AI 的第三个时代：持久的 AI 同事正在崛起 | Tara Seshan（ChatGPT Work 产品负责人）
AI’s third era: the rise of persistent AI coworkers | Tara Seshan (Product Lead ChatGPT Work)
Guests: Tara Seshan
Full transcript · Read the full conversation in order, with its original context.
Contents1 chapter
§01文字记录 1§01文字记录 1
如果把 AI 产品的第一个时代看作聊天，第二个时代是这些产品与智能体一起工作，那么可能很快到来的第三个时代，就是：你如何与一个持久存在、能够和你一起把事情做成的同事协作？
有一个说法，讲的是 AI 的能力和我们实际拿它做的事情之间存在落差（overhang）。
所以很难理解未来会涌现出什么。如果你按模型现在的能力来构建，你会失败；如果你按你以为一年后模型会达到的能力来构建，你也会失败。这两种结果错得一样厉害。唯一的构建方式就是以两到三个月的窗口来构建。
在这个世界里做产品经理，你在工作方式上最需要适应和调整的是什么？
高产、注重实证，远比学术化或理论化重要得多。与其写一份冗长的推理文档，不如问：我怎么才能最快做出一个能拿去和用户一起试、一起测的东西？
感觉不仅是我们能够更有野心，而是我们几乎必须更有野心，而这对很多人来说并不自然。
提升他人的野心，或者提醒他们这里什么是可能的，是产品管理角色中非常大的一部分。
我很好奇，真正在 OpenAI 工作是什么样子，最让你意外的是什么？
我进这家公司时，以为这里藏着一大堆 OpenAI 的秘密战略，但实际上 OpenAI 是开放的。
今天我的嘉宾是 Tara Seshan。Tara 在 OpenAI 负责 Codex 和 ChatGPT Work 的产品。我相信这是当下增长最快、也可以说是对知识工作者最重要的 AI 产品。Tara 与 Andrew Ambrosino 一起工作，他是最近一期的播客嘉宾，也是她的工程经理。在 OpenAI 之前，Tara 在 Stripe 待了六年，是那里最早的五位产品经理之一。在其中很多年里，她被评为整个 Stripe 组织里排名前三的“条纹人”（stripes）之一。她还曾在 Watershed 领导产品，做过创始人，也是 Thiel Fellow。而最重要的是，Tara 是三位 Lenny's Newsletter Fellows 之一，那是我几年前办的一个项目，用来推介一些最出色的、正在崛起的产品领导者。看到 Tara 处在这样一个全新、极其重要且有影响力的角色上，我非常兴奋。(00:02:05)：在我们开始之前，别忘了看看 lennysproductpass.com，Lenny's Newsletter 订阅者可专享免费一年使用世界上最热门、最精美的 AI 产品。那么，有请 Tara Seshan。Tara，非常感谢你来到这里，欢迎来到播客。
谢谢你，Lenny。我很高兴能来，见到你真好。
我更高兴。你在 OpenAI 差不多待了一年，在大多数地方这算很短的时间，但在 AI 时间里，那简直是一辈子。
是的。
我想你加入 OpenAI 时，对在前沿实验室工作是什么样子是有预期的。我很好奇，真正在 OpenAI 工作最让你意外的是什么，最好是好的和坏的都说说。
在 OpenAI 工作的很多事情对我来说都很熟悉，因为我之前在别的高增长、高人才密度、高强度、超大规模扩张模式的地方工作过。所以像“我的同事太棒了”或者“紧迫感真的很高”这类事情，对我来说非常熟悉。(00:03:12)：对我来说真正最意外的部分是，我工作过的很多公司——实际上我过去工作过的所有公司——都是创始人主导的。而 OpenAI 其实是“创始人们”主导的（founders led），也就是说公司里的每个人，尤其是在自己的领域里，在本质上某种程度上都是创始人。相对于我以前工作过的地方，OpenAI 自上而下的指令程度极其有限。所以我想我刚到公司时，这既让我欣喜——因为我此前有过一段创业历程，我当时想，是的，我可以继续感觉自己是这个产品领域或这个团队的创始人。我和市场之间的距离非常非常薄。有时候在大公司里，你会感觉自己与用户想要的东西隔了一层，或者与市场的要求隔了一层。但在 OpenAI 完全不是这样，你在做一切必要的事去为你的产品找到产品市场契合，就像一个创始人会做的那样。(00:04:18)：但与此相对的是，或者也许更令人意外的一面是：我进公司时，以为这里有一大堆 OpenAI 的秘密战略等着我去理解，就像在以前的公司，你进去时会说，“哦对，这是支付圣经，这就是我们如何看待支付和运营的方式。”而实际上 OpenAI 是开放的。任何关于“世界应该是什么样子”“产品应该怎么构建”“模型应该怎么运作”的想法，都会非常非常快地变成公开产品的一部分，或者公开信息的一部分。所以对我来说，这既极其令人惊喜，也确实改变了我的工作模式。
也就是告诉我们，并不存在一个秘密房间，里面跑着 AGI，握着所有答案的总体计划。
至少我肯定不在那个房间里。但我觉得真正让我受启发的一点是，OpenAI 做的很多东西会立刻变成用户能在产品里摸到、感受到的东西，而这个循环比我见过的任何地方都快。
本期节目由我们这一季的呈现赞助商 WorkOS 带来。OpenAI、Anthropic、Cursor、Replit、Sierra、Clay 以及数百家其他成功公司有什么共同点？它们全都由 WorkOS 提供支持。如果你在为大型企业构建产品，你体会过集成单点登录、SCIM、RBAC、审计日志以及其他大公司要求的功能有多痛苦。WorkOS 把这些交易阻碍变成了开箱即用的 API，配有一个专为 B2B SaaS 打造的现代开发者平台。(00:06:04)：我投资的每一家开始向上游市场扩张的初创公司，最后都会和 WorkOS 合作，因为它们是最好的。无论你是想拿下第一个企业客户的种子轮初创公司，还是在全球扩张的独角兽，WorkOS 都是通向“企业级就绪”、解除增长阻碍的最快路径。它基本上就是企业级功能领域的 Stripe。访问 workos.com 开始使用，或者直接去他们的 Slack，那里有真正的工程师等着回答你的问题。WorkOS 让你用令人愉悦的 API、全面的文档和顺畅的开发者体验更快地构建。今天就到 workos.com 让你的应用企业级就绪。(00:06:43)：你在很多不同的地方做过产品经理，是很资深的产品负责人。在这个新世界里，你失去了什么？
当市场更静态、或者变化更慢时，你有机会做一些类似宏大战略的工作，因为它更可预测，或者至少你能理解所有拼图。举个例子，支付在一定程度上当然是个动态市场，但它也是个成熟市场，你可以说，“啊对，如果我走这一步，我的竞争对手可能会走那一步”，或者非常严谨地从第一性原理推演接下来所有可能的行动。事实上，那个市场的性质要求你必须这么做。赢家会比其他人思考得更严谨。如果你思考得不够严谨，那就会表现为粗心，因为你做的很多决定其实本可以被预见到。(00:07:33)：但在现在这个市场里，很难理解未来会涌现出什么。它非常涌现式、变化极快、极其动态，而最重要的是，与研究工作保持紧密联系非常非常重要。所以实际上，高产、更注重实证，比更学术或更理论化重要得多。我觉得我以前工作过的很多公司都是非常学术、非常理论化的地方。从“写一份长长的推理文档、几乎像一篇博士论文那样论述我认为接下来 N 段时间应该采取什么计划”，转到“我怎么能最快做出一个可以拿给用户试、拿给用户测的东西”，这是一个真正的转变。(00:08:23)：所以是的，从理论到实证的这个转变，一开始让我很不适应。我当时想，“哦，我是不是没有做应有的尽职调查？我是不是想得不够周全？我难道不该用极大的严谨性把这些都推演一遍吗？”但实际上你得去试，并且尽可能多地学习。这意味着你需要做的思考，是尽可能尖锐地聚焦在你的核心假设是什么，而那个假设的定义是最重要的事情。用 Shishir Mehrotra 的说法，什么是“特征问题”（eigenquestion），那个最值得测的具体的最重要的事情是什么？其他一切，你编造的任何其他宏大战略，都不相关。
我很想多听听这个，因为那真的很有意思——几乎像是这里揭示了产品经理角色中不会改变的那部分。太多东西在变，世界在变，但仍然有这一块甚至变得更重要了。再讲讲这一点，具体你觉得人们需要更聚焦在什么上。
