每个人都能做软件以后,好软件为什么还是难?【播客精选:Notion 产品总监 Max Schoening】

“The quality of software has not increased that much in the last 12 months. The amount of software has.”

过去 12 个月，软件的质量没有增加太多。但软件的数量增加了。

这是 Notion 产品总监 Max Schoening 在 Lenny’s Podcast 里讲的一句话。

它很短，但几乎概括了最近所有 AI 编程讨论里最容易被忽略的一面：我们现在确实可以做出更多东西。原型更快了，demo 更快了，非工程人员也开始能用 Claude Code、Codex 这类工具写出能跑的东西。

但“更多软件”不是“更好软件”。

这期访谈最有意思的地方，不是 Max 又讲了一遍 AI 会怎样改变产品经理、设计师和工程师，而是他反复在提醒一件事：AI 降低了开始的成本，却没有取消质量、品味、专业判断和长期维护。

一、他不是想让非工程师绕过工程团队

Max 在 Notion 内部鼓励 PM 和设计师使用 Claude Code、Codex 这类工具。听起来很像“让非工程人员也去写代码”。

但他的重点不是让他们直接把代码部署到生产环境。

他的原话更准确：

“It forces you to really interrogate the material that you’re designing with.”

写代码会迫使你真正审视自己正在设计的材料。

这句话里的关键词是 material。软件不是一张设计稿，不是一份 PRD，也不是一个口头想法。它有状态、有依赖、有失败模式、有权限、有延迟、有测试、有维护成本。

以前很多产品和设计工作可以停在“描述一个想法”。AI 编程工具出现以后，更多人可以直接进入软件这种材料本身。不是因为他们要取代工程师，而是因为一旦你进入材料，你对产品的理解会变具体。

Max 后面还有一句更锋利：

“Become a master of the material, not a cog in the delivery mechanism.”

成为材料的主人，而不是交付机制里的一个齿轮。

这句话把 AI 编程和普通“提需求”区分开了。AI 让更多人有机会靠近实现本身，理解软件到底能怎样被塑造，而不只是更轻松地把想法转手出去。

这点和 Karpathy 最近讲的 agent 化的工程实践有一条共同底线：人可以把执行交给 agent，但不能把理解交出去。

二、主动性比技能更稀缺

Lenny 问 Max，AI 时代什么样的人会脱颖而出。

Max 的回答不是“会 prompt 的人”，也不是“会写代码的人”，而是主动性。

以前一个人不去做某件事，很容易说：我没有这个技能。不会写代码，不会设计，不懂工程，不会部署。

但当模型开始把一部分技能放到每个人手边，这个借口会变弱。你能不能行动，反而变成更清楚的差异。

Max 举了 Notion 内部的例子。有人原本写策略文档，后来开始学 Figma，再后来直接做出原型，因为他意识到，如果自己想成为早期团队也会需要的人，就不能只停在产品经理原来的岗位边界里。

Max 用一个很有画面感的说法形容这种状态：drive Notion like it’s stolen。像开一辆偷来的车一样开 Notion。

意思不是鲁莽，而是不要把自己缩进职位描述里。不是“我的角色允许我做什么”，而是“这个系统需要什么，我能不能去改变它”。

这也是为什么他会引用那句 Steve Jobs 很有名的话：某一天你会醒过来，发现这个世界是由不比你聪明的人做出来的。

一旦你真的相信这一点，世界就会变得更可改。

AI 在这件事上的作用其实有限：它只是把一些原本挡在前面的技能门槛降低了。门槛降下来以后，谁愿意真的去做，反而更明显。

三、最怕失去的不是岗位边界，而是专业判断

当 PM、设计师、工程师都开始写代码，岗位边界会变模糊。Lenny 问 Max，这里面会失去什么。

Max 的答案不是“会失去清晰的职业路径”，而是会失去专家。

他用了一个硬件类比。两个人做一个硬件初创公司，早期可以用 3D 打印做外壳和原型。那东西也许看起来能用，但你一眼就知道它不是可以量产、可以卖给一亿人的产品。

真正的工程在后面：材料、工厂、良率、精度、可靠性。

软件也是一样。

现在很多讨论都在问：我们能花多少 token，能上线多少功能。但 Max 反问：工程部分在哪里？

软件真正难的地方，不只是把第一个版本做出来。服务规模上去以后，边界情况会让你崩溃；几年迭代下来，能不能还有人读懂这段代码、改得动这个系统，是真正的考验。这些不是 AI 帮你做了的部分。

