「我们后悔产品经理这个岗位存在」：Whatnot CPO 的反常识产品论

核心要点

• PM 不是必需品：产品管理是靠做而变强的手艺；每 6 个工程师配 1 个 PM 的 pod 配比让工程师和设计师「幼儿化」——他们本来完全有能力做好决策，只是永远有个 PM 在替他们做。
• 31832 比 1：过去两年 31,832 人申请 Whatnot 的 PM 岗位，录用 1 人。Tom 说这不是劝退，而是 PM 岗位泛滥并没有自然生产出他们需要的那种技能组合。
• 政治型 PM 在贬值：面试里大谈 driving alignment 和 stakeholder management 的人明显趋于淘汰——有一类 PM 的专长既不是技术也不是客户，而是政治，而现在「已经没什么地方可以藏了」。
• VP 回到一线：Whatnot 四五位带人的 PM 管理者，九成以上时间在做 IC 工作，Tom 自己也有约 50%。他的薪酬论点是：把五个 L5 加四个 L7 加一个 VP 的总薪酬合起来，为什么不能付给三个人都拿 VP 的钱。
• know then go：把「如果实验绿了怎么办、红了怎么办」「用量放大一千倍会怎样」全在脑子里跑一遍，然后照样上——想清楚了，你会自动预防掉一大批问题。
• 拉手风琴：手风琴要先完全拉开吸气（想清全局），但只有按键往回压才出声（做出 V1）；下一段进程前再拉开一次。既不能只堆三年路线图，也不能只往墙上扔意面。
• 常常不是复杂，是领导层软弱：Twitter 两年换了九任产品负责人；所有人都知道 140 字限制必须放开（日本用户发帖频率是西方的六倍，因为汉字信息密度高），但没人愿意拍板，他离职一年半后才有人做——「结果没人死掉」。
• 平均值对个体毫无意义：他自认最痛的一类错误就是依赖均值——某功能只有 3% 用户使用，但对其中一群人是 100% 的核心用途，砍掉等于炸掉他们的生意。

章节时间轴

• 2:19 开场与那句话 — Tom 的背景（Whatnot CPO、前 Twitch CPO、前 Twitter 增长）以及「我们后悔产品管理存在」的由来。
• 3:04 PM 岗位的历史 — 最早是创始人 CEO 直接跟工程和设计谈要做什么；互联网业务扩张太快，才诞生「决策专业阶层」这个现代产物。
• 4:37 手艺不是资历 — 支持 PM 专业化的唯一论据是它靠 reps 变强；但反面是你越把工程和设计抽离，他们的肌肉越萎缩。
• 6:10 pod 配比之罪 — 每 6 个工程师配 1 个设计师 1 个 PM 1 个 EM 的 HR 配比，在十亿 DAU 产品上放大成 PM 泛滥；通知基础设施根本不需要 PM。
• 8:28 可是工程师不想干这些活 — 专业化是双向的；解法是把 PM 映射到问题而不是团队，并让文化明确任何职能都能当 DRI，但都得走 product review。
• 12:18 AI 是加速器不是原因 — AI 给 IC 巨大杠杆（Hex thread 十分钟顶 2017 年 L7 数据科学家两周）；同时「top-down 其实挺好」正在回归。
• 15:21 Whatnot 的产品组织 — 21-22 个 PM，松散分为 buyer / seller / trust & risk 三组；每半年 CEO 与高管定「什么必须成真」，再逐条点 DRI。
• 17:39 招聘：什么在涨什么在跌 — 政治型 PM 在跌；要看到宏观与微观兼具、对验证路径有急迫感、能说清自己到底做过什么而不是「看护」了什么。
• 19:58 怎么练系统思维 — 实验绿了红了各怎么办；用量千倍会怎样；「know then go」——想穿所有风险，然后照样上。
• 22:17 VP 回到 IC 的组织 — 过去把 A 级选手升职升出一线，换来 yo-yo 式评审；现在管理者九成时间做 IC，Tom 本人约五成。为什么不让 Messi 上场。
• 24:34 同一个人跨多摊事 — Twitch 时代 discovery 与 ads 常年争抢曝光；把广告放进 discovery 并让同一个 PM 对两者负责，冲突自然消解。
• 28:27 薪酬与「CTO 去 Anthropic 当工程师」 — Workday、Instagram、Box、super.com 的 CTO 现在是 Anthropic 的 MTS；把多层薪酬合并付给三个人为什么不行。
• 29:59 怎么保证真的懂 ground truth — 「那是欺诈」→ 你怎么知道？→ 数据集里标的 → 谁标的、SOP 是什么？追问到底，顺手修好标注系统。
• 35:20 AI 解锁的三件事 — 数据科学（Hex threads）、直接跟代码库对话而不打扰工程师、直播场景下「用户在用 / 代码在跑 / 观察者视角」的实时反馈闭环。
• 40:41 数据科学家的处境 — 组织长期在数据工程和标注上投入不足；用 AI 拉数和用 AI 写代码一样，不免除对结果负责。
• 42:59 哪些角色在涨 — 「更少」是相对同等产出而言，不是绝对更少；明显上升的是 EM light / tech lead 型的小队长角色。
• 46:04 PM 技能反而更值钱 — 定义做什么、拆解需求、排优先级、翻译客户与业务与技术；但这些不是过去五年被奖励的东西，被奖励的是叙事与对齐（Marty Cagan 所谓 product theater）。
• 49:08 verify then trust — 「招好人然后别管」是错的；创始人 Grant 会在评审中说「我今天下午清空，我们一起坐下来查清楚」。
• 53:44 和产品型创始人共事 — two dads problem；创始人在的事就退出，CPO 的活是翻译愿景而不是跟创始人争愿景。
• 59:10 怎么向上推动 — 先问「我理解你的前提对吗、有我不知道的背景吗」；有数据就带数据，没数据的两个意见相争，CEO 赢，把自我放门口。
• 61:30 拉手风琴 — 拉开吸气（想全局）不产生价值，按键压回（做 V1）才出声；两种失败模式是只扔意面和只写三年路线图。
• 64:34 手风琴的实例 — 直播电商本不需要 listing（举起 AirPods 说清就行），但新买家会期待搜索能用；强制每个 listing 花 3.5 分钟又会毁掉卖家效率。
• 66:51 agentic commerce vs 直播电商 — 电商 30 年从未超过美国零售支出的 20%；大量购物是低意图的，逛街本身是社交；Twitch 时代低于千人观看不经济，直播电商 30-50 人就成立。
• 69:54 Twitter 的两个教训 — PMF 真到了组织再烂也活得下去；以及「大多数时候不是复杂，是领导层软弱」（140 字与编辑推文）。
• 73:43 fail corner — 平均值对个体毫无意义：只有 3% 使用率的功能，可能是某群人 100% 的生计。
• 77:31 闪电轮 — 书、剧、产品、人生格言，以及那只从圣地亚哥码头直播间买来的加州龙虾。

