重看 Anthropic Claude Code 产品负责人 Cat Wu 的采访，结合实际工作的思考。当所有人都能做出东西，知道该做什么、做成什么样——才是真正的瓶颈。

一、旧方法不是错了，是前提没了

文档先行不是蠢制度。当开发一个功能要三个月，试错成本巨大——前置规划每一分钟都在省钱。

但 Cat Wu 说得干脆：

"一下午就能做出原型的时候，试错成本低于讨论它的成本。那你直接试。"

不是讨论没用了，是讨论的位置挪了——从动手之前，挪到了动手之后。

以前瓶颈是实现，优化的是动手前的清晰度。现在瓶颈是品味，优化的是尽快拿到对实物的反馈。

当然，这有适用边界。AI 产品交互层薄、核心在模型侧，改坏了回滚就行。电商产品改坏了可能资损、客诉、事故。但趋势是确定的——技术在拉低试错成本，过去用流程磨死人的事，正在被快速验证替代。

二、不停的"对齐"在蚕食创造价值的时间

Cat Wu 团队取消了传统站会，改成所有人带原型开会——对着实物反应，决策基于真实体验，不基于描述。

"你展示不出来，就等于你没有它。话题会往前走，不等你。"

现实中常见的例子：一个需求从提出到落地 5 个月，需求评审做了 3 周。不是需求复杂到需要想 3 周，而是排不上会、关键人请假、对方有不同意见需要再开一轮。

更讽刺的是连锁反应——前面磨了太久，上线日期是死的，砍功能、压缩测试。保住了日期，但交付物不可用。再不断 Patch，挤占后面排期。

KPI 奖励了"按时交付一个不可用的东西"，惩罚了"晚一周交付一个能用的东西"。

如果第一周就有个能演示的原型呢？大部分对齐问题直接消失——不用脑补了，对着实物说"这里不对"就行。

原型把对齐的介质从语言换成了实物，把发散的讨论变成了收敛的反馈。

三、Taste 为什么突然成了最贵的东西

"代码越来越便宜写，真正变贵的是决定写什么。"

"执行成本趋近于零的时候，狠得下心做取舍，就是团队里最值钱的技能。"

Taste 不是审美，是在模糊地带的命中率。

最接近的比喻是打球时的"手感"——做了足够多的判断、积累了足够多的反馈，面对新选择时不需要分析就能感觉到对不对。

Taste 最贵的地方：大家盯着同样的需求列表，有 Taste 的人看到的不是"十个问题"，而是"一个问题的十种表现"。解哪一个能同时让其他几个消失——这就是结构化的判断力。

为什么 AI 时代它结构性地变贵？

因为取舍不能外包。AI 不承担后果——不知道组织政治、不知道哪个客户有多重要、不知道出事谁背锅。它能帮你列 Trade-off，但在信息不完整时押注并负责——做不了。

而且 AI 越强效应越明显。以前资源约束帮你砍掉了 80% 的选择，现在约束消失了，可选项爆炸了，你必须自己选。

铺路越便宜，选路越值钱。

四、角色在融合——决策权跟着认知走

"PM 在写代码，工程师在做产品判断，设计师也在提交代码。"

本质逻辑：以前做东西贵所以要分工，但分工有交接成本。现在做东西便宜了，交接成本反而成了大头。一个有品味的人端到端做完，比三个人接力更快、走样更少。

过去产品经理是什么？是路由器。信息汇总到你，所以你"自然"成为决策者——不是能力赋予了位置，是位置赋予了权力。

AI 在打破这个结构。当运营自己能出原型、开发自己能跟用户对话——信息不再必须经过某个人，"枢纽"位置不再自动存在。

未来不是"谁是产品经理谁做决策"，而是谁最懂业务、最接近用户谁就做决策。决策权跟着认知走，不跟着岗位走。

产品经理不是消失了，是这个"能力"散布到了更多人身上。真正好的产品经理反而更值钱——因为不是靠岗位垄断信息，而是真的有 Taste。

五、95% 的自动化不是自动化

"最后那 5% 才真正耗时间，但只有走完，你才能闭眼信任它。"

一个流程 20 步，AI 搞定 19 个，但有 1 个你不确信——你还是得全程盯着。表面自动化了 95%，注意力负担依然是 100%。

为什么很多人用 AI 写代码反而更累？从"执行者"变成了"质检员"。执行可以进入心流，质检要求时刻警惕。

一个更生活化的例子——自己开车远比坐在副驾看另一半开车要轻松。

真正的自动化只有两种状态：完全信任放手跑，或者老老实实人盯着。中间态都是幻觉。

从哪里开始？边缘的、可公式化的、能及时反馈的、犯错成本低的。先用边缘的成功案例，换取核心业务的试错许可。

六、新能力来了，先删东西

"我们特别喜欢删代码。产品是体验，不是代码库。"

产品里很多功能本质上是给旧能力缺陷打的补丁——引导语、分步确认、人工审核、各种护栏。新能力来了，旧补丁从"必要的辅助"变成"多余的累赘"。不主动删，产品越来越臃肿。

这不只是 AI 产品的问题。任何系统的复杂度都在自然增长——加规则有 KPI 有 AB 测试有闭环，删规则谁提？谁证明"删了不出事"？

结果是规则只增不减，堆到最后没人能解释系统为什么是这样。

Steve Jobs 说 less is more，这从来不只是审美偏好，是决策勇气。

知道该加什么是能力，知道该删什么是品味。

七、不亲手做过，就没有发言权

"管 AI Agent 跟管人一样——你自己没做过，就没法管好。"

没管过投放的人制定投放策略，会定出执行不了的目标。没亲手让一个 Agent 跑通过生产，你会高估它的自主性、低估它的脆弱性。

我们唯一能做的是快速迭代。一年 Ship 50 次和一年 Ship 3 次，命中概率不同。AI 加快了节奏，也在加速 Taste 的形成。

还有一条：

"我们不看竞品，只看前沿。"

追竞品是线性的，追能力曲线才是指数的。知道把注意力放在哪里——这也是品味。

八、和 AI 协作的前提：你自己得懂

Cat Wu 说 AI 做错了别急着改 Prompt，先问它为什么这样做——大部分时候不是它错了，是你的表达有歧义。

但必须理解 LLM 的结构性局限：

幻觉是架构问题，不会因模型变大消失

——编数据和说真话对 LLM 是同一个操作

AI 天生擅长"像"，不擅长"是"

——自洽不等于正确

解释自身行为不可靠

——它的"解释"也是一次新的生成，不是回溯日志

AI 是放大器，不是替代品。

如果你对业务没有认知，AI 说什么你都只能信。你评判的不是它的"思路"——那个根本不存在——而是它的"材料"：引用了什么、前提是什么、论据能不能验证。支撑得住就用，支撑不住就扔。

一句话总结

代码越来越便宜，品味越来越贵。铺路越便宜，选路越值钱。

在 AI 让执行成本趋零的时代，知道该做什么、敢决定不做什么——这才是真正的稀缺能力。