AI 的第三纪元：当持久 AI 同事走进你的团队

章节时间轴

• 2:17 加入 OpenAI 一年后最大的意外 — 不是 founder-led 而是 founders-led，自上而下的指令极少；也没有藏着 AGI 母版战略的密室，OpenAI 真的很 open。
• 6:09 PM 在这个市场里失去了什么 — 支付这类成熟市场奖励严密推演，AI 市场是涌现的、快变的，「多产且经验主义」压倒「学术且理论化」。
• 8:27 不变的内核：假设与测试循环 — 唯一重要的是把 eigen question 提得极准，然后尽快做出可被用户试用的东西并回灌结果。
• 10:46 Loops、steering 与人的不可替代性 — 抽象层级会持续上移，但方向感、直觉与「我想让世界变成什么样」的主张仍属于人；软件更像电影而非房地产。
• 15:25 未来 3–6 个月的工作方式 — 一是让 agent 在更高抽象层「继续煮」，二是从「我和我的 agent」走向多人多 agent 的多人游戏式协作。
• 20:04 雄心：能力天花板抬高之后 — 高效用 AI 的人不是用它自动化琐事，而是扩张自己能做之事的边界；PM 的新职责之一是抬高他人的雄心。
• 24:43 OpenAI 的三个 meme — is this maximally accelerated、are you mainlining it yet、feeling the AGI，以及只为 2–3 个月后模型建构的纪律。
• 29:27 ChatGPT / Codex / chat / work 到底怎么分 — 三种模式的定位解释，work 底层即 Codex，长期目标是合并、让用户零决策。
• 34:01 十亿用户与新产品的平衡 — 把 agent 能力带给十亿 chat 用户，并且「done is better than perfect」取代了过去 polish is king 的信条。
• 38:38 Codex 为什么赢回了口碑 — 团队一直高度 mainline 自己的产品、贴着用户迭代，变化的是市场追上来了，内部操作模式从未改变。
• 42:25 角色边界模糊与 craft 的焦虑 — 她喜欢没有角色边界的团队，只要有人对结果负 DRI；但「我的手艺会不会退化」她坦承没有答案。
• 45:29 人脑还有什么价值 — 问责主体、表达与作者性、以及人与人之间的关心与共同点燃热情。
• 48:32 实用招式：sites 与 /visualize — 用 prompt 直接生成可分享、可自动更新的个人软件与可视化，取代文档和幻灯片。
• 52:22 写作即思考的纪律 — 两类写作的分野、doc 写到 70% 就拿去要反馈、以及如何避免 AI brain rot。
• 60:09 Sutter Hill 与 product marketing fit — 一家刻意「不可读」的传奇 VC，孵化模式、Reticle 招聘工具，以及她最大的认知修正。
• 64:44 知识工作与编程的本质差异 — 可验证性不同，因此产品必须让人看见过程；以及闪电轮的书、电影与人生信条。

详细内容

一、在 OpenAI 一年：founders-led，而且没有密室

Tara 说很多东西对她并不新鲜——她此前待过的都是高增长、高人才密度、高强度、超速扩张的地方，「同事很棒」和「紧迫感很高」都在预期之内。真正意外的是组织形态：她过去待的公司都是 founder-led（创始人主导），而 OpenAI 是 founders-led（人人皆创始人）——公司内部每个人在自己的领域里本质上都是某种创始人，自上而下的方向指令相较她过去的经历「极其有限」。

这带来两种感受。一面是欣喜：她此前有创业经历，在 OpenAI 可以继续以创始人的姿态经营自己的产品域，而且「我和市场之间的距离非常非常薄」。她特别对比了大公司常见的隔绝感——你会感觉不到用户想要什么、市场在要求什么——而在 OpenAI 完全没有这层缓冲，你要像创始人一样为自己的产品找到 product market fit。

另一面则是祛魅。她带着一种期待入职：以为会拿到一份「OpenAI 秘密战略宝库」，就像她在过去公司拿到的「支付圣经」那样。结果 OpenAI 真的很 open——任何关于世界该是什么样、产品该怎么建、模型该如何运作的想法，都会非常快地变成公开产品或公开表述的一部分。Lenny 追问「所以没有一个跑着 AGI、握有全部答案的密室？」她笑说「至少我不在那个房间里」。她认为真正激励人的是：OpenAI 做的事几乎立刻会变成用户能触摸到的产品，这个循环比她见过的任何地方都快。

二、PM 失去了什么，又剩下什么

Lenny 问她作为资深 PM 在这个新世界里「失去了什么」。她的回答是：失去了做「宏大战略」的机会。在静态或慢变的市场里，你可以真正做大战略——支付虽然也动态，但它是成熟市场，你能说「如果我下这个注，竞争对手可能下那个注」，能从第一性原理严密推演所有后续动作。而且这类市场会强制你这么做：赢家比所有人想得更严密，不严密就会以「粗心」的形式暴露出来，因为很多决策本来是可以被预判的。

但在 AI 市场里，未来极难理解——涌现、快变、高度动态，而且最重要的是必须紧贴研究。因此「多产且经验主义」远比「学术且理论化」重要。她坦言这个切换起初让她非常不适：过去在很多公司她写的是长篇推理文档，几乎像博士论文一样铺陈未来 N 个时间单位的计划；现在的问题变成「我怎么最快做出一个能拿去给用户试的东西」。她一度自我怀疑：我是不是没做尽调？是不是不够周全？答案是，你必须去试、去学。