设计侧也一样。任何人现在都可以拿一个现成设计系统，很快拼出一个可用 UI。但设计感、技艺、品味这些东西并不会自动出现。

这和 Matt Pocock 最近讲软件基础能力的观点几乎是同一个方向：AI 会让代码生成变快，但不会自动让模块更深、接口更清晰、测试更可靠。

AI 让更多人跨过了“能不能做”的门槛，但专业判断没有因此消失。它只是从写第一行代码，转移到了判断什么东西足够好、足够稳、足够值得长期存在。

四、软件会更可塑，但不等于每个人都维护一套自己的工具

Max 这期反复提到一个概念：malleable software，可塑的软件。

简单说，就是软件不应该只反映制造它的公司的默认工作流，也应该让使用者拥有更多塑形能力。

这听起来像“每个人都可以做自己的小工具”。但 Max 其实不太赞成这个极端版本。他说自己喜欢和别人一起工作，喜欢协作工具。真正有价值的可塑软件，不是每个人各自有一个孤立小工具，而是在一个共同平台上拥有更多掌控感。

也就是说，软件应该更贴近使用者，但不能牺牲协作、安全、权限、实时同步这些现代软件能力。

这个点很重要。因为 AI 出来以后，很多人会说：我可以周末自己重建一个 Notion，自己写一个 Slack，自己做一个 CRM。

Max 自己也承认，他试过在周末重建 Notion，去推自己对某些软件的不满。但他不认为大多数人真的想长期维护完整软件栈。

这就引到他对 SaaS 的判断。SaaS，也就是软件即服务，用户付费买的不只是功能，而是持续托管、维护、更新和安全。

Max 不认为它会简单消失。因为用户为“as a service”付费，买的不只是功能，而是长期维护。

他引用 Brett Taylor 的一句话：

“Software is like a garden. You need to tend to it.”

软件像一座花园，你需要照料它。

这句话解释了为什么“我能生成一个类似工具”不等于“我真的替代了一个 SaaS”。软件不是生成一次就结束。它要修 bug、管权限、处理安全、承接用户反馈、兼容旧数据、维护协作关系。

AI 会让很多软件的第一版变便宜。但从第一版到长期服务，是另一件事。

五、项目开头变免费，最后一段仍然最贵

Max 有一个判断很直接：现在每个项目的前 10% 几乎免费。后来他又说，即使慷慨地说前 90% 都变便宜，最后 10% 仍然最难。

这句话听起来像段子，但非常准确。

AI 最擅长降低“开始”的阻力。一个落地页，一个 demo，一个内部工具，一个 prototype，以前要花几天，现在可能几个小时就出来了。

最后那段，是把 demo 变成真正可用的产品。处理权限、边界情况、错误恢复、用户迁移、性能、客服、稳定性。决定哪些功能留下，哪些删掉。把一堆探索分支收敛成一个清楚的核心。

这个问题在 Notion 自己身上也存在。Max 说 Notion 内部有好几个自动化功能，用户会吐槽：为什么自动化入口这么多？为什么一个系统里长出了这么多相似能力？

他的回答很诚实：因为不同分支先长出来是有价值的，但最后一定要有人坐下来，把它们合并回一个清楚、简单、能长期存在的核心。

这件事不酷，也不快。它甚至会让下一次发布变慢。

但这恰恰是好软件和一堆功能的区别。

前 10% 便宜以后，很多团队会被诱惑去开更多分支、堆更多功能、展示更多速度。真正难的是后面那一步：把多出来的东西重新压回一个简单系统。

六、AI 改变最深的，仍然是工程

Lenny 问 Max，下一个被 AI 改变的职能是什么。营销？增长？销售？设计？

Max 的回答有点反直觉：目前看，AI 真正彻底改变的是工程。

不是说其他领域不会被影响。而是编程这件事太特殊了。代码可以运行，可以测试，可以验证。模型在这种领域里更容易获得明确反馈，也更容易快速进步。

所以很多“AI 改变其他行业”的案例，底层其实是把编程思路带进了那个领域。比如 HR 团队自动化自己的流程，以前要找工程团队写代码，现在可以自己借助 agent 把流程编码进去。

这和 Karpathy 讲可验证性是同一条线。模型在可验证的任务上进步更快。代码天然有测试、类型检查、运行结果和错误信息，所以成了 AI 能力最先爆发的地方。

但这也意味着，软件会更快地进入其他领域。

Max 说，这更像是 software is eating the world 继续加速，而不是 AI 平均地改变所有岗位。

这也能解释为什么 Anthropic 的 Mythos、OpenAI 的 GPT-5.5-Cyber 这种内部顶尖模型会让人敏感。它们不对普通开发者开放，但如果最强模型首先改变的是编程，而编程又会进入所有行业，那么”实验室内部能力”和”公众可用能力”之间的差距，就不只是模型排行榜问题。

它会变成谁有能力塑造更多软件、更多流程、更多组织系统的问题。

这也对应到现在 AI agent 讨论里的一个微妙变化：公共叙事正在越来越集中到少数几家公司身上。很多时候大家谈 agentic coding、Claude Code、Codex、软件自动化，几乎默认是在谈 Anthropic 和 OpenAI 两套生态。Google Gemini 并不是没有能力，但在这类开发者和产品组织的讨论里，存在感已经明显退到后一层。

