为什么 LinkedIn 正在把产品经理变成 AI 驱动的“全栈构建者” | Tomer Cohen（LinkedIn 首席产品官）
Why LinkedIn is turning PMs into AI-powered "full stack builders” | Tomer Cohen (LinkedIn CPO)
嘉宾：Tomer Cohen
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 · 00:00–1:07:04§01原文文稿 · 00:00–1:07:04
到 2030 年，做好你这份工作所需的技能会有 70% 发生变化。所以，无论你是否打算换工作，你的工作本身都在变化。为了保持竞争力，你其实必须回到一些第一性原理，重新从头思考，重新想象构建产品究竟意味着什么。
你正在 LinkedIn 尝试一种截然不同的产品构建方式，完全拥抱 AI 所释放的可能性。
我们称之为“全栈构建者”模式。它的目标是让优秀的构建者能够把自己的想法推向市场，不受其职位、技术栈或所在团队的限制。这实际上是人与机器之间非常流畅的互动。
这感觉可能会成为许多公司未来运作以及产品构建方式的一个模型。
变革管理将是其中至关重要的一环，但光给他们工具还不够。你还必须建立激励机制、激励项目、动机和示范，让他们看到应该如何做。我看到很多公司推出自己的智能体，然后就指望大家自动采用。这不是事情运转的方式。
一直有人在问，AI 是会让原本不算出色的人变得更出色，还是会让出色的人变得更加出色？
顶尖人才往往会持续努力提升自己的专业能力。对于我强调的构建者特质，关键在于……
今天的嘉宾是 Tomer Cohen，他长期担任 LinkedIn 的首席产品官，目前正在试验一种新的构建方式。我认为这种方式会成为未来公司运作模式的一个范本。它叫“全栈构建者计划”，核心理念是让任何人，无论职能是什么，都能把产品从想法推进到上线。他们取消了 APM 计划，改成了助理全栈构建者计划。他们还引入了“全栈构建者”这一新的职业路径，任何职能的人都可以走上这条路。正如你将在对话中听到的，他们搭建了一系列内部工具、智能体和流程，基本上打造出了一支人类加 AI 的产品团队。这支团队可以快速行动、迅速适应变化，用更少的资源完成更多工作。如果你正在寻找重新思考团队运作方式的灵感，想了解 AI 正在为团队和公司释放什么可能性，那么这一集就是为你准备的。（00:02:06）：特别感谢 Shira Gasarch 为这次对话提出主题建议。如果你喜欢这档播客，请不要忘记在你常用的播客应用或 YouTube 上订阅并关注。这对我们帮助很大。如果你订阅我的 newsletter 年度会员，还能免费获得一整年众多优秀产品，包括 Devin、Lovable、Replit、Bolt、n8n、Linear、Superhuman、Descript、[无法听清 00:02:29]、Gamma、Perplexity、Warp、Granola、Magic Patterns、Raycast、ChatPRD、Mobbin 和 Stripe Atlas。请访问 lennysnewsletter.com，点击 Product Pass。下面，在一段广告之后，为你带来 Tomer Cohen。（00:02:42）：我的播客嘉宾和我喜欢讨论专业能力、品味、能动性和产品市场匹配。你知道我们不喜欢讨论什么吗？SOC 2。这正是 Vanta 发挥作用的地方。Vanta 利用行业领先的 AI、自动化和持续监控，帮助各种规模的公司快速实现合规并持续保持合规。