详细内容

一、「后悔 PM 存在」到底是什么意思

Tom 的论证从历史开始。往回追，产品管理这个岗位并不存在——是业务方、往往是创始人 CEO 直接跟工程和设计谈要做什么，然后一起执行 3:04。互联网业务扩张的速度超过历史上任何行业，规模化意味着必须把执行细节委托出去，因为一个人坐不住那么多事 3:52。他要指出的是：「我们需要一个专门做决策的人类阶层」这件事，更像是一个现代职能，而不是一种纯粹的必要性 3:52。

那么支持 PM 专业化的论据是什么？Tom 说据他所知只有一条：它是手艺，不是资历（it's a trade, not a qualification）——靠做才能变强，是肌肉，而肌肉靠 reps 长出来 4:37。但这条论据有个必然的反面：你越是把工程师和设计师从同一件事上抽离，他们那块肌肉就越萎缩 4:37。所以他的理想状态是：如果工程和设计有足够的上下文、跟用户足够贴近，他们本可以做出和 PM 一样的决策；PM 应当被用在需要格外做好的特定问题上做杠杆，而不是默认铺满 4:375:24。

PM 泛滥是怎么发生的？他归因到「pod 配比」这个 HR 化的产物——每招 6 个工程师就加一个设计师、一个 PM、一个 EM，「核」就成立了；等你在服务十亿 DAU 的产品，工程师很多，于是突然之间 PM 也很多 6:10。他给了一个具体反例：通知基础设施大概不需要 PM，工程师完全理解它怎么运作 6:55。而后果是那句被 Lenny 拿去做开场的话：招这么多 PM 会让工程师和设计师幼儿化——他们本来完全有能力做好决策，只是从来不必做，因为总有个 PM 在旁边当保姆 6:55。

他也主动处理了最明显的反驳：工程师和设计师其实不想干 PM 的活，因为 PM 的活很多既烦又不好玩 8:28。Tom 的回答是专业化是双向的——一个基础设施负责人完全可以说「我想琢磨 scale，我不想花时间辩论对齐和抠细节」，而且技能不一定迁移：擅长在脑子里搭大型基础设施心智模型的人，未必擅长听客户说话并识别出真正的问题（而不是他嘴上说的那个）9:14。所以「我们后悔」不是不要 PM，而是逼自己记住：你不是为了招 PM 而招 PM，你是为一个非常具体的需求招他 9:14。

关键在于组织设计要配得上这句话。Whatnot 的做法是：所有关于如何发布的文档都明确写清，任何人都可以推动变更，新产品的 DRI 可以是工程师或设计师，但所有人都要走同一套流程——你得过 product review，你得真的做那份工作，因为那是真活 10:00。以及一个结构性选择：PM 映射到问题或核心项目，而不是映射到团队，因此完全可能出现某个工程团队一年多没有配 PM，即使它有大量持续的产品工作 10:0010:46。Tom 认为这对 PM 本人也更好——四处移动会练到更多肌群，比「我挂在某个 EM 名下」更能长 reps 14:36。

Lenny 在这里点出一个重要的语境：这类「我们不需要 PM」的说法通常来自开发者工具公司（他举了 Linear），但 Tom 做的是极度 consumer 的产品——所以从他嘴里说出来分量完全不同 10:46。Tom 的回应是：他不认为 consumer 还是 enterprise 是分界线，分界线是组织自身的文化 12:18。

二、AI 不是原因，但让一切成为可能——以及 top-down 的复活

Lenny 直接问：这个转变多大程度是 AI 驱动的？Tom 的回答很克制：「我不认为这是显式因为 AI，但我确实认为 AI 让它容易多了」12:18。

他给了两层。第一层是 IC 杠杆的爆炸性增长。他描述了一种新的心理压力：跟几位资深负责人聊天时，大家都觉得现在能做的事太多，以至于「你会为你没在做的那些事感到压力，因为你知道只要再挤出几个小时，就能推动一大堆东西」13:04。具体例子是数据：「你现在在一个 hex thread 上拉数，基本相当于 2017 年一个 Amazon L7 数据科学家一到两周的工作量」13:04。