不过她强调，需要做的思考并没有消失，而是被压缩到一个点上：把核心假设定义得极其锋利。她引用 Shishir 的说法——什么是那个 eigen question（本征问题），那个最关键、最该被验证的东西？除此之外你编织的任何宏大战略都无关。Lenny 顺势追问「所以这是 PM 角色里没有变的部分」。她说 PM 岗位一直有很多外壳——按期推进执行、写各种文档和演示——但内核始终是：关于你的产品，最本质的问题是什么？什么东西决定它成立或不成立？怎么测？怎么看结果？怎么把结果回灌进假设去再跑一轮。她的观察是，现在公司里 PM、工程师、数据科学家、设计师全都转向这套「问题定义 + 测试」循环，而外壳大量脱落，只剩这个内核。

三、Steering 而非 rowing：抽象层级会一直上移，但方向属于人

Lenny 问「loops」这个概念会不会从软件工程扩散到产品管理乃至所有知识工作。Tara 认为未来的工作会越来越像 steering（掌舵）而不是 rowing（划桨）：agent 承担大量划桨，人的角色是把船指向正确方向。而且掌舵的层级会不断上移——曾经是「我写了这行代码，按 Tab」，接着是指挥更完整的任务，再到目标层级，甚至更高。

但她坚持，最终仍需要人来决定「我们把它指向哪」，并基于反馈与新数据决定下一步去哪。她特别强调 steering 有一部分来自数据，另一大部分来自有主张的判断：我们低估了直觉的力量，甚至低估了那种「积极的决定论」——我希望产品长成这样，不是因为反面策略不同样可行，而是因为我希望世界朝我推动的方向发展。这类主张目前仍必须来自人。所以她的结论是：把 agent 放进越来越大的循环里让它多划桨很棒，但现在你真的还得掌舵；而且未来的工作形态会是「你和其他人一起，掌舵一群你们共同使用的 agent」，把队友引入你与 agent 的交互之中。

Lenny 就此展开两个联想。其一：如果所有人都拿到同样的工具，区分你的就只剩人本身，否则大家会做出一样的东西——「几乎不公平的优势」变成了人脑。Tara 用时装类比：功能性衣服人人可穿且够用，但她选择穿什么，是关于想表达什么个性、想向世界呈现什么，而这之所以有力量，正因为它与别人的表达形成对比——衬衫之所以成为一种宣言，是因为它不同于别人在做的事，或标记了某种群体归属。产品同理。她引用 Patrick Collison（或 John Collison）的说法：软件不像房地产——不是投钱进去就产出价值；它更像电影，你可以投入大量金钱，但不保证电影成功或好看，其中有作者性、有主张、有艺术性。而这依赖于你或你的团队对产品「有点有意思的话要说」。

其二，Lenny 引 Marty Cagan 的观点：你最初的产品想法极少就是最终成立的那个东西，中间要走一整段搞清「它到底该是什么」的过程。Tara 完全同意，并补充：这些循环正在越来越快，所以你形成直觉、获取形成直觉所需的信息、再把它与人和 agent 一起转化为行动的能力，才是关键。

四、雄心：能力天花板抬高之后，最难的是扩张想象

Lenny 提出「ambition」这个在他节目里反复出现的词：我们不只是能更有雄心，几乎是必须更有雄心，因为简单的事变得极简单、难的事变得简单，区分人和公司的只剩雄心的大小——而这对很多人并不自然。

Tara 的观察是，最会用 AI 的人不是用它自动化机械劳动，而是用它扩张自己「能做之事」的集合。她做了一个对比：AI 之前，所谓「独角兽人才」是那种既有优秀产品直觉、又恰好会写代码、可能还会设计的人——他们之所以稀缺，是因为能压平各职能之间的翻译层，能自己快速把东西做出来跑起来，再拉团队一起协作。而现在，「我们几乎都有了那种超能力」：她可以自己拉出一组设计、去做初版原型、算出定价模型并把各种情景建模出来。可能性集合急剧变宽，其结果是她能像电影作者那样，把脑子里的东西以更高保真度实现出来。你的雄心不再受限于你自己能执行什么、能沟通什么。

她认为最难的部分恰恰不是能力而是想象：能力已经扩张得非常剧烈，难的是在「不合理地短」的时间尺度上扩张你对可能性的认知。她推荐 Patrick Collison 网站上的 patrickcollison.com/fast——一份「在极短时间内完成的不合理雄心项目」清单。她的洞察是：那些项目全部发生在这些工具出现之前；既然在旧能力下都能做到，那么在「可以一句话学会做某样东西、一句话总结一本极复杂的书、让 AI 给我的想法做出 CAD 模型」的今天，这类不合理快速且高效完成的事，难道不应该指数级增多吗？

Lenny 补了一句务实的话：最难的其实是「记得去试」——「哦对，我可以看看 Codex 能不能帮我做这个」，这是一个需要新建的习惯与脑回路。Tara 接着引 Tyler Cowen 网站上的表述：人们低估了走到别人面前说「你这件事更有雄心的版本是什么？能不能更快？能不能做到十倍规模？」的影响力。她因此认为，抬高他人的雄心、提醒他们什么是可能的，是今天产品管理角色极其有效的一部分——当有人说「我觉得这样做、这个时间线、也许先做第一版」时，你的部分职责就是说「可能性天花板难道不是明显更高了吗？」

五、OpenAI 的三个 meme，以及「只为 2–3 个月后的模型做产品」

Lenny 提到前任产品负责人 Nick Turley 在节目里讲过的内部 meme「is this maximally accelerated?」（Slack 里甚至有对应表情）。Tara 确认这确实是 OpenAI 的 meme，并补充她和 Andrew（她的工程负责人，前一期节目的嘉宾）常问团队的另一句：「are you mainlining it yet?」——你是不是整天用这个产品来完成你自己的工作？她把这两句加上「are we being as ambitious as possible」总结为产品开发的三个 meme：雄心的量级、速度是否拉满、以及你是否真在高强度自用并把全部品味投进「这东西是否真被人需要」的判断里，把反馈回路收得尽可能紧。Lenny 打趣说这是 dogfooding 的升级版——不是 dogfood，是 mainline。

