如何为 AI 重构 Airtable 的整个组织 | Howie Liu（联合创始人兼 CEO）
How we restructured Airtable’s entire org for AI | Howie Liu (co-founder and CEO)
嘉宾：Howie Liu
全文文稿 · 按对话顺序保留完整内容，深入理解上下文。
本篇目录1 章节
§01原文文稿 · 00:00–1:40:15§01原文文稿 · 00:00–1:40:15
如果你真的要带着同样的使命从零创办一家新公司，你会如何用一种完全原生于 AI 的方式来执行这个使命？如果你做不到，那就应该找一个买家；而如果你真的在乎这个使命，就去创办它的下一代。
或者说，对于为你工作的人，你调整了对他们的哪些期待，来帮助他们取得成功？
如果你想把一天，甚至整整一周的会议全部取消，只是去试用你认为可能与 Airtable 相关的每一款 AI 产品，那就去做。
在产品团队的不同职能中——产品经理、工程和设计——谁最成功地借助这些工具提高了生产力？
这确实越来越取决于个人的态度。这三个岗位中的任何一个，如果能跨到另外两个岗位，就会拥有很强的优势。作为产品经理，你需要开始更像一个兼具原型能力、又有良好设计感的混合型产品经理吗？
你觉得其中某个岗位会比其他岗位更有危机吗？今天的嘉宾是 Howie Liu。Howie 是 Airtable 的联合创始人兼 CEO。在这个播客里，我一直在和一些创始人交流，他们正在 AI 时代重塑自己经营了十多年甚至更久的业务，希望帮助你应对每家公司和每款产品此刻都在经历的生死攸关的转型。Howie 和 Airtable 的经历正是一个极好的例子，这段对话里有很多值得学习的东西。（00:01:20）我们会谈到一个我注意到的有趣趋势：Howie 很大程度上代表了一类正在重新成为一线贡献者的 CEO，他们再次亲自写代码、构建产品、带头推动项目。我们把这种人称为“亲自下场的 CEO”。我们还会聊到，在这个新世界里，Howie 认为产品经理和产品负责人，以及工程师和设计师，需要培养哪些非常具体的技能才能做好工作。我们也会聊到他如何把公司重组为两个团队：快速思考组和慢速思考组，以及这如何让他们的 AI 投资明显提速。（00:01:52）如果你正在努力弄清楚如何在这个新的 AI 时代取得成功，这一期就是为你准备的。如果你喜欢这个播客，别忘了在你常用的播客应用或 YouTube 上订阅并关注。顺便说，如果你成为我 newsletter 的年度订阅者，还能免费获得 15 款优秀产品的一年使用权，包括 Lovable、Replit、Bolt and Adyen、Linear、Superhuman、Descript、Wispr Flow、Gamma、Perplexity、Warp、Granola、Magic Patterns、Raycast、ChatPRD 和 Mobit。去 lennysnewsletter.com，点击 Product Pass。接下来，让我们请出 Howie Liu。（00:02:23）本期节目由 Lucidlink 赞助。Lucidlink 是一个存储协作平台。你已经做出了一款优秀的产品，但如何通过视频、设计和讲故事来呈现它，才是让产品真正鲜活起来的关键。如果你的团队经常处理大型媒体文件、视频、设计素材和分层项目文件，就会知道跨地点保持文件有序有多痛苦。文件散落在不同地方，你总要问：“这是不是最新版本？”人们等待文件传输时，创意工作也会被拖慢。（00:02:49）Lucidlink 解决了这个问题。它在云端为你的团队提供一个共享空间，用起来就像本地硬盘。文件可以从任何地方立即访问，不需要下载或同步，而且始终保持最新。这意味着制片人、剪辑师、设计师和营销人员都能在自己的原生应用中打开大型文件，直接从云端工作，无论身处何地都能保持协作。Adobe、Shopify 以及顶尖创意机构的团队都在使用 LucidLink，让内容生产保持快速顺畅。去 lucidlink.com/lenny 免费试用。网址是 L-U-C-I-D-L-I-N-K 点 com 斜杠 Lenny。（00:03:24）本期节目还由 DX 赞助。DX 是由顶尖研究人员打造的开发者智能平台。要在 AI 时代蓬勃发展，组织需要迅速适应，但许多组织的领导者很难回答一些紧迫的问题：哪些工具有效？大家是怎么使用它们的？究竟是什么在创造价值？DX 为领导者提供应对这一转变所需的数据和洞察。借助 DX，Dropbox、Booking.com、Adyen 和 Intercom 等公司可以深入了解 AI 如何为开发者创造价值，以及 AI 对工程生产力产生了什么影响。（00:03:58）想了解更多，请访问 DX 的网站 getdx.com/lenny。网址是 getdx.com/lenny。Howie，非常感谢你来到节目，欢迎你。
我太兴奋了。谢谢你，Lenny。我从远处听你的节目已经有一段时间了。
听你这么说我很受宠若惊。我也非常期待。过去这些年你经历了相当长的一段旅程，对吧？是 13 年，还是更久？
对，差不多 13 年。
13 年。我想这期间一定有很多高峰，也有很多低谷。我想聊聊这些，以及你一路上学到的许多经验。我想从 Airtable 历史上一个我猜非常令人意外的低谷开始。遗憾的是，我想到 Airtable 时会想到这件事，我觉得其他人可能也有类似印象：几年前有一条推文传播得非常广，有人把一堆数据发出来，说“Airtable 完了”。他们融到的钱远远超过了公司的价值，收入也不足以让公司摆脱资不抵债的状态。Airtable，安息吧。那到底发生了什么？其中有多少是真的？事情是怎么发展的？
基本上没有一句是真的。让我意外的是，这条推文竟然传播得那么广。坦白说，我后来回头看了这个人发的其他推文。我觉得他当时在 CB Insights 工作，而讽刺之处在于，那家公司的核心业务就是围绕私营公司数据提供可靠的数据和数据质量。但他对我们的收入规模和增长率使用的数字，实际上都错得非常离谱。如果这能让我得到一点安慰，那就是我回头发现，这个人还发过关于其他公司的推文，比如 Flexport 是他上一次“唱衰”的对象。他会说“Flexport 完了，它的估值太高了”，诸如此类。所以，对我来说，更令人意外的是，这个人一直在发一些没有真实数据或正确数据支撑的耸动观点，但偏偏这条推文传播得特别广，这才是让我困惑的地方。后来我觉得真正让它扩散开的是 All-In 播客。它当然非常受欢迎，我也听了那期节目。他们谈到这件事，说：“本周新闻的最新进展是这条关于 Airtable 的推文。我们怎么看？”（00:06:22）我觉得，这几乎成了一个讨论更大主题的切入点：上一代那些估值很高的公司，也许是十亿美元级别的独角兽，在当时公共市场和私人市场都经历剧烈变化的背景下会怎样。不过，他们后来确实发布了更正。All-In 在几周后又做了一期后续节目，说：“我们当时的数据错了，现在要修正我们对 Airtable 的分析和看法。”
有句话怎么说来着？谎言已经绕世界传播了若干遍，真相还没来得及起床。
是啊。我想，那次经历让我很快学会了关于迷因和道德的一些东西。我本来就不太擅长社交媒体，但至少多懂了一点。
是挺难受的。Twitter 的激励机制实在太错位了。人们发推是为了让别人愿意转发，而不是为了传播真相。
尤其是这样。我的意思是，我有很多喜欢的地方。我要说，我其实比起马斯克之前的 Twitter，更喜欢马斯克之后的 Twitter，因为它更大胆；我很欣赏那种不满足于守成、敢于大胆执行产品的做法，他们做了那么多改变。但我确实觉得，自己的信息流里总会被塞进非常煽情的内容，而这对我也有效。我忍不住点进去并参与互动，但这确实会导致这类内容不断扩散。
对。现在是 Nikita 在主持大局，不知道你有没有看到这个新功能：你截一张推文的图片，右上方会有一个巨大的 X.com 标志水印？对，就是为了让大家更容易分享这些推文。人们现在一直在分享这些内容。
是啊。
天哪。那边真是永远不会无聊。
确实。
好，我想换一个完全不同的方向，聊聊一件我非常期待和你讨论的事：我注意到一个正在出现的趋势，而且我觉得你正处在 CEO 再次成为一线贡献者的前沿。这是一种“亲自下场的 CEO”趋势：CEO 再次亲手做事、构建产品、深入细节、重新写代码。我觉得你正是这股趋势的代表。请谈谈你为什么这样做、为什么认为这很重要，以及这对你来说每天具体是什么样子，和几年前的生活相比又有什么不同。