第二层更反直觉：他认为「pod 配比」那一波同时还带来了一整套文化推力——招最好的人然后别管他们、自下而上的路线图等等——而现在的文化摆钟在往回走：「其实 top-down 挺好的」，因为高层通常能快速决策、砍掉大量对齐辩论，而且掌握更多宏观上下文 13:49。但他给的条件很硬：前提是他们真的接触 ground truth 且足够好。满足这个前提的话，一个非常资深的 PM 覆盖更多事情，会比三个相对初级的 PM 更高效 13:49。

Whatnot 的规划机制体现了这一点：每半年 CEO、Tom 和几位资深负责人坐下来，定义「未来六个月什么必须成真」——包括结果和关键项目——然后逐条问「谁是 DRI、谁对这件事负责」16:06。他描述了刚在录制当天早上结束的一次规划：走到最后常会发现某件事在好几个团队路线图里都排第二第三，看上去很重要，但没有主人——于是抓一个 PM 过来，「恭喜你，这是接下来六个月你要交付的东西」16:0616:52。任务的粒度不是「做一个这样运作的功能」，而是更高层的「去搞清楚什么必须成真」；分配时也会看技能匹配——偏财务的、偏算法和推荐的、还是偏核心用户功能 16:52。

组织规模值得记一下：Whatnot 刚过 20 个 PM，大约 21-22 人，考虑到卖家流转的 GMV 体量，Tom 认为这很小 15:21。松散分为 buyer、seller、trust & risk（标准、支付、安全）三组，但组内也频繁重新分配 15:21。

三、招聘：什么在跌，什么在涨，以及 case study 的照妖镜

Lenny 引用了那句数据：过去两年 31,832 人申请 Whatnot 的 PM 岗，招了 1 个 17:39。

Tom 先说什么在跌，答案毫不含糊：面试里花大量时间谈 alignment 会议、driving alignment、stakeholder management 的人。他把这类人的画像说得很直白——「确实有一群 PM，我职业生涯早期也是其中一个，他们的专长既不是技术也不是客户，而是政治」17:39。他甚至举了一个具体的 anti-pattern 答案：「说说你失败的一次」→「我没及时向 CEO 同步某件事，导致了一次转向」18:26。

什么在涨？他要在面试或 case study 里同时看到宏观思考和微观思考：你能描述系统大概怎么运作、能刻画一个终局状态，但你也要能几乎「散发出急迫感」地说出「我会怎么快速验证这件事、我会从哪里推进」18:26。还有一条筛子是具体性：很多来自 FAANG、Uber 这类规模公司的人，其实是在「看护」已经存在的东西、把边角打磨光滑，而不是「我们被给了这个问题，我必须想出某个独特新颖的东西，或者必须真的迭代穿过一次复杂变更，而且路上是我在做决策」19:13。他的解释是：在有惯性的大组织里，随波逐流很容易，而不成为变化的推动者、不成为决策者——而那恰恰是 PM 最终必须做的事 19:13。

Lenny 提到刚请过 Netflix CPO Elizabeth Stone，她给出的最上升特质也是系统思维，她的方法是「从你的问题往回退一格，想想你的经理怎么看这个问题、它如何影响业务其余部分」19:58。Tom 给了自己的版本，是纯粹的心智练习：在 product review 里，有人说想跑个实验，他常问——如果绿了你怎么办？如果红了你怎么办？ 如果对方说「其实我不知道我的策略会怎么变」，那就是没想过，停下来先做这个练习 19:58。同理，「如果用量比预期多一千倍会怎样」「有哪些意料之外的连带效应」，全都在动笔和写代码之前在脑子里跑完 20:45。

这套练习还有一个反直觉的收益：它让人更快而不是更慢。他说 PM 常被「哦风险、法务可能、财务可能、别的团队可能」拖住，而 Whatnot 内部的口号是 know then go——把所有可能出错的地方、规模会在哪里崩、可能发生什么，全想穿，然后照样上；因为你已经把 scale 下的问题想过一遍，你其实会预防掉一大批 20:4521:31。他还提醒了目标函数：在高增长环境里你不是在找 5% 的统计显著胜利，你在找能整体推动业务、且随时间有复利向量的东西 21:31。

面试之外还有一道硬关：Whatnot 任何岗位的录用者都要做真实的动手 case study——给一个 prompt 和一些数据，让候选人回来交一份 PRD，然后当面口头辩护。Tom 说这道关最能说明问题：「表现极好、然后你给他题目，那些擅长表演但不擅长具体的人，思考崩解得有多快，非常说明问题」49:08。

四、VP 回到 IC：为什么把 A 级选手升职升出一线是个错误

这是 Tom 最兴奋的一块。他先描述旧世界的病理：在配比时代，一个 PM 做得好的奖赏是升成 director，然后突然「别再动手了，你的目标是教练和引导」——于是我们把所有 A 级选手都升职升出了做事的位置 22:17。他们把时间花在对齐和微调团队的产出上，结果是 yo-yo 式的开发过程：有人做完一堆活、过评审、被否、来回拉锯。他自己插了句「你能看到我的疤痕组织在往外冒」22:17。

Whatnot 的现状是：团队里有四五个人在管 PM，所有这些人九成以上的时间在做 IC 工作；Tom 本人大约 50% 23:03。他给出三层理由。

第一层是决策速度与质量：如果你是有十到十五年建造经验的产品 VP，你对什么能成什么不能成的直觉应该已经打磨得不错，你可以比别人更快做决定、更快产生真实影响；这比「把问题切给两个 PM，那些人要对齐，不同工程团队还要辩论」好太多 23:0323:48。