是的，产品经理这个角色周围有太多外在的装饰：按时推动执行、写各种具体的文档和演示文稿等等。但它的核心一直在于：关于你的产品，你需要问的最本质的问题是什么？决定你的产品成或不成的那个东西是什么？你怎么测它？你如何看结果，又如何把它反馈进一个不断修正假设、再跑一遍的循环里？这确实一直是产品经理的工作，而它当然包括努力理解用户、理解市场、理解你实际在构建的技术，把这三样东西拉到一起，形成你能做到的最尖锐的假设，然后让测试尽可能快、尽可能有效。(00:10:06)：我认为这一点不仅没有改变，而且已经成为公司里最重要的一项能力。工程经理在这样思考，工程师在这样思考，数据科学家在这样思考，设计师在这样思考。每个人都把精力集中到这个极其重要的“问题定义与测试”循环上，也就是我们到底在做什么，以及我们怎么知道它是否有效。从产品经理的角度看这很棒，因为产品经理一直非常专注于把这件事做对。那一直是这份工作的核心。实际上，这份工作许多其他外在的装饰都消失了，而这一件事仍然是每次都必须做对的关键。
你提到“循环”这个概念。现在有很多讨论，循环几周前在 Twitter 上特别火，我也不知道具体多久。而且它似乎仍然是知识工作整体上的讨论话题。我理解的循环本质上是：AI，这是成功的样子，你去构建、去摸索，直到达成成功。你怎么看循环这个想法从软件工程扩展到产品管理、再扩展到所有知识工作？你觉得这会成为现实吗？
我确实认为，未来的工作会越来越像“掌舵”而不是“划桨”：会有智能体和你一起工作，替你完成大量划桨的活，而你的角色越来越是把握船的方向、把船指向正确的方向。而且顺着这个思路，我认为这种掌舵可能会变得越来越高层级、越来越高层次。以前掌舵的层级是“我写了这行代码，按下 Tab”，现在变成“哦等等，我在指挥一件稍微更综合的事”，也许会到目标层级，甚至更高。我认为掌舵会继续上升到更高的抽象层级。但归根到底，我仍然认为，找出我们把这东西指向哪个方向、并给出反馈和额外数据之后决定我接下来想把它带到哪里，这件事还是要靠人。(00:12:12)：我认为掌舵的一部分当然关乎数据告诉你什么，但很大一部分关乎做出有主见的判断。我觉得有时候我们低估了直觉的力量，甚至低估了我们对未来想要什么样的“正向决定论”。比如想象：“嘿，我希望产品长这个样子”，不是因为反过来不是同样可行的策略，而是因为我希望世界朝我推动的那个方向走。而这一点，我认为至少现在，始终是需要由人来给出的一个意见。(00:12:50)：所以我认为循环很棒。让智能体在越来越大、越来越大的循环里运行，让它们替你完成越来越多的划桨工作，这很好，但现在你确实仍然需要掌舵。而且我认为工作也会变成：你和别人一起，在一群智能体之上共同掌舵。把其他队友引入你和智能体之间的这个互动——它划桨、你掌舵——我觉得也非常有价值。
这个描述方式太有意思了。这里冒出两个想法。一个是，如果每个人都能用同样的工具，那么把你们区分开的就是人，基本上就是你这个人。否则我们都会造同样的东西。每个人都可以问，我们怎么赢？我们做什么？那么不公平的优势几乎就是人脑。
是的，我觉得这在某些方面很像时尚。当然有些功能性衣服谁都能穿、也能把事办成。但你穿什么——至少对我来说，我怎么想我穿什么——很大程度上关乎我想就我的个体性表达什么，或者我想如何向世界呈现自己。而让它变得有吸引力的一大部分，是它如何与他人的表达形成对照。我做的那件衬衫之所以能表达什么，只是因为它可能和别人做的不一样，或者和某一群人做的不一样，或者表达了我的群体归属之类的东西。我觉得我们构建的很多产品也有类似的“有主见”和艺术性。(00:14:23)：Patrick Collison 有一句非常好的话，也许是 John Collison，关于软件有一句非常好的话，说的是软件不像房地产。你不是投钱进去就能取出价值。它更像拍电影：你可以在一部电影上投很多钱，但这并不保证电影成功或好看。其中存在某种作者性的表达，存在某种主张和艺术性。而我认为这依赖于你有有意思的东西要说，或者你的团队对你的产品有有意思的东西要说。
Marty Cagan 很强调一个观点：当你对一个产品或一个未来有了想法，这个想法很少就是最后成型的东西。你要经历一整个过程，才能弄清楚它到底该是什么。感觉你说的也差不多是，你需要作为一个人走完那个过程，去理解它真正是什么、人们真正想要什么。它永远不会是“好，明白了，去把这个东西做出来。我一开始就懂了”。
是的，当然。当然。而且这些循环转得越来越快、越来越快。所以你形成这些直觉的能力、拿到形成这些直觉所需信息的能力，然后带着这些和人与智能体一起把它付诸行动的能力，就是关键。
我很好奇，你认为我们作为知识工作者整体的工作方式，下一个转变会是什么。感觉你不仅能用别人拿不到的最先进工具，而且还和最懂 AI 的人一起工作。你们内部的人是怎么工作的，你认为哪些做法会在接下来的——我也不知道，三到六个月里——变成我们大家用这些 AI 工具工作的更常态方式？
是的，我觉得这有两个方面。一个是继续在越来越高层次的抽象上与智能体合作。也就是让智能体更独立地为你做越来越多的事，你进来提供那种掌舵，然后让智能体继续“烹饪”。让智能体自己跑，并在更高层次的抽象上提供细节，感觉就是方向。人们越来越多地在想那种持久的智能体，感觉像队友、像同事，你可以和它们一起工作。就像我和我团队里某个人协作的方式：他们做一大堆工作，我提供输入，然后他们再做，我们以不同的节奏同步，看彼此进行中的工作，提供越来越多的反馈。感觉那种“同事”模式肯定是事情的方向。对我们来说，和智能体这样工作似乎是一种自然得多的界面，我们在内部也已经看到很多这样的情况。(00:16:58)：第二个是，到目前为止我和智能体的很多工作都是一对一的。我和我的智能体一起工作，也许它派生出一些子智能体去完成某些任务，但那是我和我的智能体在一起，而这有可能与我同事和他们的智能体在做的事是脱节的。所以有一段时间，内部每个人都在 Slack 上互相发自己的 Codex 线程、Codex 线程的截图。我们会说，“好吧，我想跟你分享我是怎么得出这个数字的。这是我怎么得出这个数字的。这是我做的事的截图。”但那也不太是人们协作的最自然方式。所以随着越来越多的工作由我们的智能体完成，我们难道不应该能够和我们的智能体一起完成工作吗？而让这件事发生的最自然界面是什么？这些就是我们正在思考的一些事情。
我脑子里想的就是聊天。这太说得通了。就像，好，这是 Tara 的智能体，这是我的智能体。她在某个分析上做了些工作，我就会说，“嘿，我的智能体，Lenny 的智能体，去看看，确认这是不是靠谱，是不是符合我看世界的方式”。
理想情况下，工作会感觉像一款多人游戏：我们所有人一起把事情做成，在我们掌舵的同时，我们的智能体继续承担越来越多那些划桨式的战术任务。
有意思的是，这就是一个关于信任和意识的缓慢推进过程——意识到我们可以这样工作。就是这种，“好，你去工作久一点，你可以承担更多”。关于慢速起飞、快速起飞的情景有很多讨论，每个人都害怕那种 AI 快速起飞——它太聪明了，然后我们就麻烦大了。感觉我们非常像是在慢速起飞的情景里，这是好事，就是慢慢迭代。它感觉也没那么慢，但某种意义上，我们并没有到一个 300 智商的 AI。
我是说，模型确实极其聪明。但我认为，很多让我们能够和智能体一起工作、或者让智能体承担越来越高阶抽象任务的东西，当然关乎智能、关乎它们执行长时间运行任务的能力、关乎它们能在任务上坚持多久。但实际上，也有一些非常“肉和土豆”式的、战术性的事情让这一切成为可能。在本机运行的智能体非常方便，因为它们能访问你机器上的所有数据。要让智能体在云端成功，你必须构建大量云基础设施才能做到这一点，还需要接入你的各种系统。智能体如何与那些存着你所有数据的第三方系统对话？(00:19:25)：就像一个你招进来的同事，你把他锁在一个房间里，从不给他 Google Docs 和 Slack 的访问权限，还有——我不知道——公司数据库的访问权限，那他对你来说不会那么有用。同样，一个同样被隔离的云端智能体也不会那么有效。所以让这些智能体变得有用、实现其中一些未来，很大一部分当然在智能这一侧，但很大一部分也在于非常战术性的数据接入、云基础设施和可靠性这些部分，它们听起来比那些更宏大的智能问题平淡得多，但在某些方面对最终效果同样重要。
这触及到这个播客上反复出现的另一个东西：这个词——野心。我知道你也很思考这个。感觉不仅是我们因为有了这些 AI 工具而能够更有野心，我们几乎需要更有野心，而这对很多人来说并不自然，因为现在每个人都能非常轻松地做所有这些容易的事。容易的事超级容易，难的事也容易。而现在把人和公司区分开的，就是他们能有多大的野心。谈谈当我提到这种对野心的需求、以及这种需求的涌现时，你会想到什么。