至少对我而言，发生这种转变的根本原因是：公司刚创办时，我完全处于这种状态。我亲自写后端代码，思考平台的实时数据架构，也写前端，思考用户体验。我认为，在创办公司的那个阶段，在最初寻找产品市场契合点时尤其如此；特别是对于一款纯软件产品，我们做的不是像遛狗市场那样运营很重、技术只是事后补充的业务。技术就是产品，对吧？从很大程度上说，Airtable 是一个让其他人构建自己应用的平台。因此，一切都取决于非常细微的设计决策，包括架构、前端和产品体验。那就是产品的价值主张，这两者无法分开。你不能说：“好，我研究了待完成的工作，这是工作流，这是流程；接下来让某个工程师把它做出来就行了。”（00:09:40）真正塑造产品的，是那些细小的决策，以及对浏览器和实时数据架构中可能实现的前沿能力保持敏感。我觉得 Figma 也是如此，它和我们有一条非常平行的发展时间线。我们大约在同一时期创办，都花了两年半时间，由早期团队亲自动手构建产品，然后才发布。回头看从创办到现在的这段时期，以及如今新一代生成式 AI 的时刻，我觉得 SaaS 整体和 Airtable 都曾经历过一个成熟阶段。（00:10:19）随着公司扩大，你学会建立团队和组织，必须把那些并非产品细节的部分——流程、人员等等——规模化，你就会在默认情况下离这些细节越来越远。对有些企业来说这也许没问题，因为它们不再需要寻找那些能创造神奇产品市场契合点的细节，而只是要把已经奏效的东西扩大规模，用我所说的更粗线条的工具来增长，比如更粗线条的路线图和更粗线条的市场进入策略。（00:10:56）不管怎样，我认为现在我们正在进入一个阶段：在我看来，每款软件产品都必须重新创办一次，因为 AI 是一次范式转移。它甚至不同于从桌面端转向移动端，或从本地部署转向云端；后两者更像是一次性的、在一定程度上可预测的形态变化。AI 的发展速度太快了，每一次演进、每一个新模型版本、每一种新能力的发布，都意味着我们需要发明新的产品形态和新的用户体验模式，才能充分利用这些能力。（00:11:36）所以，在这个时代持续保持相关性、不断重新打磨产品市场契合点，我认为你必须深入细节。你不能站在一万英尺的高度看问题，说：“我们把一群人派去解决它就行。”你实际上需要理解什么才是正确的产品体验、支撑它的正确商业模式，以及支撑整个引擎、让产品领域能够利用这些能力的一切其他要素。
你有一个说法，好像是把自己称为首席品味官。
对。
而要做到这一点，你必须完全按照刚才描述的方式去做。
没错。我还想说，现在如果不亲自参与至少一部分创造过程，你甚至很难品尝出这锅汤的味道。也就是说，面对 AI，你可以只看最终产品，然后说：“好，这感觉对不对？我们是不是足够大胆，是否把这些新能力产品化得当？”但我认为，要真正理解可能的解决方案空间，你必须深入细节。（00:12:46）你不能只看新产品功能的截图或预录视频。AI 是必须亲自试用的东西。理想情况下，你既要试用自己用它构建好的应用或解决方案，也要直接试用底层原语，通过 API 或聊天界面使用这些模型，把它们推到能力边界。只有这样，你才能真正理解这些新“原料”是什么。就像厨师突然获得了一批惊人的新食材，但必须先熟悉它们，才能把它们做进一道新菜。
我们曾请 Dan Shipper 做客节目。他运营 Every 这家公司，同时也做 newsletter 和播客，帮助企业更好地采用 AI 并取得成功。我问他：一家企业能否成功采用 AI、实现巨大的生产力提升，有什么信号？他说，看 CEO 是否每天使用 ChatGPT 或 Claude。
对。
我觉得你描述的正是这种情况，而且是每小时都在用。
确实是每小时。你甚至可以用推理成本来衡量，对吧？也就是底层推理所消耗的计算周期。
你用了多少 token？
是的。我很自豪地说，我相当确定自己仍然是 Airtable AI 推理成本最高的用户。我最近刚查过一次，但我很长时间以来都把成为 Airtable AI 推理成本最高的用户当成一件值得骄傲的事，不仅是在我们公司内部，甚至可能是在全球所有客户中都是如此。我的确是有意在浪费计算资源。这里的“浪费”是指，我会做一些实际推理成本可能达到几百美元的事情。比如，对很长的销售通话记录发起大量 LLM 调用，提取不同类型的洞察，像是识别产品应用、生成摘要之类的。（00:14:49）我们现在还有一种基本上类似 LLM map-reduce 的能力。也就是说，即使因为上下文窗口的限制，无法把整个内容语料库放进一次 LLM 调用，我们也可以把所有内容分块，对每个块分别进行 LLM 调用，然后再对这些块的结果进行一次汇总调用。这样非常昂贵，因为你实际上是让一个成本很高的模型处理大量数据，然后又让它处理汇总结果。但对我来说，在这件事上花几百美元，与获得更好洞察的潜在战略价值相比微不足道。（00:15:29）这就像一位极其聪明的幕僚长，读完我们过去一年每一条销售通话记录，然后给我提供非常敏锐的产品洞察、营销洞察、定位洞察和细分洞察。这种价值不可估量。你可能要向咨询公司支付几百万美元，才能获得这种质量的工作。所以在我看来，当 AI 被积极而聪明地使用时，它的价值和实际成本之间仍然存在惊人的比例。更多人应该积极地把计算周期投入这些价值极高的问题。
直到有人发推文说，你们在 AI 计算上的花费太高，公司要被拖垮了。
我只是开个玩笑。就好像我们亲自把公司的现金流状况搞坏了一样。
CEO 和创始人听到这里，可能会想：好吧，我也应该开始这么做。那实际会是什么样？我猜你还有很多其他事情要处理。你怎样调整自己的日常安排，来做这些事？
我实际上默认减少了一对一会议的固定名单。这并不是因为我不想和人单独相处，而是我发现，固定的一对一会议越多，就越妨碍我及时参与其他话题。我倾向于把最好的会议看成由紧迫性驱动的会议：出现了一个及时的话题，或者你发现了某个洞察。也许我和一家新创业公司交流，从他们的产品或做法中学到了一些东西，我想把它带入我们对 Airtable 新功能的思考中，甚至只是把这个想法种在 Airtable 某些 EPD 同事的脑子里。我希望大多数会议都很及时，而且真正由有价值的新信息和洞察驱动。（00:17:20）除此之外，当我和某人面对面时，我会另外安排时间好好叙旧。这样的交流少一些结构，也不必追求时效性，更多是和一个真实的人建立关系。（00:17:53）但我发现，这两种安排放在一起，几乎像一个杠铃策略：如果要和某人进行自由形式的交流，就应该高质量地去做，而不是把它变成每周一次、被迫完成的例行仪式。可以一起吃顿时间长一些的午餐，边喝咖啡边散步，或者在条件允许时做其他面对面的事情。也许每一两个月安排一次。两次这样的交流之间，要么安排围绕具体主题的沟通，要么保留固定会议。现在，我们会每周对所有 AI 执行工作做一次 sprint 检查，而公司一半的人，或者说 EPD 部门一半的人，都在做 AI 能力。（00:18:29）我们正努力非常快地交付。我基本上总要问：如果是 Cursor 或 Windsurf 这样的 AI 原生公司，它们会怎么做？我们是否能像它们一样快地执行，是否也能同样利用所有新东西？把这种强度和紧迫感带入我分配时间的方式，是我最大的变化。
你做了什么改变，帮助公司加快速度、跟上这种节奏？
我们确实对 EPD 部门做了重组。过去四年左右，我们经历过几次不同的重组。最初，随着公司自然扩张，我们默认或逐步形成了许多小组，每个小组负责一个功能或一个产品界面区域。比如，有一个小组负责 Airtable 里的搜索，另一个小组负责移动端体验，等等。这样做有好处：这个团队显然可以深入熟悉那部分代码库和产品。（00:19:36）但它的缺点是，当每个人的职责范围从定义上就是一个需要逐步改进的功能时，大家往往会进行渐进式思考，而不是思考一个可能需要跨越更大产品范围、协调剧烈变化的使命或结果目标。因此，我们最初把组织重组为不同的业务单元。比如我知道 Airbnb 曾经把职能团队改成 GM 模式，等等。我们的做法更像是：我们有一个企业业务，它的重点是规模化。我们能否支持更大规模的数据集和使用场景？是否具备把一个应用推向一万或两万个席位、服务产品运营所需的核心能力？这里会涉及大量架构、规模化以及类似的工作。（00:20:19）我们还有一个团队，重点是自助服务、产品体验、产品是否容易采用和上手、分享，以及各种基础功能；另外还有 AI 支柱、解决方案支柱和基础设施。问题在于，虽然这种方式确实让团队做出了更整体性的投入，但它仍然不够。（00:20:58）例如，自助服务团队可以思考的不只是某个功能，还包括整体上手体验，以及以触及产品多个部分的方式实现的整合。但尤其是在我们开始更多地执行 AI 相关工作之后，这种结构仍然不允许我们像 AI 原生公司一样积极、快速地行动。看看 Cursor 这样的公司，它们每周都会发布重要的新功能。它们不会说：“我们有一条面向企业的独立路线图，还有一条面向另一个团队的路线图。”（00:21:33）它们就像一个统一的产品，以极快的速度持续交付。因此，我们最近进行了一次重组，现在有了我称为“快速思考组”的团队。它正式叫作 AI Platform，但实际含义是，我们希望几乎每周都发布一批新的能力，而且每项能力都应该真正创造巨大的价值，用户使用 Airtable 的新能力时应该惊叹于它有多好。除此之外，我们还有一个“慢速思考组”。这并不是说它更好或更差，而是从字面意义上说，作为人类开展工作时，本来就需要快速思考和慢速思考。
那本书就在我身后。