第二层是覆盖面带来的正确性——他称之为「你在任何时点能看到更多棋盘」。举例：怎么在 discovery 算法里处理发货慢的卖家，是电商里的常青问题；如果同一个人既懂发货慢的治理、又懂 discovery 的权力，他在任何一侧都能做出正确决定 23:48。他给了自己在 Twitch 的亲身反例：discovery 团队和广告团队常年为曝光位打仗——广告放在 feed 哪里？对 discovery 指标什么影响？对广告收入什么影响？他到 Twitch 做的第一件事之一就是把广告放进 discovery，并让同一个 PM 同时对两者负责——因为那个人会自然做出权衡，目标就是 feed 产生的 GMV，一部分来自自然流量、一部分来自付费替代，「解决了」。把同一个人放在多摊事上，他们会有机化地把这些事对齐，你砍掉了几个月的来回和那种「把公司第一变成职业第一」的政治 24:3425:20。

第三层是薪酬结构，他自己称之为 spicy take：去算一下「五个 L5 汇报给一个 L7、四个 L7 汇报给一个 VP」这套结构所需的总薪酬，然后转过身问——如果我只要三个人呢？为什么不能付给他们每个人 D2/VP 级别的钱，尤其当他们真的产生那个量级的影响 28:27。这段的背景是 Lenny 现场翻出的一份名单：Workday 的 CTO、Instagram 的 CTO、Box 的 CTO、super.com 的 CTO，现在都只是 Anthropic 的 member of technical staff 28:27。Tom 的回应是：「这是我最大的愿望——Whatnot 的产品班底基本长成那个样子」28:27。他的招聘话术也很清楚：他专门去找那些「天啊我以前热爱做产品，我实在受够了坐在对齐会里」的 CPO 和产品 VP，问他们「你不怀念真的做事吗？想回来吗？」26:53

那么 PM 的 IC 工作具体指什么？Tom 说「凡是最有效地把东西发出去所需要的一切」26:07。他承认自己在 Whatnot 提交过生产代码，但不认为那是他时间的最佳用途——「我确信有人在悄悄重写我大部分代码，好让 linting 正确、本地化能工作，以及几十年软件工程教会你的那些、我和 Claude Code 没搞对的东西」26:07。真正的清单是：你是不是真的在看客服工单？你知不知道我们的客户在遇到什么问题？数据是不是你自己拉的、所以你真的理解它？你有没有和工程、设计坐在一起？有没有直接查询代码库来理解它怎么运作？然后你有没有写规格？你有没有一周后主持 stand-up？26:07

对「PM 该不该写生产代码」，Tom 和 Lenny 达成了一个相当具体的共识。Tom 说：「听起来很傻，但走完 git commit 和那些对工程师是第二天性的细枝末节，花的时间实实在在比我搞清问题是什么、把它描述出来要长得多」34:33。他仍然主张亲手试一次——比如他不想靠别人告诉他开发工具是否变简单了，他要自己去试一遍确认「对，比上次容易了」34:33。但结论是：理解代码库然后跟一个能真正执行的人对话，能走得非常远，否则你只会踩进每个工程师在 L4 阶段就学会避开的一千个经典陷阱 34:3335:20。

五、verify then trust：让「在细节里」变得可行

Lenny 问他不认同「招最好的人然后别管他们」，Tom 的回答是「需要一点细分，但这句话是错的」49:08。

他的诊断是这句箴言被扩大成了「让他们自己想路线图、自己想问题、彻底下放」；而真实答案是：我们更倾向于住在 verify then trust 的国度，而不是 totally trust 甚至 trust but verify 49:54。理由是分工的不对称：他比任何一个直接下属更懂 buyer / seller / trust 各块怎么拼在一起，而他们几乎肯定比他更懂任何单个功能的细节。他举例说，如果今天有人考他 Whatnot discovery 模型里所有权重的具体值，他一定答错——「很好」——但他有责任随时间学会并理解这些，因为他在要求别人做决策、并在批准他们做的事 50:39。

他给的行为样板来自创始人兼 CEO Grant：Grant 会在评审里说「我觉得这不对」，然后停下来说「我把今天剩下的时间清空，我们坐下来搞清楚」——真的和团队一起把工单调出来、把代码调出来、把数据一行行过一遍，然后才做决定 50:3951:25。Tom 认为这带来两个效果：一是他本人对现状极其了解，二是文化上定了调——我们只是在求真，从而让评审不再是「PM 只想拿到绿灯，好回去跟工程师说我有背书」的对立局面，而变成大家都想找到正确答案 51:2552:10。

那种追问是什么样子？他给了一个成为内部经典的例子：增长会上有人说「哦那个是欺诈」。→ 你怎么知道那是欺诈？→ 数据集里标着 fraud。→ 你知道它是怎么被标上的吗？→ 我猜是运营的某个人。→ 你知道他们的 SOP 或者标注规则吗？→ 不知道。→ 那你并不知道那是欺诈 29:59。而一个真正有经验的产品总监会说「有道理，我去查」；查完往往顺手强化了 agent 用来打标的整套系统，因为突然有一个很聪明、很在意这件事的人在理解并引导它 29:5930:45。

由此推出的文化立场是：少做几件事、把它们执行到极致、把最好的人推到细节里——Tom 引 Ron Swanson 的说法叫「whole ass few things」30:4531:30。他补充了一个反面警告：「增长太容易掩盖一切罪过」，你变大了、everybody 都在用平均值工作 30:45。