她还提到另一个重要的文化 meme：feeling the AGI，或说保持对 AGI 即将到来的意识。她说把大多数人聚在这家公司的，正是相信 AGI 有益这一使命，并愿意做一切让它成为可能的事——既实现 AGI，也确保它对人类有益。

接着是全场最硬的一条纪律：做产品时她必须始终自问「我们是在为两到三个月后的模型建构吗」。为当下模型能力建构会失败，为你想象的一年后建构也会失败，两种结果同等错误。如果太早，你错了；如果做出的东西过度贴合过去模型的能力，你完全错了。唯一可行的建构窗口就是 2–3 个月，并且要抱持「模型会变得好得多」的信念：把模型能力当作产品的中心，在产品构造上「给模型让路」，并确保这个东西在两三个月后对模型是对的。

Lenny 追问在指数曲线上怎么知道两三个月长什么样——靠直觉？还是研究团队会给信号？她说与研究团队极紧密地沟通他们认为事情会走向哪里非常重要；这些并非完全黑箱，因为你大致知道当前聚焦在什么上——比如希望模型在某些特定的编程方式或写作方式上更强。公司确有针对特定能力的集中攻关，所以知道那些在哪、并让产品开发尽可能贴紧研究的议程与路线图，非常关键。Lenny 引 Kevin Weil 那句永远难忘的话——「这是模型最差的时候」——两人都感叹这句话虽已成陈词，却荒谬地真实。

六、chat / work / Codex：一个正在被合并的过渡态

Lenny 当场打开 ChatGPT：有一个下拉菜单里是 ChatGPT 和 Codex，还有一个 chat / work 的切换，他直接问「这都是什么？」Tara 给出的第一句就是北极星：用户不该需要在这些选项之间做决定。理想状态是没有任何 toggle，你在输入框里输入任务——比如「我想做一个帮我的播客嘉宾在录制前做研究的 app」——系统会自己挑对 harness、挑对模型把事做成。她明确说，不该由用户去理解自己想做什么之外，还要理解产品各自的能力与限制。

具体到现状：在 ChatGPT 和 Codex 之间选择，本质是你想留在更偏开发的 UI，还是想在 ChatGPT 模式下获得同样的能力。她给出很直接的建议——如果你是 Codex 用户，继续用 Codex，你没有错过任何东西；如果你是 ChatGPT 用户、想要这些新的 agent 能力，你大概应该在 ChatGPT 模式里。在 ChatGPT 内部，chat 模式适合对话与搜索；而 work 模式「底层就是 Codex」，只是去掉了一部分编程 UI——不会突然弹出一个 work tree——但拿事做成的能力完全相同，比如生成一个非常复杂的财务模型。她提到 OpenAI 公司财务团队用 work 模式做出许多此前要么纯手工、要么依赖团队里某一个人深度专长的事，现在整个团队都能执行。

Lenny 追问：work 模式里是否有超出 Codex 的东西？比如 harness 层面的额外调整？她回答「真的只在 UI 层」——你去 Codex 里让它生成一个用于定价的财务模型，或让它预测未来六个月收入，Codex 做得和 work 模式一样好；差别只在过程中你想看到什么样的 UI、思维链呈现多少技术细节。她再次强调 Codex 用户不切模式并不亏，而北极星就是把这些全部合并，让用户不必做任何选择。当下的分离更多是为了「尽可能在人们所在之处接住他们」——在他们熟悉的产品和概念里，让每个人都能用上与 agent 协作的能力，就像 agent 已经彻底改变了每一个开发者的工作方式那样，知识工作也应该被同样改变。

七、十亿用户与「done is better than perfect」

Lenny 认为她工作里最难的部分是平衡 ChatGPT 这个可能是史上最成功的消费产品（他口中的十亿级 MAU）与 Codex 这类全新尝试。Tara 说，把 work 带进 ChatGPT web 和桌面端、把这些东西聚到一起，目标正是把 agent 的力量带给那十亿在用 ChatGPT 的人。她在这里给出了三段纪元论：第一纪元是 chat；第二纪元显然是与 agents 协作，且主要是编程 agent；他们希望把它带到更多领域，尤其是知识工作，这就是给十亿 chat 用户 work 能力的意义。而可能很快到来的第三纪元，是你如何与一个持久的 co-worker 协作——它能与你一起把事做成，甚至与其他人共同协作。

她坦承产品挑战不在于「带给他们」，而在于让它自然、易于采纳、不需要用户显式做决定——「我们可以直接帮他们做对的事」；以及如何去复杂化，让他们不必去理解 harness 这种「对十亿消费者而言过于疯狂」的概念。

这里她给出一条鲜明的今昔对比。在以前的公司，polish is king——把每个 UI 交互、每个细节做到完全正确，比早发布重要得多，因为时间对结果的影响没那么大，所以每个角落没打磨好就干脆别发。而这个时代最有说服力的经验是：当你有强烈信念认为某个东西是变革性的，把它交到用户手上「远远好于完美」，那种紧迫感和产品的引入本身极其重要。她承认还有很多工作要做，尤其是对那些并非用它做生产力、而是做消费级任务的 chat 用户，「done is better than perfect，而我们要做的还很多」。Lenny 回忆这个 app 刚上线时关于混乱的大量评论，以及团队响应反馈的迭代速度之快，正印证了这套模式。Tara 补了一句平衡：当然有很多东西可以在上线前就拿到反馈，也总有该做得更好的地方，但无论上线前后（理想是上线前），尽快迭代并倾听正确的信号才是关键。