对，我很喜欢那本书。但慢速思考只是另一种规划和执行模式，对吧？它更审慎，需要更多前期思考。我们不可能在一周内，用一个临时拼出来的原型，交付像 HyperDB 这样的基础设施；它要处理非常复杂的数据问题，如今可以承载数亿条记录的数据集。现在，公司有这两个不同的部分，而我觉得真正有意思的是，它们其实配合得非常好。（00:22:46）快速执行的 AI 工作会制造顶层漏斗的兴奋感，也会启发新的使用场景和新用户来到 Airtable，其中当然也包括大型企业。企业同样可以使用这些能力，它不只是面向中小企业的东西。慢速思考则让最初的采用种子得以发芽，最终发展成更大规模的部署。相比之下，我看到许多 AI 原生公司面临的挑战是，它们可能拥有非常宽的漏斗，吸引大量因为好奇而来的 AI 体验者，带来很多关注和早期使用，但有时难点在于，如何把这些早期采用转化为更持久的增长，并让每一颗采用的种子随着时间留存和扩张。
这太酷了。我从没听说过这样组织团队：快速思考、快思考和慢思考，也就是卡尼曼的概念。对于快速思考组，你是否发现有某些特定类型的人更容易在那里取得成功？是不是需要引入一些不习惯 Airtable 现有工作方式的新成员？你的观察是什么？
两种人都有。我们一直在招聘，公司发展历程中从未停止过招聘。坦白说，即使我们不得不进行两轮裁员，大幅减少员工人数，我们也只是曾经在某个阶段发展得太快，把业务规模扩张过度了。但即便在裁员之后，我们仍然在各个主要部门积极招聘，尤其是在 EPD，因为我一直认为，如果说我们今天的团队已经拥有未来所需的所有人，那会是一种傲慢。我们总是需要寻找新的视角、新的技能等等。因此，我们持续招聘，也在实践中逐渐学会什么样的人才是理想的招聘对象，并从实际招聘中吸取经验。对于快速思考组，我认为它真正需要的是能够高度自主地工作、天生具有创业精神的人。这并不意味着他们必须是前创始人。我知道有些公司会像 Rippling 那样进行真正的收购，把创始人带进公司。（00:25:04）我们发现这种做法很好，也做过类似的事情。但还有一些非常有能力的人，我们不需要通过收购把他们带进来，他们本身就能从全栈角度思考问题和用户体验。这里的问题不只是技术层面，还包括我们想创造什么样的惊喜感。具体来说，我们即将发布一项新能力：你不仅可以描述想构建的应用，然后和我们的对话式代理 Omni 一起迭代；它会利用 Airtable 现有的平台能力把应用构建出来，我们还赋予它代码生成能力，可以用非常定制化的最后一公里功能或视觉效果扩展这些应用。你可以说：“给我生成一种非常具体的地图视图，要有这样的热力图、这样的图标……”
就像要有热力图和这种图标，点击它之后要执行这个操作。这项能力涉及的设计决策有很多模糊之处。你必须把设计思维和技术限制结合起来，判断 AI 模型究竟能否有效地一次完成这些工作。（00:26:21）如果不能，你要怎样加入合适的人工流程，用于审批、审核、重新提示等等？这里有非常多不同的设计决策，所以你需要有人能够从全栈角度真正思考这类产品，而且不会被这种开放性压倒，反而会享受这种开放性。
在我们开始聊天之前，我其实就在试用它。我做了一个非常可爱的创业公司 CRM。
哦，太棒了。
对，我在这边开始和 Omni 对话。它的配色非常漂亮——
[听不清 00:26:47]。
……所以这就是目前最吸引我注意的地方。
[听不清 00:26:49]，确实有……
对。
我想特别说明一点：我本质上是一个产品体验的人，这是我的热情。我为了经营这家公司而不得不学习的其他一切，几乎都只是旅程中必要的一部分。但我真正热爱的是思考产品体验。而且我理解的体验，比那种可以放进 Framer 原型里的外观设计更深。对我来说，问题是产品究竟应该做什么，以及它应该如何向用户呈现、如何为用户运作？我认为那才是产品本身。当然，之后还要弄清楚技术上什么可行，以及如何实现。（00:27:36）但在我看来，今天的 AI 产品世界没有充分做到这一点。AI 有那么多出色的能力，但其中绝大多数都没有得到很好的产品化；无论是视觉表达还是其他形式的隐喻和可供性，都很欠缺，用户很难借此理解底层能力究竟是什么。ChatGPT 显然是一款极其成功的产品，我完全不是在贬低它，但你打开它，默认看到的就是一个完全空白的聊天框，现在下面多了一些建议，等等。（00:28:13）但作为一个产品体验的人，我渴望看到更多视觉隐喻、色彩，或者利用网页界面的画布和其中丰富的交互，更好地表达和展示底层模型能够完成的各种事情。这也是我们尝试在 Airtable 里做的：展示所有不同的状态，甚至利用色彩把这些状态凸显出来。
这很有意思。它和我刚刚在节目中采访 Nick Turley 的内容联系得很紧密。他是 OpenAI 的 ChatGPT 负责人，他提到的两个非常有意思的洞察，和你描述的内容直接呼应。第一，他有一个概念：无论什么时候有人在推进一件事，他都会不断问：“这件事是否已经做到最大限度的加速？我们怎样才能更快？如果这件事很重要，什么因素能让我们更快？”
对。
我喜欢你谈话中不断出现的这个主题：创造非常清晰的速度感。你甚至把它称为快速思考组，意思就是“你们要快速行动”。另一个洞察是，面对 AI，你往往要等它真正发布之后，才知道它能做什么，以及人们想用它做什么。因此，必须先把它推出去，而产品发布之后的反馈会告诉你它应该成为什么。
我完全同意这两点，尤其是第二点，我觉得很有意思。显然，AI 产品既有在产品驱动增长（PLG）模式下取得成功的公司，也有依靠销售驱动分发的公司。我能想到最典型的例子是 Palantir 的 AIP 部署，那显然是销售驱动的，你不可能通过 PLG 自助使用 Palantir 的部署。但 Harvey 等公司也做得非常好，据我了解，它们主要也是销售驱动的。（00:29:59）你不可能在一家律师事务所里自助开通一个 Harvey 实例。然而对我来说，把 AI 的价值传递出去，最好的方式是让人亲身体验，对吧？销售流程当然也可以做到这一点：你可以展示演示，也许还可以做概念验证。但如果你直接敞开大门，说“任何想注册并试用这款产品的人都可以来”，效果会强大得多。在我看来，ChatGPT 可以说是有史以来最成功的 PLG 产品，至少从用户规模来说是这样。他们宣布过 7 亿……是月活用户，还是周活用户？我想其实是——
周活跃用户。
每周。
地球上 10% 的人都在使用它——
这太疯狂了。
……而且是每周使用。
太疯狂了。用了几年？几年时间。
三年。不到三年。
对。所以这确实是最疯狂的增长曲线。我不认为如果用户不能直接进来试用产品，他们能做到这一点。这也多少回应了我刚才提到的一点：我认为 ChatGPT 现在还没有充分展示它能做的各种事情，早期展示得更少，但它把亲自试用的阻力降到了最低。用户可以进来，直接问它任何问题，看它会如何回答。当然，早期很多人会故意给它出难题，然后说：“看，它没那么聪明，这个难问题它答得不好。”（00:31:26）但它的神奇感显然仍然足以吸引你。所有人都在使用它。所以我确实有一个看法：我们已经走过了这样一整段历程。最初我们采用 PLG，我愿意相信 Airtable 曾经是那个时代最受喜爱的 PLG 公司之一。后来我们开始进入更高端的市场，更多地采用销售执行，虽然企业内部通常仍然以 PLG 为基础；我们逐渐增加了销售执行，这对我们现在的业务仍然很重要。但我个人的目标之一，是把注意力重新转向由构建者带动的采用，直接在产品体验中展示 AI 和 Airtable 能带来的价值，而不是在演示文稿里告诉用户它有什么价值。（00:32:20）我认为这一点非常关键，而且它不只是……它也不仅仅是“如何让某个人上手产品”。真正的问题是要思考完整的产品体验。在我们的案例中，我们把整个产品体验都变成了以 AI 为中心。过去，助手侧边栏是一个你可以向它提问的附加功能；现在，我们把代理设成了在 Airtable 中完成一切事情的默认方式。正如你所知，现在 Airtable 应用本身几乎就像一个由代理操纵、也可以被代理调用工具的产物。
我沿着这个话题继续问。如果你今天访问 Airtable.com，它看起来基本上和其他 AI 应用构建网站一样：它现在只是在问“告诉我你想构建什么”。对于这个如今大家都开始做的事情，你怎么看？接下来会发生什么？它做得好吗？
用 AI 进行 vibe coding 和应用构建，显然有一种不可思议的魔力。在我看来，这正好说明了我们刚才谈到的那个概念：随着底层模型的能力演进，产品中的形态和体验也必须随之演进。最早的模型，比如最初的 ChatGPT，也就是 GPT-3.5 那一代，远没有现在的模型聪明。因此，你不能要求它一次生成一大段复杂代码，更不可能期待它一次做出一个全栈应用并正常运行。（00:33:56）所以，在软件创建场景中利用那一代模型的正确产品形态是 GitHub Copilot，对吧？它一次自动补全几行代码。你不能和它聊天，然后说：“从零开始帮我构建整个应用。”随着模型越来越强，你就看到了新的形态出现。我认为 Cursor 很早就开创了更具代理性质的模型使用方式，让模型去完成更复杂的事情、生成更大的代码块。（00:34:27）现在有了 Composer，你可以直接进入 Cursor，说“从零开始帮我做一个应用，做一个从零开始的 3D 射击游戏”，然后看着它创建所有文件、填充每个文件；有时候最终真的能运行起来。对我来说，这就是世界的发展方向。模型显然越来越聪明。如果回看 Airtable 最初的愿景，它一直是要让软件创建民主化。我们坚信，使用应用的人数，远远超过能够自己构建或修改应用、利用定制软件为自己创造优势的人数。