对「micromanagement」这个脏词，他给了一个精准的划界：top-down 在领导层足够好、能下到细节并且具体正确时运作良好；它崩掉的地方是你并不真的知道 ground truth，却试图从上面管人——那才是 micromanagement 这个词的来源 56:03。他还给了个很有说服力的观察：如果你和对方基于同一份数据，「我不认识哪个初级工程师或入门设计师会不乐意跟 CPO 或 CEO 坐在一起把东西发出去，因为你直接被解锁了——没有对齐会，没有别的事要做」56:03。而这一切之所以现在可行，是因为「从来没有比现在更好的时机去试着待在细节里，因为你可以实时查询它」56:03。

产能从哪来？他的答案是分工加聚焦：Grant 通常同时钉三四件最重要的事，作为 CEO 他会「叫牌」说这四件我现在自己负责，Tom 就说「好，那我去那边」56:50。而在这些事之内，「我这半年剩下的时间里，还有什么比钉死我们说过要完成的这五件事更重要？如果是别的什么——也许除了招聘和固定会议——你就可以清掉，并给团队定下调子：在我们真正理解它之前，别的什么都做不了」56:50。

六、AI 真正解锁的三件事（原型之外）

Lenny 特意排除了「做原型」这个显而易见的答案，问其余的解锁。Tom 给了三个，按他自己的排序。

第一名远远领先：数据科学。 Whatnot 内部用 Hex Threads。他说现在几乎难以回忆没有这类工具的 PM 时代——你可以真正拉出非常细的 cohort，可以抓住某个收到反馈的具体用户、把日志拉出来、搞清他到底做了什么看到了什么，然后问有多少用户长这样、影响会是多少；接着极快地建出敏感性模型、预测、回归 35:2036:05。他给了一个很有冲击力的自我统计：过去一年他跟数据科学家说话的时间是职业生涯里最少的，但他花在数据、花在理解产品实际如何运作上的时间，大概是职业生涯里的十倍 36:51。

第二名：停止拿「代码库怎么运作」去烦工程师，直接跟 Claude 聊。 他说自己早年的说法是要在「方框和连线」层面理解你的系统——哪个系统驱动哪件事；而现在没有理由不理解那一层，甚至更细的一层 36:51。具体到工作流：他不再需要问工程师某件事有多难，而是可以跟 Claude 谈出大致的 LOE；或者说「感觉有一堆模型在新用户打开 App 时撞在一起了」，然后直接「把 feed 加载出来，跟我讲讲谁在什么顺序看到什么、这个东西什么时候触发」，很快拿到答案 31:3032:16。他的结算是：一个 kickoff 会、一个对齐会、一周写 PRD、实验时间，全都省掉了——只因为有个人被授权去做决定 32:16。

第三名（他承认可能是 Whatnot 特有的）：实时反馈闭环。 他做直播类产品十年，一直能坐着看用户第一次用某个东西、穿过新用户理解落差 37:38。而 AI 工具带来的新东西是：当用户在描述「我遇到了问题」时，你可以同时实时看着代码库，判断这到底是一个此刻正在发生的 bug，还是一个「它不按预期工作」的理解落差；于是你手上同时有用户使用的视频证据、代码侧的实时分析、和观察者视角——「像打了激素的反馈回路」37:3838:23。

他讲了一个具体到令人印象深刻的现场故事作为这种响应速度的注脚：入职第二周，他看着一个卖家说「这些拍卖太慢了，我希望这个 7 秒计时器其实是 3 秒，因为我想多卖货」（直播拍卖有 sudden death 和「最后 5 秒有人出价就加回 10 秒」等不同模式，卖家可自选）；办公室里两个工程师对视一眼说「那是个 config，我们完全能做」，当场改完，跳进那个直播间的聊天里说「刷新一下 App」——然后砰，就那样运作了。Tom 的反应是「太酷了，我找到了我的人」39:0839:55。他也补了一句免责：他自己不会那样碰生产代码，那是灾难性的主意，但对有资质的人来说这很美妙 39:55。

关于数据科学家的处境，Lenny 转述了一个朋友的抱怨：现在的时间变成了看非数据科学家做的半成品分析，「你看看这对不对」，而且一半是错的 40:41。Tom 说他很有共情，但给了两个建设性视角：一是这又是「更少但更资深的 PM 更有帮助」的一个论据，因为 reps 更多的人更懂；二是更根本的原因是组织长期在数据工程、数据结构和数据打标上投入不足，所以他们最好的数据科学家正在往这个方向推——确认追踪与归因是否真的被正确更新，让人更难误解 41:2842:14。他的原则很干脆：「用 AI 工具找一条数据，和用 AI 工具写代码一样，不免除你确保那是好分析、好代码的责任」42:14。

那么哪些角色在涨？Tom 先纠正了一个推论谬误：「更少」是相对同等产出而言，不必然意味着宏观上更少——如果你把这些系统用对，你可以增长更快、做更多东西、承担更多事，所以他反而会惊讶于最终净减少 42:59。明显上升的是一种他一时想不起标准叫法的角色：类似 tech lead 的混合型 EM，带一个很小的团队直接冲某件事。逻辑是「尝试的成本降下来了」，所以孵化很多小团队去角落里试一个历史上被认为太难的东西，正在变得便宜且高杠杆——他称之为「engineering manager light」43:4544:32。