八、Codex 为什么赢回口碑：变的是市场，不是团队

Lenny 直接抛出观察：Twitter 上过去几个月存在从 Claude Code 向 Codex 的 vibe shift，问除了 Tara 加入之外内部到底改了什么、砍了什么。

Tara 的回答几乎是反高潮的。她引用那句禅语——开悟前挑水砍柴，开悟后挑水砍柴——说 Codex app 最初把它跑起来的团队本来就极度用户导向、迭代回路极紧、把自己的产品 mainline 到极致；后来外部和 Twitter 上的人开始注意到、用户开始真正察觉，但团队一直都是那样专注于用户与迭代。真正变化的只是「市场追上来了」。而这个过程在内部从未改变：所有人仍然一直在用这个 app，建它的人本身就是用它做开发的开发者，不仅修自己的问题，也在听公司里其他人和用户的问题。她说真正值得注意的是「操作模式没有变过」——还是那三件事：使命是否被足够抬高、是否在最大化加速、是否在尽可能 mainline。她把功劳全部归给团队。

Lenny 点出这个答案里最有意思的一点：起作用的是非常人的那部分——是 Tara、是 Andrew、是 Tibo、是整个团队对客户和产品的痴迷，「不是 AI 给出了答案，是人做出了差异」。Tara 接住并强调团队每个人都极其有思考力且独立：OpenAI 有很多「创始人」，桌面端团队几乎每个人都像创始人一样在意每一块每一个细节；发现某处该更好，他们就非常独立地去建、把它跑起来；如果内部测试不好、没人用、大家觉得不好用，他们就继续迭代，最后才对外发布。

九、角色边界、手艺焦虑，以及人脑剩下的价值

Lenny 提到岗位职责正在重叠——工程师在做 PM 的事，PM 在出原型甚至上生产——很多设计师、市场人在问「我的工作到底是什么、我该负责什么」。Tara 说她最喜欢创业公司的一点正是角色几乎没有边界：一切都是你的责任，同时什么都不是你的责任，你最终只对成功负责。她说 Stripe 就极度如此，工程师、PM、设计师能做的事之间没有边界，人人都能做任何事——她一直很爱这种心态，而现在「能力终于追上了这种心态」。

但她坚持一件事必须有人负责到底：这个产品有没有被用户使用？是不是人们想要的？质量是否高？是否有效？无论那个人是工程师、设计师还是 PM，必须有一个 DRI；剩下的活谁基于兴趣与能力捡起来都行。她喜欢那种不太在意角色边界、大家只盯着结果的团队。

她也诚实地说出反面。她同样热爱 PM 的手艺——Shreyas、Marty Cagan、Shishir 这些人所倡导的那些 PM craft 的层面都很美好。而有些问题正来自这里：如果我用这种流动的协作方式做事，我会不会失去打磨自己手艺、变得更好的机会？她说自己「真的没有答案」，这是所有人正在共同经历的：手艺的一部分正被模型抽象掉——模型也许做得比个人更好——你的手艺于是从「做那件具体的事」转向把它应用到产品或学科的其他部分。她仍在权衡：一边是想成为团队的一部分、被这些工具带来的效能所吸引，一边是对手艺本身的热爱——对工程师而言，亲手写代码真的很有趣，而现在人们不再那样做了。Lenny 接过来说工程角色的变化令人难以置信：你曾经整天写代码，那就是你的工作，现在不再是了；很多人在悼念亲手写代码的 flow state。Tara 承认这是一段艰难的过渡。

Lenny 于是问她一个常问前沿从业者的问题：接下来几年，人脑在哪里仍然最有价值？她给出三点。第一是作为问责主体（entity of accountability）：谁最终拥有这个结果？某种意义上你可以把与你协作的 agent 看作你的下属，但最终谁对成品负责、它是否高质量、是否是你要的东西——至少目前仍然是人；在高度监管的行业或需要直接人际界面的场合尤其如此。第二是表达：她再次用「软件不像房地产、更像电影」类比——最伟大的电影不是预算最大的那些；建造软件中存在艺术性、主张与表达，让人感觉到有作者，而你选择建造什么、它给人什么感觉，是极其人性的问题。第三是我们如何彼此关照与联结：她说这部分工作依然完全属于人，而且比以往更重要——与团队里其他人交谈、共同找到对某个领域的热情、如何一起学习和工作、如何互相抬高雄心。

十、实用招式：sites、/visualize，以及「写作即思考」的纪律

Lenny 提到 AI 的「overhang」——AI 能做的事与我们实际用它做的事之间的落差，最大的鸿沟往往是「我该拿它做什么」，于是请她分享自己的用法。

她最兴奋的答案是 sites：她现在一直在做 sites。除了作为 work 里的演示型产物，她把它用于一切——为团队做过一个带数据库的 site 来一起玩游戏；最近去背包徒步，她做了一个 site 跟踪路线沿途海拔，同行每个人把自己带的食物都录进去，「超快超有效」。她认为 sites 在某种意义上实现了 Alan Kay 在六十年代提出的「可塑的个人软件」之梦——真正的个人计算机是拥有个人软件的那种。过去人们用 Notion 这类工具靠拼装 block 去逼近它，而 site 就是一个 prompt：你说「给我建这个我需要的工具」，它就做出来了。它们可分享、可自动更新，也可以接入内部数据做带大量指标的 dashboard；比起苦熬一份幻灯片，site 是远更动态的呈现界面。用法上不需要特殊操作——在 Codex 里说「给我团队做一个 mafia 游戏的 site」就行，它知道 sites 是什么，托管也一并解决，你可以选公开、对团队可见或仅自己可见。她说这种「随手就能做一个 site」的可及性改变了她的日常：以前是不停产出 doc、sheet 之类的产物，现在她一直在做 sites。它在 work、Codex、web、移动端都可用。