这听起来如今非常耳熟，真的非常耳熟。
对，完全正确。所以我认为，这只是通往同一个终点的另一种方式。我们几乎必须拥抱它，因为如果今天才创办 Airtable，这就是我们会全力投入的方向。但我认为，我们的优势在于，尤其是对于一家早于生成式 AI 诞生的公司、如今必须在 AI 领域找到新立足点的公司，你必须对自己保持现实。你不能自欺欺人地说：“好，我在落地页和营销网站上加一点 AI，再放上几个 AI 功能，就算完成了。”（00:35:43）你实际上需要从一张白纸开始问：“如果带着同样的使命从零创办一家新公司，我们怎样才能最好地表达这个使命？如果完全采用 AI 原生的方式，我们会如何执行？”然后还要问：你能否利用现有产品和现有业务中有用的构件？还是说，相比从零开始，拥有这些历史资产反而让你处于更糟糕的位置？我认为答案并不总是非黑即白，而是取决于具体产品。（00:36:19）如果你无法认真审视自己并说：“我觉得利用现有业务和产品中的这些构件，我能更好地做到这一点”，那我认为你就应该卖掉公司，找到一个买家；而如果你真的在乎这个使命，就去创办它的下一代。对我来说，我确实认真思考过这件事，也坚定地认为，我们拥有的这些无代码组件，比从零开始更能让我们执行这一愿景。（00:36:50）也就是说，vibe coding 的问题，尤其是在构建业务应用时——我需要澄清，我们想让软件创建民主化，但具体聚焦的是业务应用。我们不是要成为一个让人创建酷炫病毒式消费游戏的平台。我们的目标是 CRM，比如小餐馆想构建库存管理系统，或者律师想构建案件管理系统；这一直是我们的重点。在这个 AI 原生世界里，这些应用显然应该能够由代理来生成。（00:37:24）但如果一个代理必须从零开始用代码生成应用的每一个细节，它就会非常不可靠，会出现 bug、数据问题和安全问题。而且随着应用变得越来越复杂，还会出现上下文崩溃，因为代理根本无法管理自己写下的全部代码。我们拥有的实际上是一些原语，代理可以操纵和调用它们，而不必从零写代码来表达诸如“在数据层之上提供一个漂亮的 CRUD 界面”。我们的界面是实时的、协作的，而且功能丰富；另外还有各种视图类型、用于自定义界面和布局的布局引擎，以及自动化和业务逻辑。（00:38:31）所以用编程术语来说，Airtable 这套乐高积木如今可以被代理当作一种更有表达力的 DSL，也就是领域特定语言，用来构建业务应用，而不是必须把 SQL、HTML 和 JavaScript 全部写出来，从零实现应用的每一部分。（00:38:31）如果能把两方面最好的东西结合起来，我们就拥有可靠而高质量的乐高积木，代理可以替你组装它们，而不必让你亲自操作 GUI。当然，如果你确实想回到 GUI，也有很好的方式让非技术用户理解并参与正在发生的事情。相比之下，如果你不是技术人员，就无法检查 v0、Lovable 或 Revolut 应用底层的代码；它对你而言是不透明的。如果你无法通过重新提示来得到想要的结果，就会陷入困境。（00:38:58）这更像是开发者使用 Cursor：他可以生成大量代码，但仍然可以回到 IDE，编辑和调整，直到达到最终可用于生产的状态。这就是我们正在采取的路径。如果我不真正相信，利用现有产品我们有更好的机会做到这一点，我也不会以现在这种形式继续经营这家公司。
我正在和很多经历类似旅程的创始人交谈：他们经营一家公司十年，AI 出现了，然后突然意识到，必须找出一种行得通、甚至能做得更好的方式。我试图从这些旅程中提炼出反复出现的线索，因为很多公司都在努力弄清楚这一点。你刚才提到的一条线索就是：如果今天重新开始，你会做什么？那家公司会是什么样？此外，我们过去做的事情是否带来了某种不公平优势？这似乎是一个重要因素。另一个线索是你已经分享过的：创造紧迫感和速度感，让大家理解 AI 的推进方式，建立快速思考组。我很喜欢这个比喻和框架。（00:40:11）还有一点是，创始人经常和 AI 对话似乎很重要。要真正成为一位亲自下场、持续使用 AI 的 CEO，就要经常和 AI 一起工作。沿着这个话题再聊一点，给大家一个日常工作的具体画面：你是不是整天都在和 Omni 对话，努力拓展它的能力、反复试验？除此之外，你每天还会做什么，来帮助自己判断公司的下一步该做什么？
第一，我会尽可能多地使用各种 AI 产品，包括 Airtable 之外的产品。一方面是因为新鲜感，另一方面也是因为总会有新的酷炫演示出现。比如 Runway 发布了沉浸式世界引擎，我就会去试试。Sesame AI 发布了很酷的互动语音聊天演示，我也试了。虽然我们近期没有直接需求去做非常逼真、可以被打断的语音模式，它也不是我们能力的核心，但我就是想了解外面有什么，亲自感受一下。（00:41:23）我还会给自己设计一些小型的、几乎像副业项目一样的东西，为使用这些产品创造一个真实的理由。比如：“好玩。要是我用 HeyGen 的虚拟人和一段脚本，做一个有趣的短视频呢？脚本可以由 AI 生成，而且主题要有意思。”于是我会用 ChatGPT 对这个主题做深入研究，整理研究结果，让它写出一小段对话。
你真的做了这个吗？你做出了什么东西？
做了。这就是一个真实例子，只是一个有趣的周末项目。坦白说，如果你已经相当熟练地使用这些产品，这些事情一小时就能完成。它们都太容易使用了。你可以让它开始做深入研究，发起查询，然后去泡杯咖啡，20 分钟后回来。好，现在提示它生成一段对话。这个过程有点像 NotebookLM 开箱即用能为你做的事，但有时候我喜欢自己完成。然后，把脚本拆开，做成 HeyGen 虚拟人视频，下载视频并播放。（00:42:32）纯粹是为了好玩。我没有打算把它做成真正的 YouTube 视频生意。但我觉得，做这些有趣的周末项目，是迫使自己真正尝试这些产品、而不只是随手点几下的一个非常有用的方式。它带给我的第一点收获是，我不只是理解模型本身——这当然也非常重要。比如 GPT-5 昨天发布了，我用各种个人场景反复试用它。但理解模型和理解模型可以被放入哪些产品形态，是两回事，对吧？（00:43:15）也就是说，当你以更结构化的方式应用模型，用不同于 ChatGPT 开箱形态的工具调用来应用模型，或者采用更具代理性质的工作流时，这可能和 ChatGPT 开箱即用的方式完全不同。到了这个时候，你才会真正学会、也真正受到启发，去思考这些新模型可以采取哪些产品形态。另外，顺便说一句，我觉得使用 AI 本身就非常有趣，它还带来一种愉悦和娱乐价值，因为第一，它并不是完全可预测的。（00:43:57）你不知道自己会得到什么，这就像一盒巧克力。我觉得这其中有一种成分很吸引人。第二，每当我想到“五年前我们根本没有这些东西”，都会感到震撼。那时 AI 还只是：好吧，我们可以用 AI 做预测分析，也就是运行一些非常高级的回归，但它和现在的形态完全不同。以我个人的看法，能够试用不断出现的各种产品，确实非常有趣。（00:44:33）我认为这也是其中很重要的一部分，因为 AI 世界发展的速度远远超过 SaaS 的其他领域。在成熟 SaaS 时代，如果你在做一家 SaaS 公司，却不每年研究 Salesforce、了解它发布了哪些重大功能，或者不关注 ServiceNow 等公司，那就太不应该了。（00:45:03）如今 AI 相当于同一件事，只是重大版本、新产品等不是每年出现，而是每周出现。因此，你必须跟上所有变化。而且，这和我们之前说的很多内容必须亲自体验、不能只读有关。你不能只阅读 TechCrunch 上关于某项新能力的报道，甚至不能只看一条相关推文；你必须真正试用它，才能感受到它是什么。
今天的节目由 Anthropic 赞助，他们是 Claude 背后的团队。我每天至少使用 Claude 10 次。我用它研究播客嘉宾、为播客和 newsletter 构思标题、获取写作反馈，以及做各种其他事情。（00:45:49）就在上周，我在准备采访一位非常有分量的嘉宾。我让 Claude 告诉我，其他播客主持人曾经问过这位嘉宾哪些问题，这样我就不会重复问。你每周要花多少时间，把用户研究洞察、支持工单、销售通话、实验结果和竞争情报综合起来？Claude 可以处理极其复杂的多步骤工作。（00:46:13）你可以把一份上百页的战略文档交给它，让它提炼洞察；也可以把所有用户研究资料倒给它，让它寻找模式。使用 Claude 4 及其新集成，包括世界上最好的编码模型 Claude 4 Opus，你可以进行语音对话，使用高级研究能力，直接集成 Google Workspace，还能通过 MCP 连接自定义工具和数据源。（00:46:34）Claude 会直接成为你工作流的一部分。如果你想试试，请访问 Claude.ai/Lenny。通过这个链接，你购买 Pro 方案的前三个月可以享受 50% 的优惠。网址是 Claude.ai/Lenny。对于 Airtable 中为你工作的那些人，比如产品团队、产品经理、工程师和设计师，你怎样调整了对他们的期待，来帮助他们在这个新世界里取得成功？