对未来产品团队的形态，他的预测是「大概仍然主要长得像过去」：专业设计师、专业工程师、专业产品管理都有存在理由；这类很具体的团队会主要留给那些我们高度确信必须解决、或高度确信有路径的项目。变化在边缘：会有大得多的自由空间，让熟悉客户问题、熟悉代码库、理解一部分宏观上下文的人被授权做更多事——「如果你周五下午盯着 PRD 写不下去，但你挺确定你能去修好某个东西，那就去」45:1846:04。

七、PM 技能反而更值钱，但过去五年被奖励的不是它

Lenny 拿出自己两年半前的文章《为什么 PM 是 AI 时代最有优势的角色》，列了一串技能：识别该建什么、提炼和传达需求、按 ROI 排优先级、给设计反馈、制定 GTM、理解业务战略 46:0446:50。

Tom 完全同意，但加了一个很关键的修正：这些核心 PM 技能并不是过去五年我们真正奖励 PM 的东西；被奖励的是 storytelling、alignment、strategy 46:50。他把真正的能力定义得很紧：我能不能真正理解客户、真正理解业务、真正理解技术，并且把三者翻译到一起以获得最优效率——在「做事变便宜、试错变便宜」的时代，这才是杠杆点 47:36。而问题是「有很多人挂着 PM 的头衔，过去五年没花多少时间练这些技能，却练得非常擅长向领导层沟通框架」47:36。

Lenny 接上 Marty Cagan 的说法：product theater 48:23。Tom 的态度很坦率：「我也有罪。我们奖励它太久了，所以 product theater 成为很多人的核心技能组合，这不奇怪。我只是觉得现在已经没多少地方可以藏了」48:23。

对正在找工作、被迫接受回到 IC 和放弃头衔的人，他的建议不是先去学写代码：先在你现在的岗位上开始做 IC 工作。回到基本功，确保你在承担实际的活；而且他打赌，如果你把这种生产力水平带回现在的角色，它对你在原地的处境也有帮助，而不只是帮你跳槽 33:01。至于「PM 现在都是工程师」的网络热议，他认为练这块肌肉挺好，但在建东西之前更重要的是：你多快能回到那块肌肉——界定正确的东西、理解问题、能定义什么叫好 33:0133:47。他还顺手批评了自己所在层级的教练方式：大多数做过总监以上的人都知道那种痛苦——看着一个初级 PM 拿着同一份 PRD 在评审里来回 yo-yo，而你其实知道答案。「不知何时我们决定了『把马牵到水边』，而不是帮他理解答案然后继续往前」33:47。

八、和产品型创始人共事，以及怎么向上推动

Whatnot 有两位产品型创始人（Grant 和 Logan），Tom 说这在他职业生涯里是常态——他连续为三位产品型创始人工作过 53:44。

他的第一条规则是不重叠：如果 Grant 或 Logan 在某件事上，大概就不需要他了——「多一层的优势是什么？」团队里有 PM 把这个问题叫做 two dads problem：两个人给出冲突指令，或者一个人要评审，你做一堆活呈现给我，回去又得到不一样的说法 53:44。所以他的做法是确认创始人在看、在负责，然后自己退出；会有很长时间里，他团队的一半人在做的事他说不出日常进度，「因为那在 Grant 那儿、在 Logan 那儿，这完全没问题」——只要确保有人在做 bar raising 54:29。

第二条是身份认知：如果你在创始人主导的公司做产品负责人，你必须理解这不是你的公司，是他们的；然后找到「你对这件事开放反馈吗？你想法定了吗？可以推一下吗？」的节奏 54:29。他把 CPO/CEO 关系失败的典型模式说得很清楚：CPO 开始和 CEO 竞争愿景，最后僵在那里——那不是你的工作 59:10。他自己的定位是「把那份愿景和直觉翻译成现实」，以及在创始人没覆盖的地方补位 58:2355:16。

Lenny 问有没有向上推动的诀窍，Tom 第一句是「别把它当诀窍」——你不是要拿到一个 yes，你是在求真 59:10。他的具体流程是分层的：

1. 先做上下文对齐：从好奇出发，问「我理解对了吗，这是你的先验吗？有没有某个我不知道的背景在支撑这个先验？」他也这样教自己的 PM 反向对他用 59:56。

2. 然后问对方是否已定：「你在这件事上想法定了吗，还是开放输入？」如果答案是「我挺确定就是这个答案」——闭嘴，不要为了吵而吵 59:5660:43。

3. 如果开放，就看有没有数据：如果只是我的意见、房间里没有数据，辩论的条款就很清楚；如果你有新数据，拿出来；如果你真的相信某事但没数据，先质问自己为什么，或者去把数据拿到再回来 60:43。

4. 如果谁都没数据，那就是两个意见，CEO 的意见会赢——「这没问题。把自我放在门口，去拿到答案；但如果你有数据，带上它」60:43。

他还提醒要检查辩论动机：行业里确实有 nomenclature 真的重要、用哪个词很关键的时候，但大多数时候并不重要 61:30。

九、拉手风琴：在宏观与微观之间往复的心智模型

Tom 说他不太喜欢框架，但有一个心智模型很有用，Whatnot 内部的人会互相说「去拉手风琴」61:30。

它针对的是两种对称的失败模式。一种是代码的魔力带来的：你能很快发布、迭代、拿数据，于是只是一直往前迭代、往墙上扔意面，其实不知道自己在往哪个方向去 61:30。另一种是有人坐下来写出未来两三年的长路线图和战略愿景文档，丢掉了我们相对其他行业最大的比较优势——学习：AB 测试意味着你可以更新对问题的理解，从而边走边改方向 62:16。