无论你是刚开始做 SOC 2 或 ISO 27001 的初创公司，还是正在管理供应商风险的大型企业，Vanta 的信任管理平台都能让流程更快、更容易扩展。Vanta 还能帮助你把安全问卷的完成速度提高到原来的五倍，从而更快赢得更大的交易。根据 IDC 最近的一项研究，Vanta 客户每年削减了超过 50 万美元的成本，生产力提高到原来的三倍。建立信任不是可有可无的事，Vanta 让它变得自动化。访问 vanta.com/lenny，可减免 1,000 美元。（00:03:36）：本集由 Figma 制作方推出的 Figma Make 赞助。Figma 刚出现时，我还是 Airbnb 的产品经理，我至今记得它如何改善了我们的团队协作。突然之间，我可以让整个团队参与设计过程，快速对设计概念给出反馈，整个产品开发过程也变得有趣得多。（00:03:56）：但 Figma 以前一直不像是为我这样的构建者准备的。它非常适合对设计提供反馈，但作为一个构建者，我想做出东西。这就是 Figma 构建 Figma Make 的原因。只需几条提示，你就能把任何想法或设计变成完全可运行的原型或应用，任何人都可以继续迭代并拿去和客户验证。Figma Make 是一种不同类型的氛围编程工具。因为它就在 Figma 里，你可以使用团队现有的设计构件，让产出既好看又真实，并且与团队的构建方式相连接。别再花那么多时间向别人讲解产品愿景，直接展示给他们。用 Figma Make 快速制作由代码驱动的原型和应用。请访问 figma.com/lenny 了解详情。（00:04:42）：Tomer，感谢你来到这里，欢迎回到播客。
谢谢。很高兴再次回来。
很高兴你再次来到这里。我非常期待这次聊天，因为你正在 LinkedIn 尝试一种截然不同的产品构建方式，完全拥抱 AI 所释放的可能性，也就是顺应如今已经成为可能的事情。对我来说，这可能会成为许多公司未来运作以及产品构建方式的一个模型。很多产品负责人都在谈论 AI 以及 AI 能做什么，但感觉你是真正以一种非常、非常激进的方式在实践。所以我很期待向你学习，也想让听众了解你看到了什么、学到了什么。我们先从最基础的问题开始：你为什么觉得这件事有必要？为什么要重新思考产品长期以来的构建方式？也就是，为什么大家需要关注我们接下来要谈的内容？
这真的要从基础说起。对我来说，技术一直关乎赋能。重点不是技术替我们做了什么，而是它让我们能够做什么。现在，在我看来，我们拥有一个绝佳机会，可以让事情更接近能力和贡献导向的公平竞争。我认为这是一个机会，但眼下也是一种必要。我想先把背景说清楚：我们正在进入这样一个阶段，变化的时间常数远大于响应的时间常数。基本意思是，变化发生得比我们回应变化的速度更快。现在，LinkedIn 对工作世界有独特的观察视角。所以在我看来，我们有一些相当令人震撼的数据，可以说明这一点。当我们观察做好一份工作所需的技能时，到 2030 年，也就是从现在起整整四年，听起来似乎很久，但其实就是四年，这些技能会有 70% 发生变化。（00:06:25）：所以，无论你是否打算换工作，你的工作本身都在变化。唯一的问题是，你能否保住它。再从组织层面看，如今增长最快、市场需求最大的工作，其增速比去年增长最快的工作还要高出 70% 以上。这意味着，一个组织要实现繁荣，需要一套新的能力组合。把这个结论放到产品构建上，你就会发现，为了保持竞争力，你必须回到一些第一性原理，重新从头思考、重新想象构建产品究竟意味着什么。我喜欢的一点是，当你思考构建者的角色时，构建者处于公司的核心位置，目标其实相当简单。构建者拿到一条 DNA，把它变成现实。基本过程就是这样，对吧？（00:07:11）：我们都会建立一套可以称为最佳实践的东西。