF（product-market fit，产品与市场契合）、把做出一家几百亿美元的公司看成玄学——运气、机缘、条件恰好凑齐；可 Mike Speiser 做成了不止一次，「所以显然是有方法的、有路线图的、有一套能让它可复现的动作」。这套 playbook 既包括「判断大势、下注」怎么高频率地对，也包括那些每天复利累积的小事：怎么搭企业销售团队、怎么给产品定位、怎么组建最早的创始团队。他们招人「好到没有对手」，靠一个叫 Reticle 的秘密工具（名称按转写原样保留）——一张图谱，记着他们接触过的每一个人，以及这些人各自接触过的最优秀的十个人。→ 详细
- 她去那儿的动机是：「我的职业生涯某种意义上一直围绕着一件事：怎么让自己尽可能多次地去找到 PMF」——不管是作为创始人、在 Stripe 内部做新产品，还是加入 Watershed 这样的创业公司。→ 详细
- 最让她意外的收获是另一个词：product-marketing fit（产品与叙事／定位的契合）——「你怎么谈这个产品、怎么把它讲出去」，这件事甚至可以发生在真正把产品做出来之前。具体做法是：先去跟一百个人讲一遍，把这套说法尽可能打磨到位，把「这东西为什么是颠覆性的」这个市场叙事讲对，然后——也只有到那个时候——才去敲定「产品就长这个样子」。她坦白以前一直低估 PMM（产品市场经理）的工作，「觉得无所谓吧，不就是各个职能之间的胶水嘛」，后来才意识到这块做到极致「甚至可以成为决定一家公司成不成的那个要素」。→ 详细
22
临别补充的最重要一条：知识工作和写代码，在「怎么验证」这件事上是两回事
- 这是她主动加的收尾观点，也是全期最有产品含金量的一段：写代码是高度以产出为导向的——你让 agent 做一个编码任务，「你可以用测试来验证它做得对不对、好不好，跑一下看看能不能用」，结果本身可被验证。→ 详细
- 知识工作没有这个便利：「我没法只看最后那份 PPT、看到里面写着『成功率 90%』之类的数字，就真的相信它。我必须去看过程、看输入、看推理，看它一路上是怎么走过来的。」——这就是为什么知识工作的 agent 产品不能照抄编码 agent 的形态。→ 详细
- 落到产品上，他们要做的是把 ChatGPT 改造成协作者而非黑箱：让你「看到所有正在进行中的工作、看到它的引用来源和输入，陪你跟模型一起走完这段旅程」，这样最后你才知道「这个东西是对的、是好的、是有用的」。她把几个还没答案的产品问题也摊开了：过程中是不是该看到更多引用，好知道它是怎么从数据一步步走到结论的？「thread（对话线程）这种非常适合编码场景的界面形态，对知识工作来说是不是也是合适的位置？」→ 详细
- Lenny 用一个很好懂的类比接住：这就像向高管汇报——「很大一部分其实是帮他们看到我是怎么一步步得出这个结论的」，也就是给出「工作量的证明」；而工程那边「我不需要知道你做的每一个细枝末节的架构决策，我只要知道有没有跑通所有测试」。他还补了一条同样关键的：context（上下文）够不够——「它能不能看到你的邮件，能不能看到你所有的 Notion 文档？」→ 详细
- 她把这条和前面的多人协作合并成一句收尾：「在我们考虑把人类协作者引入你的工作流的同时，也得想清楚：怎么让模型在你把事情做成的过程中，更像一个真正的协作者。」→ 详细
24
Q1｜有哪两三本书，是你最常推荐给别人的？
- 《Barbarian Days》（William Finnegan 著，中译《野蛮岁月》）：讲一位《纽约客》记者一生痴迷冲浪。她带走的东西是——「一个人完全可以对一件事怀着极深的热情、全身心投入、把它当作人生意义，哪怕自己并不擅长它」；书里讲的是明知永远达不到卓越与完美，却依然一路追求。她说这个故事对她「人该怎么过这一生」的理解「太有感染力、也太有改变力了」。→ 详细
- 《Anna Karenina》（《安娜·卡列尼娜》）：她最近在重读经典，喜欢它是因为「它是一本有很多层次的书」——13 岁读只读懂情节；17 岁读懂了欧洲历史脉络和阶级冲突；30 岁再读才反应过来「这是一个关于一个女人、关于人的故事」。她把这条接到当下：这个新纪元里我们很大一部分要做的事就是改造自己，「随着你不断长大，同一样东西是可以用很多不同的视角去看的」。→ 详细
- 延伸的读书法（两人一起补的）：Lenny 正在读 《The Power Broker》（《权力掮客》）；Tara 也超爱这本，并推荐 Simon Haisell 的 Substack「慢读」——一章一章带读重要的书，做过《War and Peace》（《战争与和平》），还有 Hilary Mantel 的《Wolf Hall》（《狼厅》）。她还提到 99% Invisible 做的《The Power Broker》拆解：13 期、每期一两小时，一次讲几章，请过 Pete Buttigieg、AOC 等嘉宾，作者 Robert Caro 本人也上过几次。→ 详细
25
Q2｜最近特别喜欢的电影或剧集？
- 《The Odyssey》（Christopher Nolan 的《奥德赛》）：「我的暴论是：它讲的是 AI」——或者说是 Nolan 对「AI 如何改变社会」的看法，她后面又补了半句「AI，还有道德的崩塌」。她评价 Nolan「把艺术性和商业成功结合到了一个我觉得没有任何一位当代导演做到过的程度」。（花絮：Kevin Clark 帮她弄到了 Metreon 晚上十点场的票；Lenny 至今没抢到，「都放机器人去抢票了」。）→ 详细