比喻本身很干净：钢琴手风琴在按出一个音之前，你得先把它完全拉开、把气吸进来——这就是「我们到底想达成什么」；但你不出声，直到你按下键、把它一路压回去——那就是 V1。然后要弹下一段进程，你又得完全拉开一次：「基于刚学到的，我们现在做什么？」然后再建下一个东西 62:1663:02。他强调了一个容易被忽略的判断：拉开本身不创造价值，所有价值都在压回去那一下产生；但如果你不是持续在做这个往复动作、不断重新评估理解如何改变你在做的事，你大概弹的不是对的曲子 63:02。

他给了一个正在发生的实例，很好地展示这个往复。大多数 marketplace 的核心是 listing——没有 listing 的 amazon.com 基本什么都不剩 64:34。但直播电商历史上并不需要 listing：我要卖你一副 AirPods，我可以直接举到镜头前、描述它、说「一美元起拍」，作为买家你已经拥有做购买决定所需的全部信息 64:34。而且这对卖家净是好事——做一个 listing 要 3.5 分钟，举起来说一句要 0 分钟 65:19。

于是第一次拉开：新买家会来到直播电商并期待搜索能用；如果在你卖出去之后我才知道你卖了什么，我根本没办法把想买 AirPods 的人送进正确的直播间 65:1966:05。压回去：那我们让所有人都做 listing。再拉开：如果每个卖家为每个 listing 花 3 分钟，他们每小时能卖的东西数量急剧下降——这对卖家是坏事，所以又不能这么做 66:05。他的结论是：你必须持续把「更长期的影响是什么、我们在建的东西有什么连带效应」抻开来看 66:05。

十、agentic commerce 的对照：为什么逛街不会消失

Lenny 指出一个有趣的反差：Whatnot 是人对人的直播交易，而行业热点是 agentic commerce——agent 之间互相买卖形成新经济 66:51。

Tom 的立场不是对抗性的。他说自己非常欢迎 agentic 接管两类需求：一是他根本不想操心的程序性消费——灯泡、滤芯这类维持生活运转的东西；二是高意图搜索——我需要电脑的某根特定线缆、我在找室外灯、我要去参加婚礼所以需要黑皮鞋且必须周四前到，「这些绝对可以」66:5167:37。

但他给出了一个很有力的数据反驳：美国电商 30 年从未超过零售支出的 20%——绝大多数零售购物仍然是人到店里买东西（英国大约是 75/25）67:37。原因是大量购物其实是低意图的：我去商场，可能因为有场婚礼而没衣服穿，我会逛一逛看看有什么，因为我并不确切知道自己想要什么 67:37。而实体店的价值恰恰在于：那个开鞋店的人有主观能动性和品味，她策展了一批鞋，她有客户服务，她有橱窗能展示她有哪类东西，我可以边逛边搞清自己想买什么、或者被她教育——「而这其实相当愉快。商场之所以是社交场所，是有原因的」68:22。

在这个框架下，直播电商的定位就清晰了：它第一次把互联网的规模与便利和实体购物的社交文化体验合到一起 68:22。他给了一个漂亮的经济学对比：在 Twitch，他们基本假设直播观众少于一千人就不经济，因为你在按 CPM 运作；但在 Whatnot，一个直播间里 30 到 50 人就成立——想象你在商场开鞋店，店里同时有 50 个人，你永远不会关门，因为那远超任何实体店能想象的客流；商务和娱乐的经济结构完全不同，CPM 不是你要担心的东西 69:08。美国零售是七万五千亿美元的行业，所以他不认为这是赢家通吃 68:22。

十一、Twitter 的两个教训

Tom 形容问一个 2015-16 年在 Twitter 的人这段经历，「有点像心理医生请你讲讲你的童年」69:54。他给了个量化的混乱指标：他在那的两年里，Twitter 换了九任产品负责人；合作团队有人形容那里「感觉像混乱住进了活动现场」70:39。

第一个教训是正面的：如果你真的找到了 PMF，如果你成功把闪电装进瓶子里，你把组织搞多烂都不重要。他说 Twitter 的 PMF 强到你能在情绪层面感受到人们多爱这个产品；而在职业生涯早期就学到「这才是 PMF，而不是『图表看起来还行』」，是个非常有力的试纸 70:3971:25。Lenny 补了一层：更根本的是网络效应——Elon 把品牌、名字、网站、人、团队几乎一切都换了，唯一没变的就是网络效应，「这里是必须在的地方，所以所有人都在」72:57。

第二个教训是负面的，也是全期最锋利的一句：大多数时候你听到「这件事真的很复杂」，其实并不是。只是领导层软弱。 71:25 证据是 140 字限制：他在的两年里所有人都知道这个限制必须放开，「beyond 140」项目到处都是工作组；他们甚至有明确证据——日本用户的发帖频率是西方市场用户的六倍，访谈得到的解释是汉字让你在同样字数里说多得多的内容 71:25。大家都知道那是必然的终局，当然也有一堆工作和权衡要做，但没人愿意拍板，于是又一轮设计冲刺、又一个周期。他离职一年半、接近两年之后才有人真的做了它。而结果是：「没人死掉。那个地方的灵魂没有崩塌」——他猜编辑推文的讨论也是同一个剧本，又拖了两年半 72:10。