你要充分研究问题，写出规格，进行设计，编码，上线，然后迭代。基本上就是这样。但在很多大规模公司里，包括 LinkedIn，随着时间推移，这个过程很快变得非常复杂。发生了什么？我们把每一步都拆成了大量子步骤。就拿研究问题来说，我们会查看 10 到 15 个信息来源，当然还会和客户沟通、做数据分析、查看多个渠道里的反馈工单、社交媒体以及与客户的互动。在我们觉得已经把问题研究得非常透彻之前，可能会查阅 10 到 15 个信息来源。（00:07:58）：再想想产品评审。这里有设计评审、隐私评审、安全评审，我还可以继续列下去。每一个子步骤都有存在的合理理由。但当你把所有步骤加在一起，就会忍不住想：“天哪，难怪做一个小功能要动用多个团队、多个代码库、多个迭代周期，才能上线。”更不用说迭代了，而成功从来不在上线那一刻真正发生。所以，工作本身并不复杂，但我们把流程变得非常复杂。继续深入之后，我发现事情还不止于此，因为这些子步骤总得有人来做，于是流程复杂度又转化成了组织复杂度。（00:08:41）：接着就出现了微观专业化。每个子环节都有特定的人负责。原本一个构建者的工作被拆成多个职能。显然有工程、产品和设计，而你至少可以开始质疑这些界线，我在公司内部就是这么做的。再往下，每个职能里还有很多子专业。设计就是一个例子：交互设计、动画设计、内容设计、研究，涉及的方面太多了。它们都各自有道理，但每一项都有对应的人员，而整个流程最终就意味着大量……基本上就是膨胀，就是复杂化。然后你在不知不觉中，得到了一套极其复杂的体系……我们其实有一张图，展示流程复杂度和组织复杂度是如何叠加的。（00:09:26）：人们通常会感到非常震撼，因为他们只专注于自己负责的一件具体事情，但当你拉远视角，就会看到一种令人不知所措的整体体验。现在，我们确实有机会把这套堆栈重新压缩回去，回到工艺和手艺，重新思考产品开发生命周期，这就是全栈构建者模式诞生的地方。
哇，好。这里面有太多内容了。我们会在你讲解时展示视觉材料，帮助大家理解你的说明。你说的这一切都很合乎理性。如果有 15 个信息来源，为什么不把它们都调取过来？为什么要错过那些信息？你描述的是，随着能力和专业化程度提升，一切从理性上都说得通，但当你退一步回头看，就会觉得：天啊，推出一个功能竟然要花六个月。我想追问一下你分享的那个数据。我觉得这是一个非常有力的数据，而且你有非常独特的数据来告诉你这类事情。所以你说，未来人们完成工作所需的技能，有大约 70% 会发生变化。
是完成他们当前工作所需的技能。
是完成他们当前工作所需的技能。那这个数据具体看的是哪些内容？只是基于历史数据，还是你们如何得出这个结论的？
没错。公平地说，变化一直存在，对吧？所以从来不是说只要保留今天拥有的技能就够了。但我们过去从未见过一个人的当前职责中有如此巨大的一部分发生变化。无论你现在是市场营销人员、销售人员、招聘人员还是工程师，情况都是如此。工程领域目前投入了大量智能体，这是一个很好的例子。这些工作都会发生巨大变化。我记得自己说过，我作为工程师的角色和生活，即使经过十年也已经发生了实质性变化；而我们现在看到的变化，意味着只需想象四年后的情况：届时究竟需要怎样才能把工程工作做好，或者构建软件、构建某种成果，都会截然不同。但这几乎适用于所有职能，只是程度不同。有些工作，比如护士，受到的影响会小一些；但有些工作可能会受到 90%、95% 的影响。
还有一个我觉得你在这里没有提到、但我第一次看到你介绍这个项目的帖子时注意到的数据：如今增长最快的工作中，有 70% 在一年前甚至还不在工作列表上。
是的，没错。增长最快的工作中，有 70% 一年前还不在那份列表上，其中很多工作甚至在十年或二十年前都不存在。其实各方面都有一些非常惊人的数据。