第一件事，是反复、非常反复地强调：去玩这些东西。我说“玩”，是指心理意义上的玩。你带着“我要把工作完成”这种心态进去，和带着好奇心去探索，是两种不同的状态，对吧？后者更有趣、更能带来能量，而且我认为你也能从中学到更多。所以我一直在强调，和这些 AI 产品一起玩的价值。（00:47:36）我也会亲自示范：直接分享我在不同产品里做的事情的链接或截图。比如，我会进入一个原型工具，说：“看，我为我们即将发布的新能力做了一个营销落地页。”假设我在 Replit 里做了这个落地页，现在我就把链接分享出来。过去我们通常会做的是写一份文档，然后分享文档；而现在，我会直接展示一个真实的落地页，里面有视觉效果和一切内容。（00:48:20）或者，我会分享自己做的深入研究报告的链接。过去我可能会针对一个主题写一份完美的备忘录；现在，我会直接通过提示词得到一个聊天线程或聊天输出，让它覆盖我关心的全部内容，甚至让它把这些内容总结成最终的备忘录，然后我会有意分享这个结果，而不是掩饰自己正在以这种方式使用 AI。我还会把提示词展示出来，让大家可以照着做。（00:48:49）但最重要的是，我真的在鼓励每个人去玩这些产品。我甚至说过：“如果有人想真的空出一天，或者干脆一周，给自己找一个最充分的理由去尝试，你可以说是我让你这么做的。如果你想取消一天或一整周的所有会议，去试用你能找到的、你认为可能与 Airtable 相关的每一款 AI 产品，那就去做。就这样。”所以我认为，最重要的是这种玩耍和实验。还有许多其他变化，比如我们现在更强调用原型而不是演示文稿来执行。我想看到真正可交互的演示，因为在演示文稿或 PRD 里，你可以说：“好，我们要让 Omni 非常擅长处理这一类应用构建。”但这些都只是文字。真正的证明在于：用几个你能想象到的、真实的提示词试试看。（00:49:49）在演示或真实原型里，你可以立即用一些不符合预期的场景，而不是只走理想路径，来看看产品用起来是什么感觉。它是不是太慢？我们是否需要展示更多正在发生的推理或步骤？要不要创建一个进度条之类的东西？但除了真正能开放地使用 AI、对你输入的任何内容都做出响应的功能原型之外，很难感受产品究竟是什么样。（00:50:24）所以，我觉得我们的执行方式更像一个实验游乐场，而不是过去那种更确定的资源配置和时间表：我们要为这个问题安排这么多人，用八周时间完成这个里程碑，然后在一个季度后发布。现在，一切都更多地由实验和迭代驱动。
在产品团队的不同职能中——产品经理、工程和设计——谁最成功地借助这些工具提高了生产力？你觉得随着时间推移，这会如何影响这三个职能？
我的发现是，这越来越取决于个人的态度，也可能取决于一个人是否具备跨学科能力。这三个岗位中，任何能够跨到另外两个岗位的人都会拥有很强的优势，也就是那种混合型的“独角兽”。（00:51:26）如果你是一名设计师，具备足够的技术能力，足以大胆尝试，并且理解模型如何运作、工具调用如何运作以及类似的事情，那么你就能设计出一个概念，甚至做出一个原型；在原型工具里也一样。这样的概念会比一个只能停留在静态设计稿里的概念更有趣，也可能更贴近现实，因为我认为设计必须更加互动。整个……产品的价值和产品的功能，其实就在交互里，对吧？
想想 ChatGPT 的设计。再说一次，它可能是你能想象到的最基础的设计。真正的设计其实发生在底层：它如何回应不同的查询，以及你发出提示之后会发生什么，对吧？所以我发现，在每个职能里，都有人能做到这一点。有些工程师非常擅长思考产品和体验，他们可以把整个东西原型化；设计师也能做到，即使不会真正写代码，也可以使用原型工具把东西做出来。（00:52:42）我认为，AI 工具也在让那些能够这样思考的人获得更大优势，因为它们提供了一种替代方案，让人不必先经历漫长的计算机科学学习过程。产品经理也是如此。我认为，有些产品经理正在深入技术细节，学习这些东西究竟如何运作，并亲自动手，而不是把自己的角色理解成写文档、写 PRD。
你觉得这些岗位中有哪一个会更容易陷入困境吗？比如未来可能不再需要这么多这类人才？
我认为总体上，你可以用更少的人完成更多工作。这不是说我们想把团队变小，而是对我们以及很多其他公司来说，真正酷的地方在于：你要做的事情并不是一组有限的产品任务，做完之后就结束了，然后发现原来只需要十分之一的人。很多情况下确实可以这样，但对我们来说，也许还因为我们是一款非常元的产品，对吧？我们是一个应用平台，如今你可以借助 AI 构建任何 AI 应用。应用本身也会在运行时调用 AI 能力，比如为创意生产工作流生成图像，使用深度研究，或者基于某些条件抓取和搜索公司，为你的交易线索应用寻找符合条件的公司。（00:54:10）我们实际上可以在这个应用平台中调用所有这些其他 AI 能力，因为从定义上说，我们让客户能够构建具有广泛 AI 能力的应用。但正因如此，我们可以执行的 AI 能力几乎是无限的。我总是对团队说：“好消息是，我们就像拥有一大片果树，而且有许多夸张地低垂的果实。你甚至会看到硕大的西瓜就躺在地上，只要走过去 20 英尺把它捡起来就行，不必爬上 50 英尺高的椰子树去摘一个难摘的椰子。所以地上有这么多西瓜，直接出去找最大的那些，开始解决它们。”（00:55:03）这意味着，如果我们能建立起这种文化——我确实认为这是一种可以学习的工作方式，我也非常愿意相信每个人、每一个人的成长潜力——只要你真正具备成长型思维，这也是“成长型思维”成为我们最重要核心价值观之一的原因。尤其是如果你愿意投入夜晚和周末的时间；在我的情况下，我甚至会告诉大家，拿出完整的一天，拿出完整的一周，去学习这些东西。这样你就能越来越熟练地用这种方式工作。最终，我们得到的是一支能够以更高杠杆、更快的方式处理更多事情的团队。（00:55:48）所以我愿意相信，愿意跳上这列火车的人会越来越有效率。这并不是说：“作为产品经理，我的角色是不是完全无关紧要了？”不是。它意味着，作为产品经理，你需要开始更像一个兼具原型能力、又有良好设计感的混合型产品经理。顺便说，我认为过去几十年里，一些最好的工程、产品和设计文化，本来就具有跨学科特征。Google 最初的产品经理岗位要求产品经理具备一定的技术能力，这样他们才能理解自己想做的产品设计有哪些工程限制；同时他们也需要有一定的设计感。（00:56:33）我记得我的联合创始人 Andrew 参加 APM 项目时，总是在读设计方面的书，甚至会读视觉设计、色彩理论之类的书。所以我觉得，这也提醒了设计师：一些最优秀的设计师，包括苹果的设计师和硬件设计师，都必须理解这些东西的技术能力是怎样运作的。如果你是工程师，我认为一些最好的工程师——Stripe 可能一直都有很好的工程文化——都是能够思考产品和业务需求的工程师。据我了解，在 Stripe 的任何一个产品小组里，直接负责人的角色并不总是像传统三角关系中那样由产品经理担任，有时反而是工程师带头负责产品，说：“这就是我们需要构建的东西。”
所以我听到的本质上是，在产品、工程和设计之间，每个职能都至少需要擅长另外一个职能。
对。
理想情况下，三件事你都能做。但即使只多掌握一项，也会有帮助：产品经理变得更擅长设计，工程师变得更擅长产品管理。
我其实会把这个说得更进一步：我认为你需要对三者都达到相当不错的水平。无论你属于哪一个岗位，都至少需要具备另外两个岗位的基本能力，然后再在自己的专长上深入。比如你可以是一名非常擅长思考用户体验和交互设计的设计师，同时在技术上也要达到足够大胆尝试的程度，能够思考什么在技术上可行，以及这个功能的产品叙事是什么。
我喜欢这个观点。为了做到这一点，你反复提到的一条建议就是持续使用这些工具，看看它们能做什么，这会教会你很多相关能力。
我认为，使用工具会让你接触到可能性，对吧？这有点像，如果你想成为一名优秀的工业设计师——椅子是工业设计最经典的入门练习，是具有代表性的设计对象——你不会在完全不了解可用材料（比如胶合板、钢材等）和现有椅子形态的情况下，凭空坐在那里，试图发明世界上最好的椅子。你应该先研究现在最好的椅子，去看看 Eames 椅，坐上去，尝试逆向分析它是怎么做出来的，研究这类产品的已有设计。这就是我理解的“出去试用这些产品”。而且我认为，真正去设计、实现或执行，本身就是最佳练习。（00:59:21）你不能只看别人的椅子，最终还是要亲手做一把自己的椅子，然后再做一把、再做一把。所以，当我思考自己是如何磨炼产品体验判断力时，我从来没有……那时我还在学校学习相关知识，实际上并没有很好的用户体验课程。大学里并没有很多优秀的产品体验课程。甚至计算机科学在当时也很学术，并不是应用软件工程，不是“构建一个应用”之类的课程。也许现在斯坦福、麻省理工等学校有了真正偏用户体验的课程，但对大多数人来说，接触这类课程仍然很少。（01:00:03）所以，我学习产品判断力的方式就是不断试错、使用和研究其他产品，然后尝试构建自己的周末项目。比如：“我想做一款类似 Yelp 的应用，带有地图视图和列表视图；我希望在地图上移动时，列表视图能够自动更新。”也许我能在此基础上做一些用户体验改进，同时还可以测试自己的技术能力，弄清楚哪些部分难以实现、要怎样让它运行起来，以及应该做哪些设计改变或增加哪些交互提示，才能与技术上的可能性匹配。
