从 6 个月到 1 天，Anthropic 改了 PM 这份工作

产品经理这个职业，正在经历一场根本性的转变。

Anthropic 的 Claude Code 和 Cowork 产品负责人 Cat Wu 在最近的播客采访中透露：2026 年前三个月，Claude Code 推出了超过 45 个新功能。这种极致的迭代速度，让传统 PM 的工作方式彻底失效了。

当功能可以做到一天上线，PM 的价值就不再是“把需求文档写清楚”，而是“判断什么才值得做”。

速度改变的不只是开发周期，更是这份职业本身。

第一节：从6个月到1天，怎么做到的

在传统软件工程中，一个功能的落地周期往往按月计算。因为它必须走完一条完整流水线：需求梳理、方案设计、跨团队沟通、排期开发、上线发布。这套流程的每一步都在降低风险，但也同时拉长了战线。慢，不只是受限于技术，更是源于先想清楚再动手的行业惯性。

但Anthropic从三个维度彻底改变了这条流水线。

首先，重新定义发布的节点。

他们将大量新功能以研究预览形式推出，不再追求完美首发。发布不再是产品生命周期的终点，变成了获取真实用户反馈的起点。原本试图在内部测试阶段解决的问题，被转移到了上线后的真实场景中去修正。

其次，降低上线门槛。

在访谈中，Cat反复强调的一点是极简的发布门槛。只要核心体验跑得通，就立刻交付到用户手中。过去为了产品的一致性与完整性而设置的层层关卡被主动撤下。质量的评判权，从内部会议桌转移到了用户使用中。

最后，从交付产品到演进产品。

过去，功能在PRD阶段就被定义清楚，上线即交付。而现在，很多功能在上线时只提供一个大致方向。产品真正的形态，是在用户的持续使用、反馈与修改中逐渐成型的。

这三个维度的改变叠加，让开发周期从6个月折叠进1天显得顺理成章。背后的逻辑很清晰：与其在会议室里耗费数月预判用户需求，不如让用户尽早入局，用真实的使用数据决定下一步。

但极致的速度必然带来代价。

Cat坦言，团队正在牺牲产品一致性。由于需要并行测试海量想法，应用内常常会出现功能重叠，导致新用户在完成特定任务时，找不到一条清晰的最佳路径。有用户甚至吐槽，必须每天盯着 X 才能跟上Claude Code的更新节奏，仿佛被赶上了一台不断加速的跑步机。

高频迭代带来的认知负荷，迫使Anthropic推出了/powerup这样的引导功能。在传统产品经理的信条里，好产品无需说明书。但在AI功能大爆炸的当下，用户教育成本已经成为了新的瓶颈。

Anthropic之所以愿意承受这些代价，源于生成式AI赛道的特殊性：底层模型的跃迁速度太快，今天精心打磨的交互，极有可能因为下个月新模型的能力升级而变得多余。

与其花几个月做一份可能落空的完美计划，不如快速推出一个能用的版本，让用户的实际使用决定什么功能该留下。

这个转变，从根本上改变了产品经理的工作节奏。

第二节｜PM的三件新工作

当开发周期从几个月压缩到一周甚至一天时，传统的项目管理与对齐机制开始失效。

如果还要层层开会、等待所有人完全达成共识，市场的窗口期早就关闭了。

在极速迭代的环境下，PM的工作重心被推到了三个新位置上：

第一，锚定清晰的目标。

大语言模型的通用性极强，这反而容易让产品方向陷入无限发散。因此，优秀的PM必须能清晰定义：谁是我们的核心用户？试图解决的根本痛点是什么？什么是核心用例？通过清晰的战略聚焦，替团队砍掉伪需求，指明方向。

第二，搭建无摩擦的发布机制。

摒弃每次上线都需要全员开会的做法。Anthropic内部有一套流畅的持续交付通道，工程师敲完代码即可直接发版，文档、营销和DevRel团队会在次日跟进。PM的价值在于构建这套自动运转的机制。

第三，划定授权边界。

团队需要一套明确的规则：什么时候必须拉齐跨部门资源？什么时候工程师可以自行决定？框架一旦确立，工程师就能根据用户的真实反馈，在周末直接修改并发布功能。如果PM还把自己当成分配任务、跟进进度的角色，就会成为拖慢节奏的阻力。

然而，流程与框架的重塑仅仅是表层。

面对GitHub上数以万计的Issue和功能请求，PM真正稀缺的能力是“产品品味”，也就是判断能力。品味需要极强的同理心与产品嗅觉，去判断在繁杂的声音中，究竟哪个需求值得被构建，以及该以何种形态被构建。

Anthropic几乎所有的PM都曾是工程师，甚至至今仍在提交代码。因为写过代码的人，对实现一个功能的真实成本与难度有着精确的判断，这是做产品决策时不可或缺的直觉。

更深层的变化在于：职能边界正在消失。

在Anthropic的团队里，全栈不仅是指技术，更是指职能。PM在写代码，工程师在做产品，设计师既懂产品交互又懂前端逻辑。许多工程师完全具备单兵作战的能力，他们可以在X 上捕捉到用户反馈后，趁着周末顺手敲出代码并完成发版，全程几乎不需要PM介入。

这才是AI时代最高效的交付方式。当工程师和PM的能力模型开始高度重合，岗位的抬头就已经不再重要。

第三节｜判断成了唯一护城河

既然“产品品味”这项核心能力如此关键，它到底包含哪些内容？又该如何在日常中练习？

Anthropic 团队每天会接收海量用户反馈，从新增需求到体验问题都有。如果按照传统的敏捷排期全部接收，团队极易陷入功能膨胀。无论研发资源多充沛，都无法满足所有需求，必须做出取舍。