是的，我觉得我们看到的最善于使用 AI 工具的人，不只是用它来自动化那些机械重复的任务，而是用它来扩展他们有能力做的事情的集合。早年间，在所有这些东西之前，“独角兽”式的人是那种有很敏锐产品感觉、同时又恰好是工程师、可能还是设计师的人。那种人一直是“独角兽”式的招聘对象，因为他们能真正压平这些职能之间所需的层层转译，能自己非常快速、轻松地构建或构想出某个东西并跑起来，然后还能与团队合作、在团队中协作。(00:21:25)：而我觉得我发现的最有说服力的一点——当然我也努力用这些工具做到，也看到我最成功的一些同事用这些工具做到——就是真正扩展“他们可能性范围之内”的事情集合，这样他们就能开始把脑子里越来越多的东西变成现实，就像一个以前什么都会一点的人能做到的那样。我们现在某种程度上都有这种超能力：我可以在某个东西上快速做出一套设计，我可以去构建它的初始原型，我可以为它找出合适的定价模型，把所有情景都建模出来。真的，可能性的集合已经大幅拓宽了。(00:22:07)：而实际上这意味着，在很多方面，我有能力——回到刚才关于电影那点——在试图做成某件事、更逼真地实现我的愿景时，更像一个作者（auteur）。对我来说，这也是在追求新想法和新产品时能提升你野心的一部分：因为所有这些事情现在都触手可及，因为这套新的能力现在在你可及的范围内，你可以去尝试、去接触，你其实并不受限。你的野心不再受限于你自己能执行什么、能传达什么。它可以宽得多、宽得多。我觉得做这件事最难的部分，其实就是扩展你的思考。实际上，能力已经大幅扩展了。真正要做的是扩展你对“在多短得离谱的时间框架内什么是可能的”的想象。(00:22:58)：对我来说，尝试做到这一点的最好方式，是 Patrick Collison 在他网站上列的——patrickcollison.com/fast，我想是这个——里面都是那些极其雄心勃勃、却在非常非常短的时间里完成的项目。而对我来说，现在这份项目清单之所以了不起，是因为它们全都存在于这些工具让“你几乎能立刻学会怎么构建某个东西”成为可能之前，或者在只问一个问题之后——“嘿，你能立刻帮我总结这段非常复杂的文字或这本非常复杂的书吗？”——或者在能做所有这些以前对我来说不可能、但现在我能做的事之后：比如“你能帮我为我想的这个点子做个 CAD 模型吗？”真的，以前确实超出我能力范围的能力，现在都在我的触及范围之内了。所以，如果那些“快”项目在以前的能力条件下都能实现，那我们难道不应该看到这类以离谱的速度和效率完成的事情，随着 AI 给我们的东西而指数级增长吗？
顺着你说的，最难的部分其实就是记得去尝试，哪怕只是说，“哦对，那让我看看 Codex 能不能帮我做这个”。这只是个新习惯，是我们必须在大脑里建立的新东西。
Tyler Cowen 在他的网站上有一句话，说的是大多数人都低估了去找别人说“嘿，你在做的事情更有野心的版本是什么？”或者“你能不能更快地试一下？”或者“你能不能以 10 倍大的规模试一下？”所带来的影响。而在某些方面，当我想“产品经理现在做什么极其有效，或者现在能做什么极其有效”时，我认为提升他人的野心、或者提醒他们这里什么是可能的，是产品管理角色中非常大的一部分。(00:24:37)：当人们说，“嘿，我觉得我们可以用这种方式完成这个”，或者“我们可以在这个时间线之前完成”，或者“也许这是它的第一个版本”，你现在工作的一部分就是提升每个人的野心，说，“实际上，可能性的天花板不是明显更高吗？我们难道不该对这里尝试的东西更有野心吗？或者我们不能更快地试一下吗？”我觉得这是个很好的位置。就你能构建什么、什么是可能的、以及这份工作变得多么令人兴奋而言，这是个很好的位置。
这太有意思了。我记得 Nick Turley 上过这个播客，他也许在你之前担任这个角色。我想他现在在做企业相关的业务。他在内部有个梗：“这是不是最大程度加速了？”
是的。
我记得 Slack 里好像有个 emoji，就是“这是不是最大程度加速了？”
“这是不是最大程度加速了”完全是 OpenAI 的一个梗。Andrew Ambrosino 和我很喜欢问团队的另一个 OpenAI 梗是：“你已经在直接注射它了吗？”（Are you mainlining it yet?）意思是，你是不是整天、每天都用这个产品来把你的活干完？我认为这个梗，再加上“我们是不是已经尽可能有野心了”——这是关于你想做的事的范围和规模——以及“这是不是最大程度加速了？我们是不是已经以最快速度在推进？”然后是“你已经在直接注射它了吗？你是不是在用它？你是不是把所有的品味都用到判断这个东西行不行、是不是人们真正想要的东西上，并把这个反馈循环尽可能收紧？”对我来说，这就是产品开发的三个梗，现在我们必须尽可能把它们传播出去。
我喜欢这个。这就像新的“吃自己的狗粮”（dogfooding）：不是吃狗粮，而是你得直接注射它。
是的，完全正确。
而且这在推文里体现得非常深。这基本上是我看你团队沟通的方式，就是他们对产品有多痴迷，不断在问，“我们能做得更好的是什么？”“现在什么让你不爽？”“这是我们正在做的东西。”很清楚，就像你之前说的，每个人都是自己产品的创始人，也很清楚他们如何以外部观察者的身份行动。内部还有其他梗吗？这些太有意思了。还有没有别的，我不知道，文化上的——
是的，我在想还有没有别的好的文化梗。当然有一个非常重要的，就是“感受 AGI”（feeling the AGI），或者只是对 AGI 的到来保持意识。它可能是什么样子、人们怎么看待它，有太多可能的结果，但让这家公司里大多数人待在这里的很大一部分原因，是相信 AGI 造福人类这个使命，并努力不惜一切让它成为可能——既包括实现 AGI，也包括确保它对人类有益。而在构建产品时，另一个我必须始终记在心里的不断重复的话是：我们是不是在为模型两到三个月后所处的位置而构建？(00:27:27)：如果你按模型现在的位置构建，你会失败；如果你按你以为一年后模型会在的位置构建，你也会失败。这两种结果错得一样厉害，我相信很多人都谈过这一点，但两种结果确实错得一样厉害。如果你太早，你错了。如果你构建的东西过度聚焦于过去某个模型的能力，你就完全错了。唯一的构建方式就是两到三个月。并且要有这个信念：模型会变得好得多。我需要把模型能力当作这个产品的中心。我需要在创造的产品结构上给模型让路。我如何确保这对两三个月后的模型是对的？
你怎么知道两三个月是什么样子？这很难理解，尤其当我们处在这样一条指数曲线上。只是直觉吗？研究人员会给你一些感觉吗？这是怎么运作的？
是的，当然，与研究团队就他们认为事情会往哪里走保持非常紧密的沟通，极其重要。这些事情并非完全是黑箱，因为你知道，“嘿，我们在聚焦这些特定的事情。我们希望模型在这些特定方面更擅长写代码，”或者“在这些特定方面更擅长写作”。所以我们确实有聚焦的努力，让模型在特定能力上更好。所以了解那在哪里，并确保产品开发尽可能与研究议程和路线图绑定，非常重要。
有一句话我永远不会忘，是 Kevin Weil 上播客时说的，他当时是首席产品官。他说，这是模型有史以来最差的状态。听起来很简单，但你很难真正想明白——这是它永远会有的最差状态。现在说这话几乎成了陈词滥调，但它是真的。这太荒谬了。这是——
是的，很荒谬。真的荒谬。
天啊。好。我想简单聊聊 ChatGPT 这个 app。好，我现在就把它打开着。
是的。
好。这是我看到的样子。ChatGPT，然后有个下拉菜单，里面有 ChatGPT 和 Codex，然后有个开关，Chat 和 Work。Tara，这是怎么回事？这些都是什么？帮我们理解这些东西各自是干什么的。以及你觉得这会走向哪里？会一直这样吗？你已经在想象下一步了吗？
我们这里的北极星是，用户不需要在所有这些不同选项之间做选择。理想情况下，这里根本没有开关。你走到输入框，输入你的任务，比如“我想做一个很棒的 app，能帮我——我不知道——能帮我的播客嘉宾在节目之前做做研究之类的”。
对。就这么做。