说到这一点，我很喜欢你给的建议，之前忘了再强调一次，我也觉得它非常有力量。最好的建议是：找一个对你真正有用、又有趣的东西来构建。选一个你觉得“做出来会很好玩”的项目。找一个你要解决的问题，让它迫使你真正去做这件事。
当然。这个项目可以是夜间和周末的项目，也可以是白天工作中的项目。我尤其对 AI 平台组的团队说：“在刚才那个低垂果实的比喻里，我不会规定你们应该摘哪一个西瓜，但你们应该出去找。”这个团队里确实有不同的小组，其中一个叫 Field Agents 团队，负责在你的应用中运行的代理。它不是用来构建应用的代理，而是代表客户执行任务的代理：可以研究客户，也可以分析文档，未来或许还可以根据 PRD 或功能想法，直接生成某个功能的原型。（01:01:52）我告诉他们：“你们可以赋予这些 Field Agents 几乎无限的超能力。我不会具体规定你们应该做哪一种。你们当然可以让我参与判断，但你们应该自己去试验和原型化几个不同方向。”比如，你可以原型化一个深度研究能力在 Field Agents 中的实现：对于每一行数据——假设你管理的是播客嘉宾——你可以点击一个按钮，或者一次点击所有已安排嘉宾，为每个人启动由 ChatGPT 深度研究能力驱动的研究，然后把结果并排呈现在这张表里。去做出这个原型，看看它用起来、看起来是什么感觉。我认为，这些事情也完全可以成为你的日常工作，尤其当你的工作本来就是构建 AI 功能时。
我其实试过做完全一样的事情。但我遇到的问题是，据我所知，ChatGPT 的深度研究还没有 API。我不知道现在有没有变化。
现在有了，现在有了。
有了，太好了。
有时成本会达到每次研究调用一美元以上。我想他们也是最近才开放这个接口。
真划算。
我的意思是，正是如此。有些人可能会说：“天哪，这太贵了。”如果调用 50 次，你每月就花了 50 美元。但我觉得，这相当于节省了一个人类研究员数小时的研究时间。
不仅如此，我确实雇了一名研究员，付给他四五百美元，让他为我提供嘉宾背景资料；相比之下，一美元听起来太划算了。我一直在手动做这件事——
[听不清 01:03:28]
……我一直在手动做这件事。
如果他够聪明，就应该使用深度研究；他们可能只是收了钱，却用……[听不清 01:03:33]
他们可能确实在用，也可能就是这样。天哪。好，我还想快速聊一种技能。这在这些对话中经常出现，就是评估（evals）。
好。
我知道你非常看重把评估做好这项能力。你谈谈为什么认为大家需要擅长这件事。
对，我听过你和[听不清 01:03:54]以及 Mike 的节目，他们都谈到了这件事。我觉得很有意思，OpenAI 和 Anthropic 的负责人最终都得出了相同的结论。不过，我想补充一个略有不同、但也可以叠加的观点：对于一种完全新颖的产品体验或产品形态，你其实不应该从评估开始，而应该从感觉开始，对吧？也就是说，你需要以一种更加开放的方式去测试：从广义上看，这东西到底行不行？（01:04:28）比如，对于我们的自定义代码生成功能，与其先定义一套评估，在改变提示词、模型或用来生成输出的代理工作流时反复测试，并且根据评估的定义预先规定什么叫好，不如一开始采用更加开放、临时性的方式：把各种东西都扔进去，试不同的提示词，看看效果到底怎么样。（01:05:01）在我看来，评估更有用的阶段是：第一，当你已经确定了产品形态的基本框架，知道它要在哪些使用场景中表现良好，以及想用什么来测试它。但在早期，尤其是在为一个全新的公司寻找产品市场契合点，或者为一种非常大胆、全新的能力寻找产品市场契合点时，如果它不是 Airtable 现有功能的渐进式改进，我认为你一开始需要更有创造力地试验，把各种东西扔进去，看看什么有效。这样你才能理解。比如，我们正在实现一种新能力：它可以使用一个长期运行的 AI 爬取代理，去网上研究某一类对象或实体。（01:05:55）它和深度研究相似，但它并不是输出一份报告，而是整理出一份清单。清单里可以是公司、人物或者其他任何东西。你可以让它找出所有曾经制作的漫威电影，或者所有 DC 漫画衍生剧，几乎任何东西。你首先要做的是尝试许多随机场景，用自己的大脑想一想：我可以拿哪些不同的使用场景来测试？然后看它返回什么结果。你可能会发现，效果特别好的，是这几类搜索：带有这类参数的人物和公司。（01:06:42）在我看来，一旦你对那一组有用的使用场景有了感觉，评估就有用了。你可以开始更系统地衡量自己做的改变，看看它们是否改善了这些场景的输出。但到了这一步，你大概已经界定了产品范围；在 Airtable 里，我们可能也不会把它包装成一个完全开放的能力，而会说：“这里有一个具体能力，可以研究若干类实体，包括人物和公司；这里还有更明确的筛选条件或标准，你可以定义这些条件，让它按提示去搜索。”（01:07:25）所以我认为，评估更适合作为迭代改进的方法。你可以开始进行真正的经验测试。如果你有 Anthropic 或 OpenAI 那样的大型产品规模，还可以做 A/B 测试，测试一切东西，看看哪个模型表现更好、哪个提示词表现更好。但在早期你没有这样的条件，你处于一个更加开放的探索过程中。
这很有道理。评估可能会过早地限制你。我想到的是 Double Diamond，也就是 IDEO 的框架，我不确定，先发散，再收敛，然后也许——
对，对，完全正确。我之前没听说过这个框架，但它和我的想法完全一致。
好，我来试着总结一下在这些对话中听到的、关于如何让公司在这个新世界里取得成功的建议，看看有没有遗漏你认为特别重要的内容。第一，要重新设定对速度和紧迫性的期待，帮助大家理解 AI 的变化极快，我们必须这样运作。第二，要把东西推出去，这样才能了解人们如何使用它、它能做什么，而不是无限期地打磨。还要鼓励大家试用最新的东西，给他们机会请一天假、把日程空出来、取消会议，像你说的那样，持续关注并亲自体验这些变化。然后分享他们学到的东西，感受可能性。
对。
还有一个想法：重新思考，如果我们今天才在这个世界里开始，要完成同一个使命，我们会怎么做？理想情况下，还能利用我们长期积累的某种不公平优势。然后就是像你描述的那样，每小时不断和 AI 对话。
当然。只要可能，我甚至会每小时和它对话很多次。
每小时好几次，而且次数还在增加。除此之外，我有没有遗漏什么？有没有什么你认为也必须做到，才有机会成功？
我认为还要真正努力打破岗位之间的壁垒。对于典型的 EPD 三角关系，当然如此；但我认为这甚至也适用于非产品岗位。比如营销。我正在大力推动营销团队做一件事，而我们的营销团队也确实在积极采用这种方式：如果你可以自己把整件事做完，就去做。传统上，营销团队可能会这样运作：一个人负责执行营销活动中的效果营销部分，亲自进入 Google AdWords 界面，调整定位、预算、转化跟踪等参数；另一个人负责撰写具体的广告文案；还有一个人负责制作种子内容或定位指南，通常由 PMM 撰写，再供广告创意使用；诸如此类。也许他们还在推广另一个人制作的演示资产。（01:10:35）我认为，正如你可以在 EPD 中合并岗位一样，理想的人也许在某一个维度上高度专业，比如工程，但在另外两个维度上也要全面到足以大胆尝试；这在几乎所有其他职能中都成立。销售也一样。我认为销售人员应该开始能够承担更多销售工程师的角色。传统上，销售人员未必非常了解产品，往往依赖销售工程师到场，充当产品专家。但现在，如果不真正熟悉产品、不能演示产品，就很难销售任何 AI 产品，因此客户经理也需要具备销售工程师那样的熟练度。（01:11:21）所以我认为，岗位合并的理念是：每个人都需要变得更加全栈，才能完成工作，更加以结果为导向。客户经理的结果，是让客户相信产品的价值并完成交易，对吧？过去，为了做到这一点，你依赖营销团队制作素材，也依赖销售工程师帮助演示。你能否进一步合并这些依赖，让自己在必要时可以独立完成所有事情？我认为，对于任何 AI 原生公司，或者任何想在这个新领域竞争的公司来说，这都是一种全新的整体运作心态。
这个补充非常好。它几乎让人回到创业初期：每个人都在做很多事情。没有所谓产品负责人、工程负责人，大家只是把需要做的事情做起来——
完全正确。
……把该做的事情做完。
完全正确。
我有点把它看成一个倒置的 T：你有一项真正擅长的能力；然后，正如你所描述的，你还需要具备工程、设计，或者销售工程师——顺便解释一下，SE 应该就是 Sales Engineering，也就是销售工程——这些相邻岗位的基本能力。你需要掌握的基础水平正在提高，每个人的维恩图也在逐渐重合。
正是如此。
太棒了。好，让我退一步，从更宏观的角度想想你过去十多年走过的历程。我想问的是：关于建设 Airtable、建设公司和团队，你学到的最反直觉的经验是什么？也许它甚至违背了普遍的创业常识？