十二、fail corner：平均值会骗你

Tom 先把姿态放平：他觉得自己职业生涯里失败比成功更频繁，而他在那篇引发本期讨论的博客后面附了 Whatnot 内部真正用的文档，开头就写着「batting 500 是目标」——你希望自己对的次数和错的次数差不多 73:43。

具体例子太多，但他说有一条非常共通、也是任何 PM 都容易掉进的陷阱：averages mean nothing to the individual（平均值对个体毫无意义）。在任何有规模的用户群里，去看某个东西的平均效用或平均采用率非常诱人——你发现只有 3% 的人在用某功能，于是说「这个可以砍了，用得不广」73:43。但如果你不往下一层看，你就会漏掉：它可能只占整体的 3%，但对某一群人来说是他们所做事情的 100%，这是他们的核心用途；为了省事、因为没人想再维护这个功能，你把它废弃掉，就炸掉了那群人的用法 74:28。

他把这件事放回电商语境，语气明显更重：这是某个人的生意。 如果我们不可靠、或者废弃了某个功能，那有点像 Westfield 商场在圣诞节前夕不加思考地把电断了 74:28。「所以确实存在真实的下游影响，落在人们的生意上，而它们往往只是源于对指标——尤其是平均值——缺乏细分的理解。平均值一直在对你撒谎」75:13。Lenny 接了 Bezos 的那句话作为对应：当你同时有数据和轶事时，相信轶事 75:13。

Tom 的收尾也很符合全期调性：他明确说不认为产品管理只有一种做法，也不认为 AI 只会以一种方式塑造这个行业——「更少但更资深的 PM、给他们大得多的自主权」对 Whatnot 这个产品和这家公司的文化是对的，但他不假装这对整个行业成立 75:59。唯一他认为普适的判断是：从来没有比现在更好的时机，回到产品工作的根本、走出那个剧场。最后他自己加了个免责声明：「假设我说的至少有一半是错的，理由和我这辈子发过的东西大概有一半不对是一样的」76:45。

金句

招这么多 PM 会让工程师和设计师幼儿化——他们本来完全有能力做好决策，只是从来不必做，因为总有个 PM 在当保姆。 —— Tom Verrilli 6:55

支持产品管理成为专业职能的唯一论据，其实是它是一门手艺，不是一种资历。 —— Tom Verrilli 4:37

我们把所有 A 级选手都升职升出了做事的位置。为什么你不希望 Messi 上场，而要一直靠青训队？ —— Tom Verrilli 22:17

大多数时候你听到「这件事真的很复杂」，其实并不是。只是领导层软弱。 —— Tom Verrilli 71:25

拉开手风琴本身不创造价值，所有价值都在你把它压回去的时候产生。 —— Tom Verrilli 63:02

平均值对个体毫无意义。它们一直在对你撒谎。 —— Tom Verrilli 73:4375:13

过去一年我跟数据科学家说话的时间是职业生涯里最少的，但我花在数据上的时间大概是职业生涯里的十倍。 —— Tom Verrilli 36:51

提到的书·产品·人物

• Tom Verrilli（人物）：本期嘉宾，Whatnot CPO，前 Twitch CPO（七年）、前 Twitter 增长产品总监；X 账号 @tdrobbo。
• Whatnot（公司·产品）：直播电商平台，被称为美国历史上增长最快的 marketplace；约 21-22 个 PM，分 buyer / seller / trust & risk 三组，正在重点招支付与物流方向的 PM。
• Grant 与 Logan（人物）：Whatnot 的两位创始人，产品型 CEO 的行为样板（「我把今天剩下的时间清空」）。
• Hex Threads（产品）：Whatnot 内部使用的 AI 数据分析工具，被 Tom 列为 AI 解锁生产力的第一名。
• Claude / Claude Code（产品）：Tom 用来估工作量、直接询问代码库逻辑、以及亲手提交过生产代码的工具。
• Elizabeth Stone（人物）：Netflix CPO，近期同节目嘉宾；她的系统思维建议是「从问题往回退一格」，以及 storming / norming 阶段的说法。
• Marty Cagan 的 product theater（概念）：用来命名「做 PM 该做之事的表演」。
• Emmett Shear（人物）：Twitch 前 CEO，曾要求大家读《The Purpose Driven Church》。
• 《The Hard Thing About Hard Things》（书）：Tom 认为仍是写产品管理最好的书。
• 《The Purpose Driven Church》/ Rick Warren（书）：90 年代写的建教会指南，讲人为何在情感上投入某件事、以及如何设计这种投入；社区类产品必读。
• 《Babel》/ R.F. Kuang（书）：他的晚间小说读物推荐。
• Star City（Apple TV）（剧）：如果喜欢《For All Mankind》，这部是苏联侧的翻面版。
• Service NSW（产品）：澳洲新南威尔士州政府服务 App，Tom 最近发现的最惊喜产品——一处点击完成驾照续期、产权过户等生活杂务。
• e-fish-co（卖家）：圣地亚哥码头的海鲜卖家，每早直播卸货并现场拍卖；Tom 从这里买到隔夜送达的加州多刺龙虾。
• Anthropic 的 MTS 名单（现象）：Workday、Instagram、Box、super.com 的 CTO 如今都是 Anthropic 的 member of technical staff。
• Rudyard Kipling 的《If》（诗）：他大学时代的派对绝技；但他现在更认「我会搞清楚的（I'll figure it out）」这句人生格言。

适合谁听

正在重新思考产品团队该怎么搭的产品负责人与创始人，以及所有在「PM 岗位是否还值钱」这个问题上焦虑的产品人。