然后它会自动选出合适的 harness，自动为你选出合适的模型，让你把那件事做成。理想情况下，这个选择不应该落在我们的用户身上，让他们必须在所有这些不同概念之间挑选，不仅要理解他们想做什么，还要理解我们产品的局限和能力。所以那当然是我们想去的地方。(00:30:32)：短期内，在 ChatGPT 和 Codex 之间选择，实际上是选择：你想待在一个更偏开发的 UI 里，还是想在 ChatGPT 模式里拥有同样的能力和功能？所以如果你是 Codex 用户，继续用 Codex，你不会错过任何东西，尽可能继续用它。但如果你是 ChatGPT 用户，心想“这些新的智能体能力是什么？”，那你大概应该待在 ChatGPT 模式里。而当你在 ChatGPT 里，如果你想对话、想搜索，那就是 chat 模式合适的地方。它就是你熟悉并喜爱的同一个 chat 模式，只是模型越来越好，能力每次越来越新。(00:31:14)：但在 Work 模式里，底层其实这就是 Codex。我们去掉了部分编码 UI。你在 Work 模式里不会突然看到一个 work tree 弹出来，但它拥有同样的把事情做成的能力，比如生成一个非常复杂的财务模型。这些在 Work 模式里都可以做到。我们看到人们，尤其是我提到的我们的企业财务团队，用 Work 模式做出非常非常了不起的事情——以前要么是手工做的，要么需要团队里某个人具备深厚专业知识才能做的事，现在变成整个团队都能执行的事，或者只是把团队里每个人在时间线、能力或能做成的事情的前沿上的野心提升起来。
好，这很有帮助。所以目前有三种模式。有工程模式、chat 模式，然后是做知识工作的模式。而知识工作模式，实际上就是 Codex 在做所有这些工作，但人们可能不知道 Codex 是什么，可能会怕它。Work 模式里有没有什么不只是 Codex 的东西？因为这其实很有意思。是有额外的 harness 调整让它感觉稍有不同，还是只是同样的东西配一个稍有不同的 UI？
其实就是在 UI 层面。所以 Work 模式和 Codex 模式，如果你去 Codex 让它生成一个很棒的财务模型来给你的产品定价之类的，或者预测我未来六个月的收入之类的，Codex 会做得和 Work 模式一样好。真正的区别在于，在它做的过程中，你想在思维链里看到什么样的 UI？你想暴露给你什么样的技术细节？这很了不起。它同样强大。所以 Codex 用户不会因为不切换模式而错过任何东西。事实上，我们不希望他们切换。留在 Codex 里，在 Codex 里做所有你想做的事，我们会根据你要求的东西展示合适的 UI。(00:33:01)：我们真正的北极星是把这些东西全部合并，让用户不必做任何这些决定。这种分隔更多是关于：我们如何尽可能在人们所在的地方与他们相遇——就他们使用的产品、他们对概念的熟悉程度而言——并确保我们让每个人都能利用与智能体协作，而这一点已经彻底改变了每一个开发者的工作方式。我们应该在知识工作上做同样的事。
这说得通。因为事情变化太快，我想象有人会说，“我们试试 Codex 吧。这会很棒”。然后它起飞了，有一千万月活用户，然后他们就说，“等等，我们在干什么？我们有 ChatGPT，我们有 Codex。我们怎么……”所以这些东西为什么会这样也就说得通了。它在一段时间内不会显得显而易见和完美，因为随着事情行得通或行不通，你必须调整。而且会有这些过渡期，就像，好，酷。现在让我们把人往这个“超级应用”的愿景推。(00:34:01)：好。我想你工作中最难的部分之一，是在这个千亿级 MAU 的产品 ChatGPT——也许是史上最成功的消费产品——和 Codex 这个新东西，以及你们想尝试的其他新东西之间做平衡。你怎么考虑这个，我不知道，就是怎么平衡这些非常创新、快速移动的团队和产品，与这种“好吧，有十亿人在用它，我们不能剧烈改变它”？
是的，我觉得这里最有趣的一点是，在 ChatGPT 网页版上发布 Work、在桌面 app 里发布它、并把这些东西整合起来，目标之一就是看着那十亿正在使用 ChatGPT 的人，把越来越多智能体的能力带给他们。如果你把 AI 产品的第一个时代看作聊天，那么这些产品的第二个时代显然是和智能体一起工作，而这一直主要是编码智能体。我们当然想把它带到更多领域，比如知识工作。这也是把 Work 的能力给到这十亿 chat 用户这一目标的一部分。(00:35:13)：当然，落在我们身上的产品挑战是：我们不仅要把它带给他们，还要让它自然、易用、容易被采纳，让它不是一个他们必须明确做出的决定？我们可以直接帮他们做正确的事。我们如何把它去复杂化，让他们不需要思考 harness 这类东西——对十亿消费者来说，理解这些简直像疯狂的概念？所以那主要是挑战所在。(00:35:37)：然后当然，那个可能很快到来的第三个时代，就是你如何与一个持久的同事一起工作，它能够和你一起把事情做成，也许是和其他人协作完成？所以短期内这个挑战的一部分是，我们正在把智能体介绍给十亿可能还没体验过它们的人。我们如何以最容易、最自然、最可用的方式做到这一点？当然，要做到这一点我们还有很多事要做。但这也部分是我得到的一个教训，也许是把前 AI 时代或过去的产品经验和这一次对比：在以前的公司，打磨就是王道，把每一个 UI 交互、每一件小事都做到完全正确，远比早点发布重要，因为时间对结果的影响没那么大。因此，如果每个角落不是完美打磨过的、不是每件事都完全正确，你干脆就别发布了。(00:36:43)：但我觉得这个时代、这段产品经历真正有吸引力、有意思的地方在于，当你如此确信“嘿，这是变革性的”，把产品交到用户手里，远比完美更重要。那种紧迫感、那种把产品推出去的紧迫感，非常重要。所以我们还有很多事要做，让它对 chat 用户更可用、更容易，当然尤其是对那些甚至不是用它来做生产力、而是用来做消费类任务的人。但是的，完成比完美更好，我们还有太多事要做。
是的，我记得这个 app 刚发布时，有很多关于混乱的评论，而看到团队多快地迭代、多快地响应反馈，正是我在这里听到的：把它发出去，弄清楚什么不管用、人们怎么用它，快速迭代。感觉这就是现在的模式。
当然，有些事情你可以在发布前就持续迭代、拿到反馈。也有很多事我们能够而且应该一直做得更好。但尽可能快地迭代、倾听正确的信号——不管是在发布前还是发布后，理想情况下是发布前——才是关键。
本期节目由 Mercury 赞助——如今有了 Spend，银行服务完全是另一种样子。我成为 Mercury 客户已经很多年了。我把所有企业银行业务都换到了 Mercury。说实话，我不能再满意了。这就是由产品人、而不是由银行家做出来的网上银行该有的感觉。(00:38:13): 而现在有了 Spend，你可以给团队发放各自的卡，按人或按团队设置消费限额，并让报销收据自动从 Gmail 或短信中拉取进来。你甚至可以给你的 AI agent 发放它们自己的卡，附带各自的限额和政策。大多数创始人的起步方式都一样：一张卡，全公司共用。这能奏效，直到它不再奏效。有人刷超了，一张收据不见了。你花两天时间想搞清楚谁花了什么、为什么花。Spend 是直接内建在 Mercury 里的费用管理。你团队所有的卡、预算和报销，都和你的企业银行业务放在同一个地方。不用追着人要，不用人工审核，不用月底手忙脚乱。结果是：一个能快速行动的团队，以及一个不再是瓶颈的创始人。了解更多并注册请访问 mercury.com。(00:39:01): Mercury 是一家金融科技公司，不是 FDIC 保险银行。银行服务由 Choice Financial Group 在 Column N.A. 提供。FDIC 成员。IO 卡由 Patriot Bank 发行，为 FDIC 成员，依据 MasterCard International Incorporated 的许可。(00:39:14): 我在 Twitter 上注意到的一点是，过去几个月确实出现了一种氛围上的转变，从 Claude Code 转向 Codex。以前大家都在说 Claude Code 这个、Claude Code 那个。最近感觉人们更偏向 Codex 了，至少在 Twitter 上是这样——那是个气泡，但很多技术人都在那儿。我很好奇过去——我也不知道——三到六个月里内部到底发生了什么变化，除了 Tara 加入并把这条船整肃起来之外。有什么你可以分享的，比如“好，我们把这件事搞明白了，我们调整了这个，我们砍掉了那个”？是什么推动了氛围的转变，帮助 Codex 变得像现在这样成功？
我想有句话是这样说的：“开悟前，挑水砍柴；开悟后，挑水砍柴”，诸如此类。实际上就 Codex 应用而言，最初把它做起来、在它上面工作的那个团队超级——再次强调——以用户为中心、迭代闭环很紧、真的把这个东西当自己每天在用的产品来用（dogfood），尽可能地把这个应用纳入主线（mainline），把每件事都做对。外面的人和 Twitter 上的人开始意识到这件事在发生，用户也开始真正注意到。但这个团队一直都非常聚焦用户，非常聚焦那种迭代。某种程度上，那只是市场追上来了，变化就在那里。(00:40:41): 而这个过程在内部并没有改变。每个人仍然在不断使用这个应用。做它的人本身就是开发者，用它在做开发，不断修的不只是自己的问题，还努力去听公司里其他人的问题、用户的问题。其实有点了不起的是，运作方式并没有变。一直就是我之前提到的同一件事：我们是否把使命抬得足够高？我们是否在最大程度地加速进展？我们是否尽可能把它纳入主线？我觉得用户和 Twitter 上的人注意到了，这很好，但那个运作方式——这完全归功于团队——并没有改变。