- 《Rashomon》（黑泽明《罗生门》）：电影史上「多视角讲同一个故事、最后你也不知道什么是真的」这一手法的开创者。她的落点又回到野心上：那是 50 年代的黑白片、摄影机人扛着，却依然完美；「我 iPhone 里的能力和工具，是他当年拍那部片子时的一百倍。那我还有什么借口不把自己的野心抬高一点、做出更好的东西来？」→ 详细
26
Q3｜最近发现的最喜欢或最有意思的 AI 产品（最好不是 OpenAI 自家的）？
- 她的答案不是某个大厂产品，而是「我朋友专门做给我用的那些——因为现在人真的做得出来了」。她自称是 cozy software（小圈子自制软件）运动的铁杆粉丝：「你给五个朋友做个软件工具，然后你们几个一起用。」→ 详细
- 两个具体例子都出自朋友 Sebastian：一个是把任何东西变成播客的 AI 应用，生成的音频「直接丢进你的 Apple Podcasts 订阅源里」（Lenny 当场说「我要这个」）；另一个是给朋友圈做的私人社交网络，叫 GATS（名称按转写原样保留，她说不是什么内部梗，「有点像给一小群朋友用的私人版 Twitter」，「我在那个产品上学到的东西是最有意思的」）。→ 详细
- 她的总结是一句价值宣言：「这就是我心目中未来该有的样子——人应该自己做出正好满足自己和朋友需求的软件。」→ 详细
27
Q4｜有没有什么人生座右铭，是你在工作或生活里经常回头去想的？
- 她当场把原文翻了出来：Toni Morrison 关于工作的四条，出自她的文章《The Work You Do, The Person You Are》——① 不管是什么活儿，都把它做好，不是为了老板，是为了你自己；② 是你成就了这份工作，不是这份工作成就你；③ 你真正的生活是和家人在一起；④ 你不等于你做的工作，你就是你这个人。Lenny 的反应是「我起鸡皮疙瘩了」。→ 详细
- 附带一个记忆小技巧：这段就置顶在她的 Twitter 个人页上——Lenny 说「这是记住一件事的绝妙办法，每次打开 Twitter：哦，又看到它了」。→ 详细
28
Q5｜你当年是 Thiel Fellow，有什么好玩的故事可以分享？
- 先补背景（Lenny 解释、Tara 确认）：Peter Thiel 的项目给你 10 万美元让你别念大学、直接去追你想做的东西；她那几年是「20 under 20」——每年只收 20 个 20 岁以下的人；她说项目现在应该还在办，只是「头四五年」卡在 20 人这个数上。→ 详细
- 她说这是人生的拐点，而且正好呼应了全期的主线：「人生有一些关键时刻，有人来把你的野心往上抬一格，你就真的抬上去了，而那会改变你这个人。那对我来说就是这样一个时刻——有人来跟我说：不，你能做到，你不用非得走你原来那条路。」→ 详细
- 现在天天共事的同期人之一是 Ari Weinstein：创立的公司 Sky 被 OpenAI 收购，更早创的一家公司被 Apple 收购、他因此在 Apple 待过一段；她说他是「我见过最有创造力的思考者之一」，也是「『Mac 上到底能玩出什么花样』这件事的真正专家」，现在在 OpenAI 主要带 computer use（让模型直接操作电脑界面）这一块。→ 详细
- 那年的「疯狂事」：她是第二届，那一届被 CNBC 拍成了纪录片——「我为 fellowship 做的那场 pitch、上台讲我打算做的那个想法，全都很不幸地一直挂在 YouTube 上。所以你要是真想看 19 岁的我干点丢人的事，那儿有。」同届出的最有名的人是 Dylan Field（Figma 创始人），她说他「不光才华惊人，人还特别好」。→ 详细
29
收尾｜她想让听众去试的一件事
- 她的安利很具体：去用 ChatGPT 桌面端、在网页版把 work 的开关切过去试试（她自嘲「可惜它现在藏在一个小开关里」），然后让它做点好玩的——「让它给你做一个介绍你自己的网站」，或者「先让它把你自己的 ChatGPT 使用情况做成一个可视化的小卡片」。Lenny 补了个更好的主意：「让它做个网站，告诉你用 work 都能干些什么。」→ 详细
- 但她真正想让人体会的是云端异步这一层：「更有颠覆感的是去手机上试试。然后你去坐一趟长途地铁……等你从没信号的地方钻出来，事情已经替你办完了。你不用全程抱着打开的笔记本电脑到处跑，终于有这么些东西在云端跑着、替你干真正的活儿。」Lenny 一度以为这是手机端独有的，Tara 纠正：「不，哪儿都能用。」→ 详细
30
联系方式
- 本期没有给出具体的联系方式或账号名。唯一提到的自有阵地是她的 Twitter 个人页——置顶着 Toni Morrison 那四条关于工作的话。→ 详细
- 她给听众的「行动入口」是产品本身：ChatGPT 桌面端 / 网页版里切到 work，或直接用 Codex（试 sites 与
/visualize）。→ 详细
- 节目方：往期节目与更多信息在 lennyspodcast.com；片头提到的订阅者福利在 lennysproduct.com。→ 详细