第二个招式是 Codex 里的 /visualize。她举例可以直接输入「visualize 我到现在的 ChatGPT 使用情况」，它会把你做过的事拉进来生成一个很棒的可视化。她说自己无数次面临同一个问题——不只要把一堆图表和数据拉进来，还要以一种「对我想讲的故事来说可理解、有用」的方式呈现——而 visualize 让这件事变得极其简单、用起来出奇地愉悦。Lenny 感慨这些例子恰恰说明「这里有太多我们尚不知道、尚不理解的能力」，而这正是她的挑战，也是这类播客的用处所在。

随后是这期最有辨识度的一段：写作。Lenny 说他向熟识 Tara 的 Brie Wolfson 征求问题，得到的建议是问她的写作与思考——「一份 Tara brief 是标志性的」。Tara 说她把工作中的写作严格分成两类。writing as thinking 是写一份 brief，论证为什么该做某个产品、该采取某个战略，或者一个「辣评」；writing as reporting 是总结本周团队进展并发出报告、或者写某次发布的计划。后者她乐于自动化，一直用模型把它做到最简；而前者她永不自动化。她的理由很具体：对她而言，把东西列成大纲、变成成文的散文、再删削和反复迭代的这个动作，是让她把想法理顺最重要的步骤之一。她认为大多数人在这件事上用了过粗的笔刷——「我永远不用模型写作」或「我总是用模型写作」——两种粗笔刷都错：writing as reporting 应尽可能交给模型，而 writing as thinking 不该用模型替代你的思考。

她描述自己写 brief 的方式：钻进洞里为一个新想法或新产品写出 brief，花大量时间打磨那个想法，然后拿去给人看、让他们尽可能攻击其中的论点、戳破漏洞、让它更强，再带去下一个人重复一遍。在 Stripe 她这样做过很多很多次——用来启动一个新产品领域、提议一次大的方向转变、或分析一个问题并给出路径。她说 Stripe 是极度以写作为文化取向的公司，Jeff Weinstein 等人也非常投入写作和分享 brief，「Stripe 是少数几个 brief 会在公司内部走红的地方」。

但在 OpenAI，可分享的产物不再是长文档或那种「思考的工作量证明」。她给出的理由很锋利：时代变了，长文档已不再是你想清楚了的信号，因为你可以轻易生产出一份恰恰证明你没想清楚的长文档。因此她个人日常里最大、也最令她不适的变化是：过去她在文档里思考，然后把它翻译成某种呈现型产物，那就是「我想清楚了、我们要这么干」的凭证，团队据此推进；而现在她远更倾向 mocks not docs、prototypes not docs——如果有人能试着交互的东西，甚至更好，如果有结果（我们试过了、跑了 A/B、这是结果，所以我认为该往这个方向走），那都是比文档本身好得多的沟通工具。她说自己仍然写数百份文档，但那是为自己写的，不再真的为别人写——文档不再是最佳的表达与沟通方式。

Lenny 特别欣赏「拿文档去大量征求反馈」这条建议：你几乎可以靠不停要反馈来「作弊」出一份标志性的 brief。Tara 补了她一位老板教她的做法：正确的做法永远是把文档写到 70% 完成度，然后拿给你需要其买入的人，让文档从 70% 走到 100%。她的解释很好：很少有厉害的人愿意与一个完美打磨、彻底完成的想法互动——面对一个完美光滑的想法，他们的新想法只会弹开；而一个有更多裂缝、更多粗糙边缘的东西，他们可以和你一起打磨。

Lenny 顺势问「AI brain rot」与过度依赖的问题。Tara 说 writing as thinking 这条纪律正是她日常防止思考能力萎缩的主要手段。她还有两条个人规则：如果我要让别人读我的文档，我至少得自己先读那么多遍；开会同理——如果我要召集一群人开会，我必须在会前投入这些人将在会上花掉的时间总量来做准备。所以为了保持思维锋利，她自己写文档，并确保投入的时间至少等于她预期众人阅读它所花的集体时间。她也不依赖模型润色她的散文（她并不认为模型真的做得好），尤其不用它生成第一版；但在总结、或把内容从一种格式转换成另一种格式上，她一直大量借助模型。Lenny 复述确认：想法、brief、计划自己以人的身份写，不要用 AI 开头，也不要用它改写。她补充了一个更精确的版本：「至少对我，我自己开头、自己结尾」——中间可能用 AI 去研究具体环节、投喂或抓取数据、帮我反驳一些想法，但开头和结尾属于自己，这样思考就不会退化。

十一、Sutter Hill 的启示：被低估的 product marketing fit

Lenny 好奇她那步不寻常的职业跳跃——从 PM、创始人到 Sutter Hill Ventures 做 EIR。Tara 说 Sutter Hill 是一家传奇却「刻意不可读」的公司：你去它的官网什么都看不到；它不高声运作，尽量低调、尽量谦逊，却对硅谷一些最标志性的成功负责。它有一套非常特殊的孵化模式，由 Mike Speiser 开创并一次次复制成功（Lenny 举 Snowflake 为例）。

