不知道你有没有发现：AI模型的进步，已经快到让很多行业从业者“跟不上节奏”。尤其是产品经理，过去一套“调研-写PRD-定路线图-推进开发”的工作方法，在指数级迭代的AI面前，正在逐渐失效。

最近，Anthropic（Claude母公司）旗下Claude Code产品负责人Cat Wu，公开了自己的亲身实践——从工程师、风投转型PM，在AI模型飞速进化的16个月里，她和团队彻底重构了产品管理工作流，甚至做到“不用手写一行代码，就能快速落地产品功能”。

这篇文章，我们把她的实战经验拆解开，不管你是PM、互联网从业者，还是想了解AI如何改变工作的人，都能get到核心收获，看懂AI原生时代的产品管理新逻辑。

0 先看一个震撼案例：AI模型16个月，能力提升41倍

要理解为什么传统PM工作法会失效，先看Cat Wu做的一个持续测试，看完你就懂了：

2024年10月，新版Claude Sonnet 3.5发布，她养成了一个习惯——每次有新模型，就用内部工具Claude Code，让它给Excalidraw（一款绘图工具）加一个表格功能。

一开始，每次都失败；2025年6月Opus 4发布，偶尔能成功，他们甚至把这个演示录成了发布会素材；不到一年后，Opus 4.6已经能“一次性稳定完成”，敢在数千名专业开发者面前现场演示。

更直观的数据来自METR评测：16个月里，Claude前沿模型能完成的人类级软件任务时长，从21分钟飙升到12小时，能力提升了约41倍！

这就是AI指数级进步的真相——它打破了传统PM的核心假设：项目开始时的技术能力，和结束时可能天差地别。

过去你按计划推进项目，就像在平地上盖房子；现在，你脚下的地面一直在“抬升”（模型持续升级），你依赖的技术约束，可能中途就消失了。

所以，AI时代的PM，再也不能靠“长期规划”取胜，而是要学会“跟着AI的节奏，快速试错、快速落地”。

1 从工程师到PM：她靠3个工具，实现“零手写代码”工作

Cat Wu的经历，本身就是AI改变工作方式的最好例子。她出身产品工程师，后来做风投，哪怕是风投岗位，也会写代码自动化处理繁琐工作；2024年加入Anthropic做PM后，Claude Code的上线，彻底改变了她的工作模式。

她没有再像传统PM那样，靠工程师落地想法，而是靠3个工具的分工协作，自己就能完成原型、评测、文档等大部分工作，全程“零手写代码”：

• Claude.ai：思维伙伴——不用它执行具体操作，主要用来聊思路、碰战略、解难题，比如“这个功能的用户痛点到底是什么”“怎么处理这个棘手的产品决策”，相当于一个随时在线的“智囊团”。

• Claude Code：编码工具——核心生产力工具，用来搭原型、写评测脚本、调用API，不管是简单的应用还是复杂的程序，只要给出提示，就能快速生成代码，省去了找工程师对接的时间。

• Cowork：办公管家——处理所有非编码工作，比如清空收件箱、管理待办、做PPT、回溯决策记录、订差旅，相当于把所有琐碎事务都自动化，让她能专注于核心的产品思考。

这种工作模式，不仅提高了她的效率，更打破了“PM只能提想法、不能落地”的局限。她坦言，很多项目耗时数百小时，但她没有亲手写过一行代码——所有工作，都靠和AI工具的协作完成。

而这，也是AI时代所有从业者的一个重要启示：学会用AI工具放大自己的能力，比单纯掌握某一项技能更重要。

2 核心干货：AI时代PM的4大工作转变（附实战技巧）

Claude Code团队能跟上AI的迭代速度，核心是他们放弃了传统的工作模式，拥抱了4个关键转变。这些方法，不管你是PM，还是想提升工作效率的人，都能直接借鉴。

转变1：用“短冲刺+支线任务”，替代长期路线图

传统PM的做法：先调研、写PRD，再定一个几个月的长期路线图，然后按部就班推进。AI时代的做法：放弃长期路线图，鼓励所有人做“支线任务”。

所谓“支线任务”，就是利用一个下午的时间，自主做一个小实验：原型化一个想法、测试一个原本觉得“做不到”的功能，甚至只是把AI模型推到极限，看看它能做到什么程度——不用走评审流程，不用写复杂文档，怎么快怎么来。