这不是简单的品牌热度问题。如果最强模型不公开，最有影响力的 agent 工具又主要围绕少数实验室展开，那么真正被放大的，是”谁能使用最强材料”和”谁能定义新软件工作流”之间的差距。

Max 在访谈里也说，他不喜欢中心化。如果前沿实验室和开放权重模型的差距扩大，少数实验室就会更大程度决定世界长什么样。

这不是抽象担心。因为软件正在吃掉世界，而 AI 正在吃掉软件。

七、品味不是审美，而是预测能力

这期里还有一段谈品味，很值得单独拎出来。

Lenny 问：AI 会生成越来越多东西，那人类是不是只剩品味？

Max 没有把品味讲成一种玄学。他给了一个很工程化的定义：

“You’re able to run a virtual machine in your head.”

你脑子里能跑一个虚拟机。

什么意思？给你一个想法，你能预测某个特定人群会不会喜欢它。你越能模拟这个圈内用户的反应，你的品味就越准。

这和“我觉得好看”不是一回事。它更像一种长期训练出来的预测能力：做东西，拿反馈，更新判断。做很多次以后，你脑子里会有一个越来越准的用户模拟器。

所以 Max 说，有品味的软件设计师往往有两个特点。第一，他们会做个人项目，因为完整负责一个东西，才能吃到真实反馈。第二，他们总是在试新 app，接触别人的想法。

这点和“AI 生成越多，人越需要判断”直接相关。AI 可以给你十个版本、二十个分支、五十个 demo。问题是你知不知道哪个值得留。

如果没有品味，更多选择只是更多噪音。

八、伟大产品都有一个小核心

Max 最后讲产品时，有一个很朴素但很重要的观点：伟大产品通常都有一个小核心。

不是功能多，而是有一个小核心极其好用。

他举了几个例子。iPhone 的 multi-touch，GitHub 的 pull request，Notion 的 blocks 和 slash commands，Figma 的实时协作和设计界面的结合，Heroku 的 git push heroku master。

这些东西不是一个功能清单。它们是一个产品为什么成立的核心。

Max 说，很多团队会进入一个死循环：只要再加一个功能，这个产品就好了。再加一个，再加一个，再加一个。

但如果核心不对，加功能只是在拖延。

他自己的失败也证明了这一点。2014 年，他做过一个和 Notion 相近的产品，团队花大量时间打磨编辑体验，比如 markdown folding 这些高级能力。讽刺的是，Notion 早期编辑器其实很粗糙，甚至不能很好地跨 block 选择文本。

但 Notion 抓住了更重要的核心。Max 后来的反思是：他们当年是在勤奋地做错东西。

这句话很适合放到 AI 时代。

AI 会让“再加一个功能”变得更容易。以前加功能要付出工程成本，现在一个 prompt 就能生成一版。于是产品更容易进入功能堆积死循环：不是因为团队不努力，而是因为努力太便宜了。

真正的产品品味，可能不是知道加什么，而是知道那个小核心是什么，以及哪些东西不该围着它越堆越厚。

九、这些观点其实指向同一件事

Max 这期访谈覆盖了很多不同的点：非工程师走进代码材料，主动性比技能更稀缺，专业技艺转移而非消失，SaaS 不会被周末项目取代，品味是一种可以训练的预测能力，伟大产品有一个小核心。

放在一起看，它们指向同一件事。

Karpathy、Matt Pocock、Anthropic 的 Cat Wu，几期访谈的方向都在一条线上：AI 让实现变便宜，但专业判断没跟着变便宜。Max 从产品层补了这张图：即使每个人都能做软件，真正稀缺的仍然是品味、专业技艺，以及愿意真正负责一件事的人。

AI 降低的是开始的成本。写第一版变便宜了，做 demo 变快了，非工程人员也能把想法变成可以跑的东西。

但一个东西能不能长期存在、经得起反馈，能不能在规模和复杂度上去之后仍然清晰，仍然是人的问题。

AI 降低了开始的成本，但没有降低好东西的标准。

来源

1. 1. Max Schoening & Lenny Rachitsky, “Why cultivating agency matters more than cultivating skills in the AI era,” Lenny’s Podcast, 2026-05-02. https://www.youtube.com/watch?v=mCO-D3pkviM
2. 2. Cat Wu & Lenny Rachitsky, “How Anthropic’s product team moves faster than anyone else,” Lenny’s Podcast, 2026-04-23. https://www.youtube.com/watch?v=PplmzlgE0kg
3. 3. Andrej Karpathy, “From Vibe Coding to Agentic Engineering,” Sequoia AI Ascent, 2026.
4. 4. Matt Pocock, “Software Fundamentals Matter More Than Ever,” 2026.

本文基于 Max Schoening 访谈完整 transcript 与逐点笔记整理。直接引语来自访谈原文，中文段落为意译和整理。