她说 Sutter Hill 最震撼她的地方在于：人们把「找到 product market fit」或「建成百亿美元级公司」当作一门黑魔法——是运气、是机缘、是各种因素凑齐；然而 Mike Speiser 做到了多次，那就说明显然存在方法、存在路线图、存在一组可重复的动作。它不只是运气，不只是黑魔法，确实有一本 playbook，而这本 playbook 存在于 Sutter Hill 内部。他们既学会了在下注和判断时高频命中，也学会了那些日复一日复利的事——怎么搭建企业销售团队、怎么定位产品、怎么组建初创团队。她特别提到 Sutter Hill 的招聘「无与伦比地出色」，并披露他们有一个内部工具叫 Reticle：里面有一张地图，记录他们接触过的每个人，以及这些人接触过的最优秀的十个人——这让他们的招聘极为高效。

她去 Sutter Hill 的动机是：她的职业生涯本质上就是「怎么尽可能多次地寻找 product market fit」——无论是作为创始人、在 Stripe 从零开新产品，还是加入 Watershed 这样的创业公司；而 Sutter Hill 是一个已经搞清了如何为 B2B 产品找到 PMF 的地方，她想尽可能学到东西。

被问到最大的收获时，她给出全场最实用的一条认知修正：product market fit 当然重要，但她此前严重低估了 product marketing fit——你如何谈论产品、如何做营销，甚至可以先于产品的实际构建。它应该来自把技术的深度理解与企业销售流程的理解结合起来；而那份产品营销契合、那套叙事与定位，才是在你构建产品体验之前最该测试的东西。具体做法是：先去 pitch 一百个人，尽可能打磨那套说法，把「这东西为什么是变革性的」这一营销叙事讲对，然后、且只有在那之后，才去承诺产品的确切形态。她说 Mike Speiser 在这门手艺上无人能敌。她坦承此前一直低估 PMM 工作，觉得「那不就是各职能之间的胶水嘛，还行」，直到意识到这项工作做到极致对公司结果有多大的变革性，甚至可以成为让一家公司成功的决定性要素。Lenny 表示强烈同意，说定位是他节目里反复讨论的话题。

十二、知识工作与编程的本质差异：可验证性

在录制过程中 Lenny 顺手用 sites 生成了一个关于 Tara 的网站，聊天期间就跑完了，两人一起看了成品（页面上有引语「Big conviction. Small teams. Start with the buyer.」，顶部那张照片是她大约 19 岁时的 Stripe 工牌照）。随后 Tara 主动提出这期最重要的一段产品洞察。

她说团队在做 ChatGPT work 时最惊讶的发现之一，是知识工作与编程在根本上不同：编程极度输出导向——当你让它做一个编程任务，你可以通过测试来验证它做得对不对、好不好，你可以试着跑一下看它是否能用，存在一条基于输出的验证路径。但知识工作不同：她不能只看最终那份 deck、看到里面写着「90% 成功率」之类的数字就相信它；她必须思考过程、输入、推理，以及它是怎么一路走到那里的。

因此产品层面必须适配知识工作，这意味着大量工作要投入到「把 ChatGPT 做成你的协作者」：让你看到所有进行中的工作、看到它的引用与输入，帮你与模型一同走完这段旅程，从而在最后你能确认「这个东西是对的、好的、有用的」。她说这不仅体现在产品 UX 上，也应该体现在推理与思维链上——比如是否该在过程中呈现更多引用，说明它是如何从数据走到那个结论的；再比如「thread」这个极度适配编程的界面形态，是否也是知识工作中你查看这一切的正确位置。她认为这里有非常多重大的产品问题；而当他们思考如何把人类协作者引入你的工作时，也必须思考如何让模型在与你共同完成事情的过程中更像一个协作者。

Lenny 用一个类比呼应：想象一场向高管汇报计划的会议，其中很大部分正是帮他们看到「我为得到这个结论做了哪些工作、走了哪些步骤」——所以你需要 AI 展示同样的过程证明；而工程里则是「我不需要知道你所有细小的架构决策，只要看结果、看测试是否全通过」。他还补了一点：知识工作还涉及上下文——它是否拥有完成你要它做的事所需的上下文，它能不能看到你的邮件、你的文档。这一点也与 Tara 前面提到的「meat and potatoes」判断呼应：让 agent 有用，除了智能之外，很大部分是非常务实的东西——本地 agent 方便是因为能访问你机器上的全部数据；要让云端 agent 成功需要构建大量云基础设施；还有系统访问权限，「就像你雇了一个同事却把他锁在房间里，从不给他 Google Docs、Slack 和公司数据库的访问权限，那他对你不会有多大用」，一个同样被隔离的云端 agent 也不会有效。这些数据访问、云基础设施与可靠性问题听起来比宏大的智能问题平庸，但对最终效能几乎同等重要。

十三、闪电轮：书、电影、AI 产品与人生信条

书单上她首推 William Finnegan 的《Barbarian Days》——一位《纽约客》记者如何爱上冲浪的故事。她的收获是：一个人可以对某件事深度热爱、投入并视为人生目的，而不必擅长它；这本书讲的是爱上冲浪的艺术，以及明知永不可及仍追求卓越与完美。第二本是《Anna Karenina》，她最近在重读经典。她喜欢它是一本「有层次」的书，并把它与这个时代联系起来：新纪元要求我们改造自己、走上做不同事情的旅程。她 13 岁读它时只读懂了情节；17 岁读懂了欧洲历史动态与阶级冲突；30 岁读时才意识到「这是一个关于女人、关于人的故事」。这提醒她成长的意义——同一样东西可以随着你的成长被多重视角看待，而这恰是所有人在思考职业时面临的挑战。