重点：Anthropic很多热门功能，比如桌面端Claude Code、待办清单，都是这么“试”出来的。

启示：不用追求“完美规划”，快速试错、快速验证，才能跟上AI的节奏。

转变2：优先“演示+评测”，放弃“文档优先”

很多PM的痛点：写了几十页的PRD，工程师还是get不到需求；开了无数次站会，进度依然缓慢。Claude团队的解法：用“可运行原型+量化评测”，替代繁琐文档。

他们不再开传统站会，而是直接分享新想法的demo；内部用户试用后，有真实反馈的原型再打磨，试错成本极低。

这里有一个超实用的小技巧：写完需求规范后，直接发给Claude Code，让它生成原型。哪怕原型很粗糙，也能彻底改变沟通逻辑——工程师不用再猜需求，直接看着原型就能理解。

除此之外，“评测”也很重要。比如开发多AI协同功能时，他们会设计一套评测体系，明确“这个功能什么时候好用、什么时候失效”，用数据说话，让迭代更有方向。

转变3：新模型发布，就重新审视已上线功能

这是最容易被忽略，但最关键的一点：每一次AI模型升级，都是产品升级的信号。Cat Wu的建议：做产品的人，一定要成为自己产品的“高频用户”，每次新模型发布，都刻意让它做一些你觉得“可能做不到”的事。一旦它成功了，就说明你的产品需要跟上——把新的AI能力，快速融入到产品中。

比如Claude Code与Chrome的集成功能，就是这么来的：他们发现用户会手动在两个工具间复制粘贴指令，虽然麻烦但能用，于是就把这个“野路子”变成了内置功能。

提醒：原型阶段，优先保证“功能能实现”，别过早纠结于成本（比如Token消耗）。后续更便宜的模型出来后，再优化成本也不迟——先验证“能不能做”，再考虑“怎么做更省”。

转变4：坚持“做简单的事”，拒绝无用的复杂

Anthropic有一个全员遵循的原则：做简单且有效的事。为什么？因为如果你的产品，靠复杂的技巧绕开了当前AI模型的局限，那么下一代模型发布后，这些技巧就会变成“无用的技术债”，反而拖累产品迭代。

比如他们早期做待办清单时，模型无法自动勾选已完成任务，于是加了系统提醒——这是一个临时解决方案；等到新模型原生支持这个功能后，他们直接删掉了提醒模块，让产品更简洁。

启示：AI时代，产品设计不用追求“巧思”，简单、高效、能适配未来模型升级，才是最好的选择。

3 最后：AI时代，PM的新角色的是什么？

看完这些实践，你可能会问：AI能做原型、能写代码、能处理琐事，那PM还有什么用？

Cat Wu给出了答案：AI时代的PM，不再是“控制全流程的管理者”，而是“在模糊中创造清晰的引领者”。具体来说，你的核心工作是3件事：

• 在AI快速迭代的混沌中，明确团队的方向和核心目标；

• 推动团队大胆想象，突破对“技术可能性”的认知；

• 扫清障碍，让好的想法能快速落地、快速验证。

更重要的是，你要同时跟踪两件事：AI如何改变你的工作方式，以及AI如何拓展你产品的能力边界。就像Cat Wu说的：当你做好这一点，你就不会再为“AI突然实现了某个功能”而惊讶——因为你，早已预见了这一切。

其实不只是PM，AI的指数级进步，正在重构每一个行业的工作逻辑。学会拥抱变化，学会用AI工具放大自己的能力，才能在这个快速迭代的时代，站稳脚跟。

如果你是PM，不妨试试文中的方法，用短冲刺替代长期规划，用原型替代文档；如果你是其他从业者，也可以从“用AI工具处理琐事”开始，把时间留给更有价值的思考。毕竟，AI不是来替代我们的，而是来帮我们变得更高效、更有创造力的。