这个回答真正有意思的地方在于它非常人性化的那一面。是你，是 Andrew，是 Tibo，是整个团队对客户、对产品的那种痴迷。并不是 AI 才是答案，而是人带来了差别。
是的。这里完全归功于团队。团队里的每个人都极其有想法、极其独立，甚至到了这个程度：OpenAI 里有很多创始人，那个团队几乎每个人——尤其是桌面团队——都像创始人一样行事，关心每一个部分、每一个细节。当他们发现某个地方本该更好，就会非常独立地去把它做出来、把它跑起来。如果内部测试效果不好、没人用、大家觉得没用，他们就会迭代，最后再对外发布。但这个闭环完全归功于团队里的人和一个个个人，是他们让这一切发生。
你提到的一点是角色重叠这个想法，工程师在做 PME 的工作，你可能也在交付原型、在做构建，也许还在往生产环境交付。我不确定。感觉这也会带来很多挑战。我从很多人那里听到：“我现在作为设计师的工作是什么？我负责什么？我不负责什么？作为市场人员，我在做什么？”你注意到这个了吗？这是你在面对的吗？就这类问题，随便聊聊你的想法。
我想我在初创公司工作最喜欢的一点——有时我待的初创公司不小心长成了大公司，但基本上主要还是在初创公司工作——就是你的角色周围几乎没有什么边界，所有事和没有事都是你的责任。但归根结底，你要对成功负责。其实 Stripe 非常非常是这样，工程师能做什么、产品经理能做什么、设计师能做什么之间没有边界。每个人什么都能做。所以其实我一直很喜欢这种心态，而现在终于能力追上来了。(00:43:25): 但我真正在意的是，需要有人去照看、去承担核心责任的那些事情是：这个产品有用户在用吗？是人们想要的东西吗？质量高吗？有效吗？不管这个人是工程师、设计师、PM 还是别的谁，总得有一个 DRI（直接负责人）。然后为了让它实现所需要的任何工作，人们当然可以基于自己的兴趣倾向、基于自己的能力去接手。但我喜欢那种不太在意各个角色之间边界在哪里、每个人都只专注于让结果发生的团队。(00:44:06): 反过来说，我也真的很喜欢做 PM 的手艺（craft）那一面。PM 的手艺有那么多方面，我知道像 Shreyas、或者 Marty Cagan、或者 Shishir，这些人真正倡导过的东西，我觉得都很棒。有时候这些问题可能来自：“等等，我这么热爱我这个领域的手艺。通过这种更流动的团队协作方式来把事情做成，我是不是就失去了把自己的手艺打磨得更好的机会？”而我对这个问题真的没有答案。(00:44:42): 我想这是我们所有人一起在经历的事：我们手艺中的某些部分，实际上正在被模型抽象掉——模型能非常有效地做这些事，也许比个人做得更好。而你的手艺会从“能够完成你过去做的那个非常具体的任务”，转变为“把它应用到产品或者这门专业的另一个部分上”。但没错，这仍然是我在想的问题：我如何平衡“想成为一个团队的一部分、想使用这些工具、并且被如今用这些产品能有多高效深深打动”的愿望，与我对……的热爱。没错，对工程师来说一直亲手写代码真的很好玩，而现在大家基本不再那样做了。
是的，这正是我要去的方向。工程这个角色现在变得多么不同，简直难以置信。就像你以前整天写代码，那就是你的工作，而现在已经不是你的工作了，而且这一切发生得如此之快——你根本不写代码。
我看到有人为亲手写代码的那种心流状态而哀悼，对比现在人们做的事。是的，这是个艰难的转变。
是的。有些人喜欢它，有些人不喜欢，那完全是另一个话题。顺着这个说，我喜欢问处在 AI 前沿的人一个问题：你认为未来人类大脑会在哪些地方继续有价值？长期来看无法预测——我们还需要人类吗？但愿如此。但我想说，在——我不知道——接下来几年里，你认为人类大脑在哪里会继续最有价值？
我认为人类肯定会继续最有价值的地方，当然是作为一种责任的实体——最终谁来拥有这个结果。某种程度上，你可以把与你协作的 agent 看作你的下属。最终谁负责：最终产出是什么？质量高吗？它是你想要它做、想要它说的东西吗？这肯定会仍然由一个真人来承担，至少目前如此，尤其是在高度监管或者需要直接人际接口的行业和场景里。这在我看来非常合理。(00:46:56): 我认为人类大脑在“表达”上也很有价值。我之前提到过那个类比：软件不像房地产，它更像一部电影——你可以投钱进去，但一部伟大的电影并不会因此产生。最伟大的电影并不是预算最大的那些。既然构建软件中存在某种艺术性、观点性和表达性，你会觉得其中有个人或者一群人的作者性，那部分对我来说是如此人性。你选择构建什么、它给人的感觉如何，感觉就是如此人性的问题。(00:47:34): 我也认为人类大脑在我们如何彼此关怀、如何相互联结上会继续有价值。我工作中这一部分一直如此人性，而且实际上变得比以往任何时候都更重要。你和团队里其他人交谈、一起弄清楚如何对某个领域充满热情、你们如何学习与协作、如何抬高彼此的雄心——所有这些感觉并仍然是如此人性的事。是的，我认为人类大脑在这方面会继续非常有价值。话虽如此，我无法预测模型会怎样发展。但这些部分在我看来极其、极其人性。
我很喜欢这个回答。你谈到了这个想法，就是 AI 能力与我们实际用它做的事之间存在的那种悬置落差（overhang）。感觉最大的差距之一就是：好，那我该拿它做什么？我很好奇，你在工作中有哪些使用 AI 的方式可能会启发别人：“哦哇，我没想到可以这样用它……”这里有两个方面。一个是你的 PM 工作因为 AI 发生的最大的变化，就是“好，现在我用 AI 做这些事”。然后，最近有没有什么特别有意思的 AI 创意用法，让你觉得“哦对，我应该试试这个”？
我在工作中使用 AI 最令人兴奋的方式之一，是我现在实际上一直在建网站。我不知道你有没有试过在 Codex 里建网站。
我还没试过，你聊聊 Sites。
Sites 是一个非常有趣、很棒的产品。你基本上可以建一个网站——在 Work 里当然可以把它作为一个展示性的产物——但我也会为几乎任何事情建网站。我给团队建了一个网站做成一个游戏，我们一起通过一个网站玩了个游戏，因为 Sites 有数据库。我其实还建过一个网站，因为我最近去背包徒步了。我建了一个关于路线的网站，追踪我们要走的每一段的海拔。我们这趟旅程的每个人都把自己带的食物输进去。它超快而且有效。Sites 实现了 Alan Kay 在 60 年代提出的“可塑的个人软件”的梦想——真正的个人计算机是拥有个人软件的计算机。某种程度上，Sites 是把那变成可能的具象方式。我们都曾经梦想过做个人软件，当然用 Notion 这类工具的人也在尝试用各种 block 去配置它可能的样子。(00:50:01): 但用 Site，它字面上就是一句提示词。我真的就是用一个 prompt 说：“给我建一个我需要的、正好能把这件活干完的工具”，它就直接做了。它们可以分享。它们可以自动更新。你可以用内部数据建一个仪表盘，比如带很多指标的。而且不必费劲地在一份幻灯片上苦苦折腾，site 就是一个动态得多的展示界面。
你怎么用 site？你需要做什么特别的操作吗，还是直接告诉它“创建一个 site”？
在 Codex 里就是，“创建一个 site，是——
创建一个 site。
……是一个，我不知道，是给我团队玩的黑手党游戏”，它就直接做了。
我心里想的是大写的 Site，但我想这无所谓。
是的。
它自己就知道 site 是什么？
嗯哼。
是啊，因为以前是，“这是一些源代码，你自己去搞清楚部署到哪儿。”
是的。
而你说的是，它就是帮你托管好了，你马上就能用。
帮你托管。你可以选择它是否公开。你可以选择它是与你团队共享——
太棒了。
……还是选择它只对你自己私有。它们很棒。随时能轻松建一个 site，这改变了我每天的样子——以前在很多环境里，我的日常往往是一堆文档、表格之类的产物。现在我就是一直在建 site。
而你可以通过——我猜是 Work——或者……你可以在所有界面里做吗，Codex、Work、ChatGPT 聊天？
你可以通过 Work 做。你可以——
好，酷。
……通过 Codex 做。你可以在网页上做。你可以在手机上做。你在哪儿都能做。
好。我刚启动了一个“创建一个关于 Tara Seshan 的 site”。
太好了。
顺便问一下，你的姓是这么念的吗？我一直没问过你。
Tara Seshan，像 station 那样。
Seshan。好，酷。好，酷。Sites。好。趁我们还在这个话题上——还有什么其他小技巧吗——
我觉得那个——