Lenny 说自己今年才第一次读《Anna Karenina》（在一份「世界上最聪明的人读过什么」的书单上看到），觉得很棒但很长，且被人剧透了结局；现在正在读《The Power Broker》。Tara 也很喜欢《The Power Broker》，并推荐 Simon Haisell 的 Substack——他做重要书籍的「慢读」，逐章推进，做过《War and Peace》、也做过 Hilary Mantel 的《Wolf Hall》；她认为像《The Power Broker》《War and Peace》这类书只能这样一章一章读。Lenny 补充推荐 99% Invisible 的《The Power Broker》读书会：13 集、每集一两小时，一次讲几章，还请来在那片区域生活过的嘉宾（他提到 AOC 等），Robert Caro 本人也上过几次。

电影方面她看了《The Odyssey》，认为是一部了不起的作品，并给出「热门看法」：它其实是关于 AI 的，或说是 Christopher Nolan 对 AI 如何改造社会的看法（她后来补了一句「关于 AI 与道德的崩塌」，Lenny 因还没买到票而要求别剧透）。她称 Nolan 以无人能及的方式桥接了艺术性与商业成功。她还看了黑泽明的《罗生门》——首次使用通过多人视角讲述同一故事、最终你永不知何为真相的技法。让她感触的是「在约束下人能做到什么」：这部电影拍于五十年代、黑白、能看出有人在手持摄影机，却如此完美、如此有品味、有创新、是创造力的绝佳范例。她的结论直指本期主题：「我在 iPhone 里就拥有他拍那部电影时一百倍的能力和工具，那我不抬高雄心、不做出更好的东西，借口是什么？」

被问到最喜欢的非 OpenAI 的 AI 产品时，她的答案是「我朋友为我做的产品」——因为现在人们真的能做到这件事了。她自称是 cozy software 运动的粉丝：为大约五个朋友做软件工具，然后大家一起用。她举了朋友 Sebastian 的两个作品：一个把任何内容转成播客并放进你自己的小播客 app 的 AI 应用（Lenny 追问后确认，它会把内容投递进 Apple Podcasts 的订阅流里，Lenny 当场表示想要）；另一个是给他们朋友圈做的私人社交网络，叫 GATS——「像是给一小群朋友用的私人 Twitter」，她说自己在那上面学到最有意思的东西。她认为这正是未来该有的样子：人们应该做出恰好满足自己和朋友需求的软件。

人生信条上，她引用 Toni Morrison 散文《The Work You Do, The Person You Are》里的四条（她说是自己 Twitter 置顶的内容）：无论工作是什么，把它做好——不是为了老板，而是为了自己；是你成就工作，不是工作成就你；你真实的生活与家人在一起；你不是你做的工作，你是你这个人。Lenny 听完说「起鸡皮疙瘩了」。

最后关于 Thiel Fellowship（Lenny 解释规则：Peter Thiel 认为人们不该上大学，给你 10 万美元不去读大学、去追随你的雄心；每届 20 人，即「20 under 20」），Tara 说这是她人生的一个拐点，没有它她不会在今天的位置——而这恰好印证了她关于雄心的观点：有些关键时刻，有人来抬高你的雄心，你就真的抬高了，那会改变你；当年就是有人对她说「不，你可以做这个，你不必走你原来那条路」，她为此永远感激。她提到现在能共事的另一位 Thiel fellow 是 Ari Weinstein——创办的公司 Sky 被 OpenAI 收购，此前他的前一家公司被 Apple 收购、他也在 Apple 工作过一段时间；她说 Ari 是她见过最有创造力的思考者之一，是「Mac 上能做哪些酷东西」的真正专家，现在在 OpenAI 主导大量 computer use 的工作。她还笑说自己那届被 CNBC 拍成了纪录片，19 岁上台 pitch 的画面「不幸地永久留在 YouTube 上」；而那批人里最成功的之一是 Dylan Field，她评价他不只才华出众，也是个非常善良的人。

收尾时她的推荐是：用 ChatGPT 桌面端、在 web 上试试 work（她自嘲「不幸还得拨那个小 toggle」），让它做点酷的事——让它给你自己建个 site，或用 visualize 看看你的 ChatGPT 使用情况。Lenny 当场给出更好的玩法：让它建一个 site 来告诉你能用 work 做什么。而她真正想强调的是移动端的体验：在手机上让它干活，然后去坐一段长地铁，等你从没有信号的地方出来时，事情已经做完了——「你不用一直拎着开着的笔记本到处走，这些东西终于在云端替你做真正的工作了」。Lenny 追问这是否是移动端独有，她纠正说「到处都是」（云端执行不限于移动端）。

金句

如果把 AI 产品的第一纪元看作 chat，第二纪元是与 agents 协作，那么可能很快到来的第三纪元，就是你如何与一个持久的 co-worker 一起把事情做成。 —— Tara Seshan 34:48

按模型现在的样子做产品，你会失败；按你以为一年后模型的样子做，你也会失败。两种结果同等错误。唯一可行的建构方式是两到三个月。 —— Tara Seshan 27:06

未来的工作会越来越像掌舵而不是划桨。 —— Tara Seshan 10:46

writing as reporting 我乐于自动化，但 writing as thinking 我永远不会自动化。 —— Tara Seshan 53:08

软件不像房地产——不是投钱进去就产出价值。它更像电影：你可以往里投很多钱，但那不保证电影成功或好看。 —— Tara Seshan 转述 Patrick Collison / John Collison 13:54

我在 iPhone 里就拥有他拍那部电影时一百倍的能力和工具，那我不抬高雄心、不做出更好的东西，借口是什么？ —— Tara Seshan 谈《罗生门》72:27