好，那我们来谈谈你创建的这个项目。先告诉我们它的名字，再概括一下它目前是什么样，以及你希望它未来发展成什么样。
是的。我们称之为“全栈构建者”模式。先从目标说起。目标本身是让优秀的构建者能够把自己的想法推向市场，不受其职位、技术栈，尤其是不受所在团队的限制。最终，我们希望构建者能够端到端地开发体验，把传统上彼此分离的领域中的技能和专业知识结合起来，融为一体。这不是一连串的步骤，而是人与机器之间非常流畅的互动，这就是我的理解。当你回头看从想法、洞察一直到上线的产品开发生命周期时，我强调构建者应当投入时间、并且优秀构建者应该在其中大放异彩的地方，就是以下这些能力。（00:12:54）：愿景，也就是对未来形成令人信服的判断。共情，这一点至关重要，对吧？要深刻理解尚未被满足的需求。沟通同样关键。我们现在几乎在每个职位的招聘描述中都能看到这一点，但关键是你能否围绕一个想法让其他人达成一致并行动起来。创造力对我来说意味着提出超越显而易见答案的可能性。比如，我认为 AI 目前还不擅长创造力。我觉得它在很多方面会让你想起一些自己可能不知道的东西，但还达不到下一层次的创造力，而这一点我认为人类仍然强得多。（00:13:33）：最后，我认为构建者最重要的特质是判断力。有些人称之为决策能力，但它指的是在复杂、模糊的情境下做出高质量的决定。除此之外的所有事情，我都在非常努力地自动化，真的非常努力。当你思考结果时，重点不只是获得更多次射门机会，也就是人们所说的“迭代速度会非常快”。确实如此，但对于大规模组织来说，真正发生的是：它们会更加灵活、适应性更强，也更有韧性。它们能够应对未来，真正让变化的速度与响应的速度相匹配。（00:14:13）：我脑海里有一个海豹突击队的比喻。你去参加训练，所有人都会学习多种能力、接受交叉训练。他们专门化的对象是任务本身，而且他们以小型小组行动，非常灵活，可以很快组建。我认为，未来胜出的组织就会是这样。
好。如果把它简单归纳成一句话，这里的想法是不是：有一个构建者，基本上独自完成整个产品开发流程。他有一个想法，做研究、分析数据、制作原型、设计、发布，这就是它的发展愿景？
是的，但不必由他独自完成。这并不是说……我仍然相信团队的价值。
明白了。所以是更小的团队。
就是更小的团队。小团队会更加专注于问题，或者说任务本身，而不是……实际上，我们做的一件事就是开始采用小组的概念。我们不再组建大型团队，而是组建一支团队，理想情况下由全栈构建者组成，他们共同工作。重点不再是把一名工程师、一名设计师和一名产品经理放在一起，试图组合成这个三人组，而是寻找能够跨领域灵活工作的人。他们大约用一个季度的时间解决某个问题，然后我们再把这些人重新组合到两个不同的小组中。这就是我们目前正在实践的一个例子，而且已经取得了很好的效果，既体现在速度上，也体现在团队的专注度和灵活性上。
感觉你的目标，是要调整那些已经失效的东西：随着团队不断膨胀，速度、适应性和灵活性都受到了影响。因为回到你最初的观点，如今变化发生得快得多，以传统方式构建产品的公司已经无法竞争。
是的。并不是你必须打破这个模式，我认为这个模式本身已经坏了，只是变化的速度帮助我们意识到了这一点。
好，那回到这些构建者仍然要做的事情，以及你希望自动化的事情。你刚才列出的清单是：他们负责愿景、共情、沟通、创造力和判断力。
是的。我会把更多重点放在后者。如果你问我，到底哪项特质最重要，我会说是判断力，也就是决策能力。
至于你正在自动化的部分，你在哪些领域看到了很大的成功？你认为它会发展到什么程度？