我听过你采访 Brian Chesky 的节目，后来你又在 YC 的 retreat 上谈到了 founder mode，那些观点真的非常打动我。我觉得，也许我表达得没那么漂亮，但我在自己的经历中推导出了其中一些相同的原则。公司扩大规模时，这也和我们之前谈到的创业早期有关：你会深入细节、寻找产品市场契合点，而且必须非常全面，对吧？从技术决策、设计，到商业问题，包括免费增值模式应该是什么样、我们要怎样营销产品、网站应该长什么样，这些都高度交织在一起。你不能把它们分割开，再像流水线一样分别生产。一个非常小而紧密的团队必须从全栈角度，整体思考这些事情。（01:14:04）在我看来，一开始创造那种神奇的产品市场契合点，显然只有这样才能做到。然后，随着公司扩大，运营专家和大公司投资人通常会给出的默认建议是：你必须把这些事情的流程工业化，对吧？这有点像从一个人定制手工制作整件衣服，转向工厂批量生产。（01:14:38）放到组织环境里，这意味着你会建立不同的封地，招聘许多高管，每个高管只管理自己的职责范围，不同团队之间的耦合相对松散。于是销售做销售的事，营销做营销的事，产品做产品的事；即使在产品内部，也有不同的产品团队和界面区域，各自做各自的事情。（01:15:05）用工厂的比喻来说，这种做法确实有理由被认为是扩大各条生产线的有效方式。每条线都可以更加自主，纯粹关注规模化：“我们怎样生产更多这种东西？”如果这条生产线属于某个产品团队，负责改进搜索，那么主要目标就是不断交付更多内容来改进搜索。人们给出这种建议并不是完全没有道理。但我认为，这样做会失去整体思考、做出更大方向下注时那种神奇的整合价值。（01:15:48）我觉得 Brian 在他参加你节目的那一期里谈了很多这件事。他的一个观点是，如果一家公司真的认真对待产品，首先，CEO 必须承担 CPO 的角色，必须在乎产品。归根结底，产品才是一切，你不能永远只靠围绕产品扩大市场进入而停滞不前，你必须持续创新产品。而创新产品的最佳方式，不是把工作渐进地拆散到许多不同的小界面，而是提出一个更大、更具跃迁性的愿景：产品如何实现一次跨越？产品接下来最大的行动、全新能力或重新发明会是什么？（01:16:35）所以，如果你真的在乎产品执行，希望定期重新寻找新的产品市场契合点，我认为这就要求整个组织采用完全不同的运作和领导模式。我认为，我们刚才谈到的所有 AI 原生时代的运作方式，其实和持续重新寻找产品市场契合点的状态完全相同。（01:17:02）因此，我完全赞同这个理念：你必须有野心地思考，让整个组织朝着更大的结果整体前进，同时在这个时代更频繁地发布、学习和实验。然后，我从以上一切中得到的更高层次经验是：具体建议当然可能是“按这种方式扩大规模”或“招聘这类人，比如有经验的运营者”。这些建议并非完全错误。给出建议的人并不无能，他们有理由这样说，在某些情境下也确实适用。但我的更高层次经验是，你不能只因为很多人给出一个建议，就盲目相信它、直接执行建议中的行动。因为每个人都有不同的先验，而且我们几乎都是自己的 LLM，每个人都根据不同数据语料和自身经历接受了不同训练。也许你接受的是关于服务……
……也许你接受的是 ServiceNow 或 Oracle 的训练语料，而另一个人接受的是 Facebook 的语料，我接受的是 Airtable 的语料。我越来越尝试的，并不是简单忽略聪明人的建议。那显然不是正确答案，而是去理解他们建议背后的东西。现在的 LLM 推理模型可以检查思维链，看看它是如何思考的，为什么得出了这个答案。对我来说，“你为什么提出这个建议”背后的思路，实际上比“直接执行这个建议”更有信息量。（01:18:44）答案可能是：“在某某公司，我们就是这样彻底取消产品经理岗位的。”对 Brian 来说，这在 Airbnb 是有道理的，他们不再保留传统形式的产品经理，现在有项目经理和产品营销人员。但比这个具体决定更重要的是，我不认为所有人都应该采用同一种方式。为什么要这样做？这个“为什么”实际上非常有启发性。理解之后，你可以再问：“我应该如何把它应用到自己的情况？”最终可能会得出不同的结果，但其中的推理过程确实非常有价值。
有意思的是，你所追随的这种亲自下场的 CEO 趋势，和 founder mode 这个概念并没有太大不同，而且它——
确实。
……就是深入一线、关注细节、亲自尝试，而不是把一切都委托给高管。
对，而且任何事情走向极端都可能有问题。确实存在这样一种情况：你过度深入细节，关注每一个细节，实际上变成了微观管理，只是给它换了一个好听的说法。但 founder mode 并不是这个意思。Brian 所说的 founder mode，不是要微观管理一切，也不是不信任任何人；我认为它更多是要找到适当的平衡，坦然地重视那些真正重要的细节，以及认识到只有把不同团队或部门的细节联系起来，才能产生非渐进式的结果。否则，每个人只是在自己的领域里优化，你永远无法达到全局最优，也无法取得全局性的突破。（01:20:23）我认为 CEO 亲自承担一线贡献者角色，坦率地说，任何领导者以类似一线贡献者的方式深入细节，真正酷的地方在于，对合适的人来说，这样其实更有趣。对我而言，当我觉得自己最远离公司真正实质内容的时候，往往就是我强迫自己离开细节的时候。我以为，规模化公司的 CEO 就应该这么做。有一些著名 CEO 说过：“我做的决定越少越好，接触的细节越少越好。我只想在最高层检查公司如何运作，只要下面一切顺利，我就能这样做，而且看起来一切都很好。”（01:21:19）我觉得，这也许确实适用于某种非常成熟的企业。但即使如此，我也很难想象，在宝洁这样的消费品公司里，你会不希望 CEO 亲自去尝汤、试产品，亲眼看看新产品创新管线的具体内容，以及产品在货架上的实际表现。我不知道。无论如何，我越来越怀疑，CEO 是否真的可以永远扮演一种完全放手、纯粹委派和管理流程的角色。也许公司可以顺风顺水地运行足够长的时间，让没人察觉问题，但对我来说，亲自承担这种角色更能激发活力。我最欣赏的那些运营者和领导者，也正是因为这一点才觉得这份工作有趣。他们不想成为一个可以被自动化掉的领导者。
如果你可以回到过去，给十年前的 Howie 在耳边说一句能让你少经历很多痛苦的话，你会说什么？
不要离开那些你热爱的细节。首先，如果你的热情是构建产品和设计产品，即使有时公司似乎需要你去做其他所有事情，比如扩大规模、进入市场、做运营，或者管理一个庞大的人才组织，这些事情本身也会创造大量工作和管理需求。为了管理更大的团队，甚至会出现一个全新的职位，而作为规模化公司的 CEO，你显然必须承担其中一部分责任。你不能完全逃避自己的职责。但不要失去自己热爱的事情的本质，不要离开真正促成这款产品、也让这家公司诞生的东西。许多公司都是建立在一次神奇的产品市场契合点发现之上的。不要离它太远，即使其他事情也必须加入你的工作清单，也要始终确保它仍然是你的第一要务。
我觉得人们没有充分讨论这一点：有人因为一个让自己兴奋的想法创办公司，公司发展起来后，你却被它困住了很长时间；即使事情后来被推向一个你不再那么兴奋的方向，记住自己真正喜欢它的是什么，并回到那件事上，仍然非常重要。因为只有这样，你才能长期坚持做下去。
我完全同意。对我来说，这也是为什么那些真正热爱构建产品或业务本身的创业者，和那些只看到一个纯粹的商业或财务机会、觉得不能错过、必须去利用它的人之间，一直存在差别。对于后者，我没有任何批评。有些行业本来就是为了创造超额收益，你可以进入私募股权行业，核心问题就是理性地寻找超额收益。我认为，至少在我看来，一些最好的、以产品为中心的公司，是由真正热爱产品的人经营的。你从一些 AI 公司身上也能感受到这一点。比如 Sam，我认为他是真的喜欢做 AI。（01:25:03）如果他可以把 100% 的时间都用来贴近 AI 和研究，他一定会这么做，他自己也这么说过。Brian 和 Airbnb 也是如此。很明显，这样的人并不是因为想利用酒店业的套利机会、赚很多钱才创办 Airbnb 的。
他们只是需要付房租。
对。不仅如此，我认为他们也热爱那款产品，以及他们构建产品的方式：这种以设计为中心的产品、公司和文化。正是这些东西，让你能够长期在同一家公司工作，仍然持续享受这件事。
Howie，在进入我们非常精彩的闪电问答之前，还有什么想谈、或者想留给听众的话吗？
我想再次强调，尤其是对在工程、产品或设计岗位工作，特别是产品岗位的听众来说，我确实相信，能否拥有在 AI 时代保持相关性的技能，并不是“你天生有，或者天生没有”。但这确实是在号召大家加强自己目前还不够成熟的技能。我甚至相信，编程也是每个人都能学会的，如果他们愿意的话。当然，就像优秀的写作者一样，有些人永远不会成为出版作家或海明威，但如果真的愿意，每个人都可以获得足够好的软件工程能力。（01:26:39）你可以参加训练营，也可以在业余时间做一些编程练习。关键是，我们有时把这些学科当成非常、非常硬的技能：如果你的职业生涯已经走了一半，而你还不是工程师、还不是设计师，那就永远不可能成为工程师或设计师。我认为人的大脑具有可塑性，而且有很多优秀的课程可以学习。正如我说的，其中很大一部分也来自试错和构建项目，甚至可以通过夜晚和周末的项目来学习这些东西。在 AI 原生时代，每个人都能学会成为一个多面手，成为兼具产品、工程和设计能力的混合型人才。唯一阻止你的，就是你没有真正去做。
这是一个非常鼓舞人心的结尾。再强调一下，现在学习这些东西从未如此容易。你可以和超级智能对话，而它们在构建东西的同时，还能帮助你学习。