……对大家有用的？因为那真是个好技巧，我觉得很多人不知道 Sites，所以很有用。
是的，Sites 很棒。另一件我真的很喜欢的事是在 Codex 里用 Visualize。你用过 /visualize 吗？
没有。
哦，/visualize 非常令人兴奋。你就输入 /visualize，把到目前为止我的 ChatGPT 使用情况可视化，或者类似的话，它就会把你做过的所有事情拉进来，为它创建出一个很棒的可视化。我有无数次在想，我怎样才能不仅拉进一堆图表和数据，还能以对我的叙事来说可理解、有用的方式把它们呈现出来。而 Visualize 让这件事变得极其简单。用 Visualize 出人意料地令人愉悦。
这些真是很好的例子，说明这里有这么多我们甚至不知道、不理解的能力，而这正是你在这里面临的挑战。帮我们——
当然，当然。
帮我们了解所有这些事。这也是像这样的播客有用的原因。不可能把所有东西都放进产品里。我要完全换一个方向。我要聊聊写作。我问了 Brie Wolfson，她很了解你，问她该问你什么。有意思的是，她之前也为我跟 Cursor 的 Adam Ward 做的那期播客提过问题。所以她说：“好，你应该问她写作/思考。Tara 的 brief 是标志性的。”帮我们理解，究竟是什么让你的写作、你的 brief 成为标志性的，以及对于可能想提升写作和写文档能力的人，有什么可能有帮助的技巧。
我非常坚信，我在工作中有两种写作。一种是“写作即思考”（writing as thinking），另一种是“写作即汇报”（writing as reporting）。写作即思考，是我写一份 brief，说明我们为什么应该做某个产品、为什么应该采取某种策略，或者为什么——也许是个犀利的观点。而写作即汇报是这类事情：哦，我在总结我们团队这周做了什么，我发一份报告过去；或者这是我们针对某次发布或公告的计划，诸如此类。写作即汇报，我很乐意自动化，或者一直用模型，让它尽可能简单。但写作即思考是我永远不会自动化的东西。我非常坚信，至少对我来说，把一件事列成提纲、把它写成某种成文的东西、删减和编辑它、持续迭代，是让我的想法理顺的最重要步骤之一。(00:54:13): 我认为大多数人其实会用一把很宽的刷子一概而论，比如“我永远不会用模型来写作”，或者“我写作总是用模型”。而实际上在我看来，这两把宽刷子都是错的。我认为你应该尽可能多地把模型用于写作即汇报。而就你以写作来思考的程度而言——我确实如此，我认为很多人也是如此——你不该用它。你不该用它取代你的思考。(00:54:38): 但我过去的 brief，因为我大量地以写作作为思考方式，所以我会钻进一个洞里，为一个新想法或产品写一份 brief，花大量时间打磨那个具体的想法，拿它到处跟人聊，让他们尽可能攻击里面的想法、挑漏洞、把它变得更强，然后再拿去给下一个人，做同样的事。(00:55:04): 所以在 Stripe，这件事我做过很多很多很多很多次，无论是启动一个新的产品领域，还是建议一次重大的方向调整，或是分析一个问题并提出一条前进路径。Stripe 是一家极度以写作文化为导向的公司。有很多人，比如 Jeff Weinstein，也非常热衷于写作和在 Stripe 分享 brief。Stripe 是少数几个 brief 会在公司内部病毒式传播的地方之一。所以那里的写作即思考真的很被看重，而我大部分的写作工作都是在那里做的。(00:55:43): 在 OpenAI，我想我仍然一直在以写作来思考。但这里可分享的产物并不是一份长文档，或者那种意义上的工作量证明，部分原因是时代变了，一份长文档并不能说明你想清楚了什么。因为你很容易产出一份长文档，而它恰恰表明你并没有想清楚。(00:56:13): 也许我个人在日常中经历的最大变化之一——一个很大的、也许令人不适的变化——是我以前在文档里思考，然后把它做一些转换，变成展示性的产物，而那会是我已经想清楚一个问题的标志，这就是我们要做的，团队就往那个方向走。而现在我更多是“mocks 而非 docs”，或者说“原型而非文档”。如果我有一个人们可以试用、可以交互的东西，或者更好的是，我有结果——我们试过这个，我们跑了一个 AB 测试，这是结果，这是为什么我认为我们应该往这个方向走——那比文档本身要好得多的沟通工具。所以我仍然一直在写几百份文档，但我是为自己写，不再真的为别人写。那不再是最好的交谈和沟通方式。这大概是这个时代相比上一个时代，我个人经历的最大变化。
这太有意思了。我真的很喜欢你那个技巧：就一份文档获取大量反馈。听起来很明显，但你可以几乎靠“作弊”达到一份标志性的文档／brief——在迭代过程中不断获取大量反馈，让它越来越强、越来越强，而不是“好，第一版就在这儿”，而它很少会惊艳。
我以前有个经理告诉我，永远正确的做法是：把文档写到 70% 完成度，然后拿给你需要争取支持的人，把它从 70% 做到 100%。这仍然是我一直在做的事。因为很少有优秀的人愿意与一个完美打磨过的、已完成的想法的互动。一个完美打磨过的想法，他们的新想法只会在上面弹开；而一个有更多棱角、更多粗糙边缘的东西，他们也能和你一起打磨。我认为以这种方式把人带入过程、让文档成为这个过程的底层产物，是我找到的最好的协作方式之一。
你怎么看“AI 脑腐”（brain rot）和开始过度依赖 AI——这是每个人都会面临的挑战？为什么不用这个魔法来帮你看点东西，然后我们开始丧失写作、阅读长文档的能力？你有没有做什么事来避免这个？
是的，我认为“写作即思考”这个纪律是我日常采用的主要做法之一，确保我不会过度萎缩自己的思考能力。我想我还是会把所有“写作即汇报”尽可能外包给模型。但“写作即思考”我必须自己做。(00:58:47): 我有一个个人信念：如果我要让别人读我的文档，我至少得先自己写那么多遍。或者在开会这件事上我也这么想：如果我要召集一群人开会，我需要在会前准备好人们将在那个会议上花费的集体时间量。所以谈到保持思考敏锐，我会先自己把那份文档写出来，确保我至少投入了我期望别人读它时的集体时间量去写它、产出它。而且我也不太依赖模型来润色我的文字——我不认为它真的能做到——尤其是不会用它来生成第一版。但当然，当涉及摘要，或者把内容从一种格式翻译／转换成另一种格式时，我确实一直让模型帮我很多。
所以我听到的是：想法、brief、计划由你作为人自己写，自己写，不要从 AI 开始，甚至不要用它来改进写作，就让它全部保持人类完成。
是的。至少对我来说，我自己开始，我自己结束。我可能会在中间用 AI 去研究某些具体要素、塞进一些数据、去拉一些数据，或者帮我——
或者对一些想法提出反驳。
是的，对一些想法提出反驳。但要自己开始、自己结束，用一篇——
太棒了。
……写作，而那不会让你的思考退化。
好。最后一个问题。我想问问 Sutter Hill。你有过非常不寻常的一步职业经历。你是 PMPM、创始人这类角色，然后就是“好，去 Sutter Hill Ventures 做 EIR”，那是一家标志性的风投。大家可以自己去查。很多了不起的公司出自 Sutter Hill。它有一种非常独特的做创始公司的方式，基本上是他们孵化公司，Snowflake 就是一个例子。那是什么情况？你从那段经历中学到了什么？
Sutter Hill 是一家标志性的公司，而且它有意地是一家非常“难以辨识”（illegible）的公司。如果你去 Sutter Hill 的网站，你在网站上什么都看不到。这是一家不喧哗运作的公司。它尽可能低调、尽可能谦逊地运作，却又不知怎么地对硅谷见过的一些最具标志性的成功负有责任。他们有这种非常不寻常的孵化模式，是那里的了不起的合伙人之一 Mike Speiser 开创的，并且一个接一个地成功推出。对我来说，Sutter Hill 最标志性的一点是：人们把找到产品市场契合（product market fit）看作一门黑魔法，或者把建立一家数百亿美元的公司看作黑魔法，比如“哦，那是运气。哦，那是机缘。哦，是所有这些必须凑到一起的东西。”然而 Mike Speiser 已经做到过多次。(01:01:39): 所以显然有办法做到。显然有一条让它成为可能的路线图。有一组事情可以做，从而可重复地得到它。这不只是运气。这不只是黑魔法。可以说存在一套 playbook，而那套 playbook 就活在 Sutter Hill 这家公司内部。他们搞清楚了如何在“判断形势、下注”上经常是对的。他们也学会了如何在那些日常复利式的事情上经常是对的——那些造就一家成功公司的事情，无论是你如何搭建企业销售团队、如何定位你的产品、如何建立最初的创始团队。Sutter Hill 的招聘是无可匹敌的、卓越的。他们有一个秘密工具叫 Redical，里面有一张地图，标出他们打过交道的每一个人，以及这些人打过交道的最好的 10 个人，这帮助他们在这一块如此、如此高效。(01:02:36): 所以我去 Sutter Hill，是因为某种程度上我的职业生涯一直在问：我怎样才能尽可能多次地找到产品市场契合——无论是作为创始人，还是在 Stripe 启动新产品，或是加入像 Watershed 这样的初创公司。而 Sutter Hill 就是那个他们搞清楚了如何在 B2B 产品上找到产品市场契合的地方，我想从他们那里尽可能多地学习。