你不是你做的工作，你是你这个人。 —— Tara Seshan 引 Toni Morrison 75:31

提到的书·产品·人物

• Tara Seshan（人物）：本期嘉宾，OpenAI Codex 与 ChatGPT work 产品负责人，前 Stripe 早期 PM、Watershed 产品负责人、Thiel Fellow。
• Codex（产品）：OpenAI 的编程 agent 产品，也是 ChatGPT work 模式的底层；本期讨论其模式划分、口碑逆转与 sites、/visualize 等功能。
• ChatGPT work / chat 模式（产品）：ChatGPT 内的两种模式，work 底层即 Codex 但隐去工程 UI，长期目标是全部合并、用户零决策 30:12。
• sites（产品）：Codex/work 中可用一句 prompt 生成、可分享可自动更新的轻应用；她用来做团队游戏、徒步路线海拔追踪、指标 dashboard 与演示 48:32。
• /visualize（产品功能）：Codex 中的可视化命令，可把数据自动整理成便于讲故事的图表 51:36。
• Claude Code（产品）：Lenny 提到 Twitter 上存在从 Claude Code 向 Codex 的 vibe shift 38:38。
• Andrew（字幕作 Andrew Amberino）（人物）：Tara 的工程负责人、前一期播客嘉宾，与她共同推广「are you mainlining it yet」这个 meme 25:29。
• Nick Turley（人物）：曾担任类似角色，内部 meme「is this maximally accelerated?」的来源 24:43。
• Kevin Weil（人物）：时任 OpenAI 首席产品官，那句「这是模型最差的时候」被 Lenny 引用 28:39。
• Tibo（人物）：Codex 桌面端团队成员，被 Lenny 点名归功于产品的成功 40:54。
• Ari Weinstein（人物）：Thiel fellow，创办的 Sky 被 OpenAI 收购，现主导 OpenAI 的 computer use 方向 76:17。
• Dylan Field（人物）：与她同期的 Thiel fellow，她评价其才华与善良 78:35。
• Shishir（字幕作 Shashir）（人物）：「eigen question」这一说法的出处，用来定义最核心的待验证假设 8:27。
• Marty Cagan（人物）：其观点被引用——最初的产品想法极少是最终成立的那个 14:40。
• Shreyas（字幕作 Shreas）（人物）：被列为 PM craft 的重要倡导者之一 43:58。
• Patrick Collison（人物/网页）：patrickcollison.com/fast 那份「不合理雄心的快速项目」清单，以及「软件像电影」的说法 22:23。
• John Collison（人物）：「软件不像房地产」这一说法的另一个可能出处 13:54。
• Tyler Cowen（人物）：其网站上的观点——人们低估了去问别人「更有雄心/更快/十倍规模的版本是什么」的影响力 23:56。
• Jeff Weinstein（人物）：Stripe 内部热衷写作与分享 brief 的代表人物 55:30。
• Stripe（公司）：她的前雇主，以极强的写作文化著称，「brief 会在公司内部走红」54:43。
• Watershed（公司）：她曾任产品负责人的创业公司，也是她「反复寻找 PMF」路径的一站 62:27。
• Sutter Hill Ventures（公司）：刻意低调的传奇 VC，以孵化模式著称，她曾在此做 EIR 60:09。
• Mike Speiser（人物）：Sutter Hill 合伙人，孵化模式的创立者，她认为他在 product marketing fit 这门手艺上无人能敌 60:55。
• Snowflake（公司）：Lenny 举例的 Sutter Hill 孵化成果 60:09。
• Reticle（产品/内部工具）：Sutter Hill 的秘密招聘工具，记录接触过的每个人及其推荐的十位最优秀者 62:27。
• Thiel Fellowship（项目）：20 under 20 的不上大学奖学金，她称之为人生拐点；她那届被 CNBC 拍成纪录片 76:17。
• Alan Kay（人物）：六十年代提出「真正的个人计算机拥有个人软件」，被她用来解释 sites 的意义 49:19。
• Notion（产品）：作为「用 block 拼装个人软件」的旧路径与 sites 对比 49:19。
• GATS（产品）：她朋友 Sebastian 做的私人社交网络，「给一小群朋友的私人 Twitter」73:59。
• Sebastian 的播客 app（产品）：把任意内容转成播客并投递进 Apple Podcasts 订阅流的 AI 应用 73:59。
• Brie Wolfson（字幕作 Brie Wolson）（人物）：熟识 Tara 的朋友，为本期提供了关于写作的问题 52:22。
• 《Barbarian Days》/ William Finnegan（书）：她最推荐的书，讲述可以深爱一件事而不必擅长它 67:51。
• 《Anna Karenina》（书）：她重读的经典，一本「有层次」的书，不同年龄读出不同东西 68:36。
• 《The Power Broker》/ Robert Caro（书/人物）：Lenny 正在读的书；99% Invisible 有 13 集的逐章读书会，Caro 本人参与过 70:09。
• Simon Haisell 的 Substack（产品）：对重要长书做逐章慢读，做过《War and Peace》《Wolf Hall》70:09。
• 《Wolf Hall》/ Hilary Mantel（书）：慢读栏目涉及的作品 70:09。
• 99% Invisible（播客）：其《The Power Broker》读书会被两人力荐 70:54。
• 《The Odyssey》/ Christopher Nolan（电影）：她认为这部片其实是关于 AI 以及道德崩塌的 70:54。
• 《罗生门》/ 黑泽明（电影）：多视角叙事技法的开创者，她用它论证「约束下的创造力」与雄心 71:42。
• Toni Morrison《The Work You Do, The Person You Are》（书/散文）：她的人生信条来源，四条准则被她置顶在 Twitter 75:31。

适合谁听

想知道前沿 AI 实验室内部如何做产品决策的 PM、创始人和知识工作者，尤其是那些在纠结「AI 时代我的角色和手艺还剩什么」的人。