对。我有时会进入 ChatGPT，问它：“嘿，你会怎样构建这个应用？”我只是好奇。比如我会问：“你会怎样构建 Manus 这样的开放式代理？”具体会怎么做？你可以不断提问，这就像身边有一位出色、聪明的架构师、软件工程师、产品经理、设计师和专家导师，而且你没有什么问题是“愚蠢的”。它们拥有无限的耐心，全天 24 小时都在线、醒着。这是学习这些东西最令人难以置信的时代，正如你说的。还有那些交互式工具，你可以实际用它们构建东西。任何人都可以下载 Cursor，开始让 Composer 为你生成代码，然后阅读代码，试着弄清楚它在做什么。回想我最早构建应用的时期，先学 C++，再学 PHP 和 JavaScript，甚至在 2008 年到 2010 年早期构建 JavaScript 单页应用，那简直是一门黑暗的技艺。当时，你必须自己去学习这些东西，没有很好的教程，只能对某些东西做逆向分析。那时甚至有一些很奇怪的事情，比如你想让用户界面出现圆角，就得打开 Photoshop，做出一个像素级的圆角，再把那个像素切成一张图片，并把它放在页面上完全正确的位置，作为一个框的边缘。（01:29:15）这太疯狂了。当时所有东西都晦涩得多，而现在感觉流畅、易用得多。为了构建东西，你必须涉水通过的那些晦涩技术，与最终想要构建的神奇而令人愉悦的东西之间的鸿沟，已经大幅缩小。你和真正构建目标之间的操作成本与抽象层次都大大降低了。成为一个构建者，从未像现在这样令人兴奋。
你还记得 spacer.gif 吗？
当然，记得。
用它来制作……就是你刚才说的那种线条，你得——
对，我记得。
……放一个看不见的、只有一个像素的东西到相应位置。
对，对，对。不是。
天哪，活在这个时代真好。Howie，说到这里，我们进入非常精彩的闪电问答。我有五个问题要问你。准备好了吗？
好了。
开始。你最常向别人推荐的两三本书是什么？
我最近一直在尝试多读小说，一部分原因是我觉得它确实是很好的心理重启。如果有人还没读过《三体》，我想说，它是一本能拓展思维边界的书。我喜欢科幻和能打开思维的小说，所以这也许算我钻了个空子，但它是一套三本的系列。这三本都很棒。
我很喜欢这套书。我的建议是，坚持读下去，因为大概要读到第一本半的时候才会真正精彩，这是我的建议。读到那里你就会想：“好，现在我进入状态了。”
其实第一本我就很喜欢，但我觉得它像《盗梦空间》：后面的每一本都像是坠入另一个层次，就像又被植入了另一层梦境，对吧？
太棒了。好，你最近真正喜欢的一部电影或电视剧是什么？
电视剧的话，我刚开始看《The Studio》，就是 Seth Rogen 主演的那部。
对，看得让人压力好大。
是的，确实压力很大。《硅谷》当年也太贴近我的生活了，所以我看了，但看得让人尴尬。《The Studio》看起来有点好玩，因为它带你了解一些好莱坞内部的门道，而我又不在好莱坞，所以看起来很有娱乐性。我觉得这部剧既聪明又有趣，因为我往返生活在洛杉矶和旧金山之间，它对我来说也很真实。我在现实世界里能看到很多它所刻画的那类人物。
你最近发现、并且真正喜欢的产品是什么？可以是应用，也可以是小工具或衣服。
好，那我说两个，因为我觉得至少要提一个软件产品。我非常喜欢 Runway 这款产品和这家公司。他们每发布一个新模型，我都很喜欢；他们大概两天前刚发布了一个新的，我觉得它可以对视频场景的创作提供更多控制和精细调整，让你准确生成想要的画面。我觉得现在能够生成的内容已经有非常强的照片级真实感，而且他们还做了一个很酷的演示，是我之前提到过的沉浸式世界生成器。我觉得看到这些很酷。我也喜欢他们的挑战者故事。很明显，Google 正在向这个领域发起竞争，有 VO3 之类的产品，OpenAI 也在做，但我喜欢这样一家员工不到一百人的公司仍然能够超出自身规模，构建出真正优秀的视频体验。这是软件产品。（01:32:45）另一个非常、非常书呆子的现实世界答案，是我最近刚刚进入了一个小众行业：小规模日本制造商手工生产的服装。他们使用的是真正有上百年历史的织布机，用老式方式，或者说老式工业方式制作衣服。他们使用 Loopwheel 机器，以非常缓慢的速度纺织布料，从生产规模的角度看完全不切实际。但我买了一些这样的 T 恤，非常喜欢。在一切都变得越来越快、甚至五年前的科技都已经过时的世界里，我喜欢偶尔回到过去，重新珍惜那些老东西。也许这让我像个嬉皮士，但如今我越来越喜欢复古和怀旧的东西。
我觉得，只要开头是“手工、小批量、日本制造”，东西肯定就会很好。有哪个品牌是你愿意分享的吗？还是你想让它继续——
可以。不是，我——
……保持低调。
其实，Self Edge 有实体店，旗舰店在旧金山的 Valencia Street。他们卖很多这类东西，这基本就是他们的经营方向，有牛仔裤、T 恤等。我买了不少。他们其实是把许多真正的制造商精心挑选、汇集到一起。其中一个叫 Studio D'Artisan，另一个叫……其实很有意思，有一家公司叫……我觉得它的母公司就是 Toyo，拼作 T-O-Y-O，Manufacturing。听起来像一个大型集团，但完全不是。它是一家规模很小的日本复古服装制造商，不过旗下有几个子品牌。（01:34:51）他们买下了一个美国战后品牌的权利。那个品牌有点像 Hanes，属于当时最大的四五个男装、内衣和运动服品牌之一，叫 Whitesville。我不知道这个名字是怎么来的。基本上，它销售的是 T 恤之类的基础服装；这家日本独立公司买下了已经停业的品牌名称，如今几乎按照原来的版型和结构复刻服装，甚至把这些 T 恤上的图案包装都原样复刻出来，但在今天重新生产。我觉得这件事有一种非常有趣、很讽刺的地方：他们采用的是美国战后时代的审美和真实品牌，但制作方式却是日本独立小制造商的工艺。
我觉得我们刚刚触及了另一个完整播客对话的主题：服装以及——
对——
……工艺——
……[听不清 01:35:57]。
……但我要把我们从这个话题里拉出来。
下一档播客系列。
或者就做一档 Howie 和 Lenny 聊服装的节目。
好主意。
好，还有两个问题。
好。
你有没有经常觉得有用，或者喜欢和朋友家人分享的人生格言？
我偶然了解了 Paul Conti。我觉得他是一名医学博士，同时也是心理学家。他写过一本书，还和 Andrew Huberman 做过一档长篇播客。他经常谈到应该如何看待人生，以及应该用什么框架思考人生，而且这些观点建立在科学、神经学和认知科学的基础上。其中有一点我觉得非常有力量，也一直影响着我：如果你以谦逊和感恩为根基来生活。每个人的处境都不同。（01:37:06）我完全承认，虽然我不是来自富裕家庭，成长过程中家里的经济条件非常普通，但仅仅因为我出生并成长在美国，我依然获得了难以置信的资源和机会；此外，我还拥有电脑和互联网，也能接触到大量免费资源，并从中学习。无论你一开始拥有或缺少什么，如果你以谦逊和感恩的态度面对世界和未来，而不是采取相反的态度，我觉得这会逐渐变成一种自我实现的预言。你会保持开放，也会感到感恩，随后更多机会真的会来到你身边。也许这是因为你向世界和他人释放出的能量。（01:38:07）你会吸引好的机会、好的人和好的事情。他的框架里还有许多其他内容，但最容易记住的一点是：我每天应该如何面对生活？即使我正经历困难，比如今天不得不解雇某个人，或者因为失去一个客户而失望，或者出了故障，等等，我仍然会尽量从整体上以谦逊和感恩的感觉看待这件事。我认为，这确实会改变你的状态，并渗透到当天其他一切事情里，甚至可能贯穿你的一生。
这非常有共鸣。这是很有力量、却很难真正内化的重要建议。
是的，说起来容易，实践起来很难。
大家可以在哪里找到你？关于 Airtable，大家应该了解什么？听众可以怎样帮助你？
我在 Twitter 上的账号是 howietl。我不太经常发帖，但我会潜水，所以会阅读和观看；大家总可以在那里给我发私信。也可以直接发邮件给我，地址是 howie@airtable.com，任何时候都可以提出想法、反馈等等。至于 Airtable，直接去试试。我们的核心目标是把它做成一种让人亲自体验的产品，所以我们才真正回到了 PLG 的根基。我们之前说过，主页上现在直接写着：“现在就开始构建。你想构建什么？开始吧。”（01:39:36）它会立即开始构建。所以请使用产品，给我反馈。如果你有自己的想法，想和我一起深入讨论，我非常喜欢，因为我热爱思考产品和产品体验，尤其是在 AI 时代，如果你正在这个领域做有趣的事情，或者思考有趣的问题。即使只是为了讨论一个概念，我也喜欢这样做，也许还能从中学习并磨炼自己的技能。欢迎联系我。还有，告诉你的朋友和家人也来试试 Airtable，这就是最重要的事。
听起来，你是在寻找一些能把你吸引住、让你钻研起来的人——
是的。没错。
……Howie，非常感谢你来到这里。
太棒了。谢谢你，Lenny。
再见，各位。非常感谢收听。如果你觉得这期节目有价值，可以在 Apple Podcasts、Spotify 或你喜欢的播客应用上订阅节目。也请考虑给我们评分或留下评论，这确实能帮助其他听众找到这个播客。你可以在 lennyspodcast.com 找到往期所有节目，或者了解更多关于节目的信息。下期再见。