你学到了什么？除了“他们知道怎么做”之外，你从那段经历中带走的一件事是什么？
他们确实知道怎么做。我想我在那里学到的、让我非常惊讶的一件事是：产品市场契合当然重要，但实际上我严重低估了“产品营销契合”（product marketing fit）。这个想法是：你谈论产品的方式、你营销它的方式，实际上可以先于构建产品。它可能应该来自某种把“深入理解技术”和“理解企业销售流程”结合在一起的东西。而那个产品营销契合、那个叙事、那个定位，实际上甚至在你构建产品体验之前，就是该去测试的正确东西。所以你应该去向一百个人推销，想办法尽可能打磨那个 pitch，把“为什么这个东西是变革性的”这个营销叙事搞对。然后、也只有到那时，才去承诺“好，这就是确切的产品形态”。(01:03:49): 而 Mike Speiser 在这门技艺上无人能敌。以前我一直低估 PMM 的工作。我会想：“随便吧。它就是这些职能之间的胶水。还行。”然后我意识到，做得卓越的这类工作对一家公司的结果有多么具有变革性，事实上它可能就是让一家公司成功的那一环。
太棒了。我非常同意。定位，我们在这个播客里聊了很多。好。我要快速给你看看建出来的 sites 是什么样。我们说话的时候它一直在跑。看看这个。你看。
天哪。
我说了“让它更酷炫一点”，它就把它变得更酷炫了。
那是——
多产品。漂亮。看看这个。这就像一个正经的设计。
哇。
看看。你有引用语，大信念，小团队。
确实如此。
[听不清 01:04:36] 买家。这是你的网站、你的新网站，你感觉如何？
我确实觉得最上面那张我大概 19 岁时的照片真的很好笑。但除此之外，我很喜欢这个 site。
好，干得不错。
看起来不错。
Sites 干得好。
我想那是我在 Stripe 的工牌照。
哦哇。太棒了。我已经取消分享了，但我很喜欢它在你的头周围建了一整圈小东西。太可爱了。Tara，还有什么你想分享的吗？在我们进入非常激动人心的闪电轮之前，还有什么想聊的？
是的。我们在做产品时一直在大量思考的一件事，尤其是在这个新时代的 ChatGPT Work 上，就是知识工作和编程实际上有多么根本性的不同。我们作为其中一部分学到的一件令人惊讶的事是：编程是如此以输出为导向，以至于当你让它做一项编程任务时，你可以通过测试验证它是否正确地、良好地完成了任务。你可以试一下，看它能不能跑。有一种基于输出来验证它的方式。(01:05:37): 但知识工作不同，我不能只是看看最后那份 deck 里的数字，比如“哦，deck 里显示 90% 成功率之类的”，然后真的相信它。我真的需要去思考过程、输入、推理，以及它一路是怎么走的。所以就这在产品里呈现的样子而言，我们已经做了、并且必须继续做的大量工作，是继续让产品适配知识工作，这意味着更多地聚焦于让 ChatGPT 成为你的协作者，让你能看到所有进行中的工作、看到它的引用和输入，帮你和模型一起走完这段旅程到达那个最终产出，好让你在最后知道：“哦等等，这个东西是对的，这个东西是好的，这个东西是有用的。”(01:06:23): 而这当然会相当多地体现在产品的用户体验（UX）上，但也应该体现在比如思维链中的推理上。比如，你是否应该一路看到更多引用，说明它是如何在那些数据中到达那个最终状态的？一条 thread 这种界面非常适合编程，它是否也适合你在知识工作中看到所有这一切？有那么多重大的产品问题。所以当我们考虑也许把人类协作者引入你的工作时，我们也需要思考，如何让模型在你把事情一起做完的过程中，更像一个与你协作的伙伴。
这一点说得太好了。我在想象一个高管会议，你试图向高管推销：这是计划，这是我认为我们应该做的。其中很大一部分是帮他们看到：这是我为了到达这里所做的工作，这是所有的步骤。所以你需要 AI 向你展示同样类型的工作，这就说得通了。它做了工作证明（proof of work），本质上——而工程那边则是“好，我不需要知道你做的所有细小架构决策，只要看它长什么样？它是否通过了我们所有的测试？”所以这真是很好的观点，这两种模式有多不同。(01:07:34): 还有就是上下文。它是否拥有完成你想让它做的事所需的上下文？它知道吗？它能看到你的邮件吗？它能看到你所有的 Notion 文档吗？真是好观点。所以我看到你工作里的挑战：把这一切做成一个产品。棘手，棘手。太棒了。在我们进入非常激动人心的闪电轮之前，还有什么吗？
是的，我们开始吧。
那么，我们已经来到非常激动人心的闪电轮。我有五个问题问你。准备好了吗？
准备好了。
你发现自己最常推荐给别人的两三本书是什么？
我真的很推荐的一本书是 William Finnegan 的《Barbarian Days》。我不知道你读过没有。它是关于一个《纽约客》记者的生活，以及他如何爱上冲浪、把它当作自己的热情。我从这本书里得到的一点是：一个人可以深深地充满热情、全心投入，让某件事成为自己的人生目标，而并不擅长它。它是关于爱上冲浪这门艺术，以及他在明知永远无法抵达的情况下仍追求卓越与完美。对于我认为一个人应该如何继续过自己的生活来说，这是一个如此有说服力、如此具有变革性的故事。我真的、真的很爱那本书。(01:08:49): 另一本我可能会推荐、人们应该读的书，我很喜欢《安娜·卡列尼娜》。我最近在重读经典，我喜欢《安娜·卡列尼娜》，因为它是一本有层次的书。我认为在这个新时代，我们将要做的一大部分，是转变我们自己，或者带自己踏上一段旅程，去做不同于我们过去习惯的事。当我想到那本书，我想到我 13 岁读它时，我基本上理解了情节。17 岁读它时，我理解了欧洲历史的动态和阶级斗争。然后 30 岁读它时，我想，哦，这是一个关于一个女人、关于人的故事。它让我想到成长，想到随着你不断成长，有可能通过多个不同的镜头看同一件事——我认为这也是我们所有人在考虑自己职业生涯时，前方要面对的挑战。
这两本书都很有意思，我也能把它们和我们正在生活的这个 AI 时代联系起来。我最近也读了《安娜·卡列尼娜》。
你觉得怎么样？
今年早些时候。太棒了。我以前从没读过。我在一份书单上看到它，那份书单是“世界上最聪明的人读过什么”，一整列书，那本是其中我没读过的一本。所以我想：“我必须读它。”是的，非常棒。有人把结局剧透了，这让它没那么出人意料。我不想剧透任何东西。不剧透。而且我也觉得它非常长。但现在我在读《权力掮客》（The Power Broker），它为“长”设定了新的标杆……到现在为止我已经读了半辈子了。
我很喜欢《权力掮客》。我高度推荐给人们的另一件事是：如果有人关注 Substack，比如 Simon Hazel 的 Substack，他在那里做重要书籍的慢读。他做过《战争与和平》的慢读，他正在做《狼厅》，我想，或者他做过《狼厅》——那是 Hilary Mantel 的书——一章一章地读。那是读《权力掮客》或《战争与和平》，甚至《安娜·卡列尼娜》这类东西的唯一方式。就是一章一章地读。
说到这个，有个人——我忘了是谁——告诉我，有一个 99% Invisible 的读书会拆解《权力掮客》，一共 13 集，每集一两小时，他们一次读这本书的几章然后讨论。他们有特别嘉宾，比如 Pete Buttigieg 和 AOC，还有住在那片地区的人，他们聊这个故事，读它、听他们对它的分析真是太有意思了。然后他们还请 Robert Caro 上过几次，我猜。
哇，太棒了。
是的。是的。实用小贴士。好，我们继续我们的、非常闪电的闪电轮。你最近最喜欢的电影或电视剧，如果你有时间看点什么的话。
我当然看了《奥德赛》。我觉得它是一部不可思议、不可思议的电影。它是关于 AI 的——或者说我的热辣观点是它是关于 AI 的，或者说 Christopher Nolan 对 AI 如何改变社会的看法，我很喜欢，我强烈推荐去看《奥德赛》。他就是一位不可思议的导演，以我认为其他任何现代导演都没做到的方式，把艺术性和商业成功连接了起来。我最近还看了《罗生门》这部电影，那是黑泽明的片子，它第一次用了那种通过多个人的视角讲一个故事、你到最后永远不知道什么是真的手法。电影里的这种手法是黑泽明开创的。它让我想起人在约束条件下能做到什么。(01:12:15): 那部电影是 50 年代拍的。是黑白的。你知道有个人在拿着摄影机，然而它如此完美，是如此有品味、有创新、令人惊叹的创造力范例。看那部电影让我想起的是：我在 iPhone 里拥有的力量和工具，是他拍那部电影时的一百倍。那我不去抬高自己的雄心、做出更好的东西，借口是什么？