“产品品味”，正是此时发挥决定性作用的能力。

在生成式 AI 时代做产品，这种判断变得更为复杂。表面上看，为前沿大模型设计应用极其简单：只需提供一个对话框，剩下的交由底层的聪明模型去搞定。但真正的难点在于，面对当前模型的特定能力边界，你该如何激发出它的最大潜能。优秀的PM需要指引用户进入最佳体验路径，用精巧的产品设计放大模型的长板，并巧妙掩盖其固有的短板。

这种判断力可以拆解为几个层次：能否在大量声音中找到真实痛点；能否精准定义一个功能的合理边界，避免不断叠加复杂度；以及能否在多种技术方案里，挑出最轻量且高效的那一个。

Cat 在访谈中给出了练习这种能力的三个实用方法。

第一，时间花在与模型的高频对话上。

当AI给出了预期之外的动作，例如修改了前端代码却没有调用UI验证工具，直接追问它背后的逻辑往往能有收获。模型有时会坦白是系统提示词存在歧义，或者把验证任务外包给子代理却被遗漏。对AI的决策过程保持探索，能帮你准确定位干扰项，进而优化外围测试框架并弥补体验缺陷。

第二，组建一支由5位高信任度成员组成的反馈核心小组。

尽管外界会涌入无数建议，但并非所有声音都具备同等的参考价值。锁定一个高认知、懂业务的核心小组，是获取高质量评价的关键。Cat提到，Claude Code团队经常在内部午餐会上收集对新模型的直观感受，这些第一手体验会指引他们去调取对应的数据，进而在更大范围内验证用户的行为模式。

第三，重视评估基准的构建。

团队完全没必要一口气构建数百个测试用例才能让系统运转。哪怕只写10个高质量的评估，也足以帮助团队清晰量化当前的业务目标、迭代进度以及能力盲区。Cat认为，构建评估是目前业内被严重低估的环节，更多产品经理和工程师应当将其作为日常工作的一部分。

当写代码这项执行动作不再稀缺，精准判断什么才值得做，就成了这个行业最稀缺的能力。

第四节｜什么样的PM能活下来

前面讲的变化很容易让人产生一种错觉：Anthropic团队之所以能实现这种极致的迭代速度，仅仅是因为底层模型更强、工程团队更顶尖。

然而，技术红利并不能解释一切。这种速度，更多源于一套被刻意塑造的组织文化与工作流。而这种新范式，对PM的个人特质提出了全新要求。

首先，必须拥抱并驾驭混乱。

Cat的团队里汇聚了一批极度适应混乱的人。在这里，每周都会冒出新的P0级核心项目，而今天看似紧急的任务，到了明天可能就会变成完全不被关注的项目。如果从业者对每一项变动都高度敏感，很快就会被耗尽精力。

他们真正在寻找的，是那种面对棘手挑战时会感到兴奋的人；是那种即便局势混乱，只要确认自己已拼尽全力，晚上依然能安然入睡的人。Anthropic更倾向于招募经历过行业周期的人，这些人经历过高峰与低谷，能够精准把控自己的能量消耗节奏，并在漫长的工作中保持精神韧性。

其次，保持低自我，用行动代替内耗。

Cat的人生哲学很简单：把事做了。一旦理清了当前的客观约束条件，就立刻寻找突破点，用最快的速度将想法落地。遇到试错就从复盘中学习经验，做错了就立刻认错并着手修复。这种务实的文化下放了决策权，让团队成员敢于自行决定，完全免于被PM或其他利益相关方限制的担忧。

最重要的是，局部利益服从核心使命。

当遇到优先级冲突时，团队唯一的衡量标准只有一条：哪个选项对Anthropic的公司使命更关键。在这里，团队成员愿意牺牲自己部门的OKR，去成全整个公司的战略大局。Cat的表达很直白：哪怕Claude Code这个产品最终失败，只要Anthropic取得了商业成功，我也依然会为此高兴。

这种共识，恰恰是决策提速的关键。它直接减少了跨部门协调和冗长的审批流程，因为所有人的对齐标准都是透明且唯一的。

即便流程如此精简，人类的价值依然不可替代。

当前的大语言模型很难理清复杂的组织架构：它不知道所有的利益相关者是谁，弄不懂部门间复杂的利益关系，更无法判断应该在什么场合、用什么话术去沟通，才能让所有人达成共识并保持一致。这种涉及战略协同、人际协调与情商的能力，在技术快速发展的当下反而显得格外稀缺。

拥抱混乱、低自我、服从使命，再加上人类独有的常识和情商。这四种特质，决定了什么样的PM能在AI时代活下来。

结语｜这才刚开始

从6个月到1天，改的不是速度，是做事方式。

当实现变得容易，决定做什么就比如何去做更重要。执行的门槛在降低，判断的要求在提高。

这个变化不会只停留在Anthropic。越来越多人会面对同样的问题：什么值得投入精力，什么可以交给工具。

留给每个人的不再是能不能把事情做好，而是能不能更早做对事情。

参考资料：

https://www.youtube.com/watch?v=PplmzlgE0kg&t=1s

来源：官方媒体/网络新闻

本文来自微信公众号“AI 深度研究员”，作者：AI深度研究员，编辑：深思，36氪经授权发布。