一切都回到雄心上。《奥德赛》这部，我还在想办法搞票。太难了。我当时没当回事，现在一个月内都不可能，到处都没有座位。
Kevin Klock 这周早些时候帮我们搞到了 Metreon 晚上 10 点的票。太好看了。
下次叫我。你什么时候去看我都去。
一定。
天哪，我在这上面挂了机器人。我专门有个人在弄。我有个朋友。我们都在想办法找座位。
太棒了。你会喜欢的，我迫不及待想听你看完之后的看法。看你是不是同意我，认为它是关于 AI 和道德的崩塌。
好。不剧透。希望这期节目播出时我已经看过了，但如果没有——如果有人有门路，请告诉我。而且我在努力搞 IMAX 全功率 Metreon 那种。是的。好，下一个问题。你最近发现的最喜欢或最有趣的 AI 产品？理想情况下不是 OpenAI 的产品，但如果你想也可以说。
哦，我是说，当然我最喜欢的 AI 产品是 ChatGPT，以及在 Codex 里用很酷的 Sites 和 Visualize 那些东西，那很棒。但在 OpenAI 产品之外，我最喜欢的 AI 产品是我的朋友们为我做的产品。因为现在，人们真的可以这么做了。我觉得这太酷了。我是“舒适软件”（cozy software）运动的超级粉丝——你为你的五个朋友做软件工具，你们一起用。所以我有个朋友叫 Sebastian，他做了一个很酷的 AI 应用，能把任何东西变成播客，并放进一个小播客应用里给你。他还为我们的朋友做了一个很棒的私人社交网络，叫 GATS。它正是我认为未来应该有的样子：人们应该做那些正好满足自己和朋友需求的软件。
GATS 代表什么？是某种内部笑话吗？
不是，或者至少如果它是个内部笑话，我也不知道。它有点像给一小群朋友的私人 Twitter，我在那个产品上学到了最有意思的东西。
它像 WhatsApp 那样，就是它 [听不清 01:14:43]。
对，正是，正是。
那个播客应用很有意思，但我觉得我会喜欢的那种版本是：它其实是你播客订阅源里的播客，然后你想读的东西之类的新单集就被加进去——
对，它就是那么做的。
……而不是一个单独的 app。哦，好。
它会把内容丢进你的 Apple Podcast 订阅源，或者你收听的任何地方。
哦，太棒了。我想要这个。
它很棒。
真的，帮我订阅这个 app。
当然。
好，太棒了。好，还有两个问题。你有没有一句最喜欢的人生格言，是你在工作或生活中经常回到的？
哦，我在工作中经常回到的人生格言，其实是 Toni Morrison 关于工作的三段论述。让我快速找出来。
太棒了。
好。是四件事。出自她的文章《你做的工作，你是的人》（The Work You Do, The Person You Are）。第一是：不管工作是什么，都要做好，不是为老板，而是为你自己。第二是：你造就这份工作，工作不造就你。第三是：你真正的生活是与你的家人在一起。第四是：你不是你所做的工作，你是你这个人。
我起鸡皮疙瘩了。哇。太好了。我想这就是你钉在 Twitter 个人资料顶部的那段，因为我记得看到过。太酷了。好。也许你讲的时候我们把它显示在屏幕上。我很喜欢。那是记住某件事的绝佳方式。就把它钉在 Twitter 顶部，因为我每次上 Twitter，“哦，它又在那儿。”好，最后一个问题。你当年是 Thiel Fellow。Thiel Fellow？是念 Thiel 还是 Thiel？
Thiel。
Thiel。Thiel，对。多么了不起的校友群体。天哪。那真是个很棒的想法和项目。那段时间有什么故事可能挺好玩可以分享？比如“哦哇，那太疯狂了”。我不知道。有没有其他你为之骄傲的 Thiel Fellow？面试是什么样的？我不知道，诸如此类。
是的，Thiel Fellowship 是我人生的一个转折点。没有它我不会是现在的样子。也许到了这个程度：有些关键时刻，你可以告诉人们去抬高他们的雄心，而他们真的这么做了，那改变了他们。那就是一个有人来到我面前、抬高了我的心志、说“不，你能做到这个。你不必走你原来那条路”的时刻。真的，我永远感激他们能做到这一点。我现在经常合作的一位 Thiel Fellow 是 Ari Weinstein，他创立了一家叫 Sky 的公司，被 OpenAI 收购了。在这之前，他创立过公司，也在 Apple 工作过一段时间，因为 Apple 收购了他之前的公司。(01:17:10): Ari 是我见过的最有创造力的思考者之一，而且是真正的专家——在 Mac 上你能做的所有酷事。所以 Ari 在 OpenAI 领导了我们很多 computer use 相关的东西，他为 computer use 交付了一大堆很棒的东西。是的，他的创造力、他对所做之事的快乐、他对这门手艺的热爱，真的很激励我。Ari 是个很酷的人。但我在想那段时间有什么好故事，感觉 [听不清 01:17:45]。
趁你思考的时候，我先给不了解的人解释一下泰尔奖学金（Thiel Fellowship），如果我说错了你纠正我。基本上，彼得·蒂尔的意思是：“嘿，人们不该去上大学。他们应该直接去试着做出点自己想做的事。”你会拿到 10 万美元，不用上大学，而是去追随自己的抱负。大致是这样吧？
对，完全正确。
不错。
而且当时你和其他 19 个人在一起。每年大概是 20 个人，因为是“20 位 20 岁以下”。
它办了多少年？现在还在办吗？
我想它还在办，不过头四五年好像是把人数限制在 20 人左右。对，我那年发生的一件特别疯狂的事是，我参加的是奖学金的第二届。他们决定把整个过程拍成一部在 CNBC 播出的纪录片，所以我当年为奖学金做的路演、上台展示我打算做的那个点子，所有这些不幸都还挂在 YouTube 上。所以如果你真想看 19 岁的我干些尴尬事，那里都有。当然，那一批奖学金成员里走出来的人当中，最了不起、最成功的人之一是 Dylan Field，他不仅才华惊人，而且人非常善良。嗯，能跟这些人共事，我觉得非常幸运。
太棒了。是啊。有意思的是，一提到泰尔奖学金得主，大家想到的就是 Dylan 这个人。
是啊。是啊。
品牌真是厉害。好，Tara，这期太精彩了。你有什么想宣传的、想推荐给大家的？以及听众怎么才能帮到你？
要说我想宣传、想推荐什么，也许大家该用用 ChatGPT 桌面应用。也该在网页版用 ChatGPT，试试 Work。可惜它只是个小开关，切换过去就能试用 Work。让它做点酷的事情。比如说，一开始可以让它给你建一个关于你自己的网站，或者让它把你的一段 ChatGPT 使用情况做个小可视化。这是个很酷的方式，能让你非常切身地开始体验这东西的威力，而从那之后能做的事是无限的，我对此很满意。
我有个更好的主意。我有个更好的主意。
好。
让它建一个网站，告诉你用 Work 能做什么。
太好了。这能行。
把所有问题都解决掉。好，我打断你了，抱歉。你还想补充或说点什么？
嗯，我主要的推荐就是：去下载 ChatGPT 应用，去网页版用起来。更有颠覆性的是，去手机上试试，然后坐一趟很长的地铁之类，或者坐一趟 Muni。等你从没信号的地方出来，事情已经替你办好了。那部分感觉超级神奇。你不用一直开着笔记本到处晃。你终于让这些东西在云端跑起来，干真正的活。
是啊，最后那点我本来也要提，我觉得这是今天这个产品里一个被严重低估的部分。那个云端部分，是只有手机端才有的功能吗？
不是，到处都有。
到处都有。好，那太棒了。所以在你手机上，你可以打开 ChatGPT，切换到 Work，让它干点活，你不需要真的拿着……它不是在本地运行，而是在云端运行。它会一直干到做完，然后你就可以跟它聊。所以它感觉非常简单，但这是极其强大的东西。好，Tara，在我们放你走之前，还有什么要说的吗？
没有了，就这些。
好。
谢谢你，Lenny。
Tara，这期太棒了。非常感谢你来做这期节目。
非常荣幸。
从当年的奖学金到现在，真是一段旅程。我会在开场里多聊聊这个。
是啊。
好，那就这样。谢谢你来。
谢谢。
大家再见。非常感谢收听。如果你觉得有价值，可以在 Apple Podcasts、Spotify 或你常用的播客应用上订阅本节目。另外，也请考虑给我们评分或留下评价，这真的能帮助其他听众发现这个播客。你可以在 lennyspodcast.com 找到所有过往节目，或了解更多关于节目的信息。下期见。