我想把它拆开来说，而且如果你现在是一家创业公司，很多时候你可以从一开始就采用这种方式。你没有遗留代码，也没有遗留组织结构，可以直接运行。事实上，我接触到的很多 AI 原生创业公司，起步时就是使用全栈构建者。这就是它们开始的方式。但如果你所在的是像我们这样规模的公司，或者市场上的许多其他大公司，你会觉得这几乎像是一种新的生产职能和思维方式，必须专门去建立。我们目前在做的事情主要有三个组成部分：平台；工具和智能体；最后是文化。（00:17:17）：先说平台。在开始看到所有收益之前，你必须进行这种级别的投入。以我们为例，平台建设就是重新设计所有核心平台，让 AI 能够在其上进行推理。我们正在构建可组合的 UI 组件，并配套构建服务端。基本上，我们是在为 AI 做好接入准备。所以，你不能随便拿来一个第三方工具，就让它在 LinkedIn 的技术栈上运行。事实上，这是我们最大的经验之一：它从来行不通。永远行不通。你必须把它接入进来并进行大量定制，几乎要和这些公司以 alpha 模式合作，才能让它在内部发挥作用。
所以，这本质上是在重新设计代码库，让它能够更高效地与 AI 协作。这样理解对吗？
对，而且在很多方面，你还需要和这些公司合作，调整它们技术栈中的某些部分，让它能够与我们的技术栈协同工作。
你说的这些公司，是指 Cursor 之类的开发智能体以及[无法听清 00:18:16]之类的工具吗？
是的。设计方面可以是 Figma。设计系统也是一个例子。但你必须进行这种来回协作，因为这些工具并不能开箱即用地适配我们的代码库设计系统以及我们独有的上下文。至少我们还没有看到任何工具可以做到这一点。
沿着这个思路简单追问一下，Figma 很有意思。所以我的理解是，Figma 导出和维护设计系统的方式必须改变，才能更好地与 AI 协作。
它们首先需要知道如何与我们的设计系统协作，这正是很多这样的公司正在研究的事情。编码也是一样。你不能只是把工具接进来，就指望它能够很好地理解你的代码库。我们试过了。我们正在构建一层能力，让它能够做到这一点，无论是 Copilot、Cursor、Windsurf 还是其他工具。
明白了。对，Copilot，微软的产品。我懂了，我懂了。好，平台就是这样。你们必须进行这项投入，才能让 AI 有效地参与构建和完成这些工作。
然后是工具。工具就是你真正构建智能体的地方。我提到过，我想把我们刚才谈到的五种能力之外的所有事情都自动化，于是我们正在为此构建工具。同样，我不能直接拿来一个外部工具就让它运行。我举个例子。我们最重要的项目之一是构建信任智能体。信任对 LinkedIn 非常重要。在 LinkedIn，信任涉及很多独特的方面，而这些方面在其他地方并不存在。因此，我们需要把所有相关的知识、背景和信息基础都带入这个智能体。最后，我们在 LinkedIn 自己构建了信任智能体。
那这个信任智能体具体在做什么？是在你可能暴露不该暴露的信息时提醒你吗？
当你编写规格、提出一个想法时，可以让它经过信任智能体的检查。它会告诉你有哪些漏洞，以及你可能引入或因此产生的潜在危害向量。我让信任负责人来构建它。每个领域的工艺负责人都在构建自己的智能体。举例来说，我们面向求职者的一个功能叫作 Open to Work。如果你正在找工作，可以打开这个状态。
对，就是头像圆圈上的那个小绿环。
没错。而且它确实是一个很好的信号，我亲眼看到过一些很好的结果。人们互相帮助，围绕互助建立的社区真正蓬勃发展。但与此同时，它也为不良行为者引入了一个信任风险，因为这些人公开表示自己在找工作。求职者可能比其他人更容易遭遇诈骗。因此，我们需要提前思考如何防止所有这些问题。几年前，我们让这个功能的规格经过信任智能体检查。它不仅找出了我们一开始就考虑到的所有问题，还发现了许多我们直到后来才发现的漏洞。这是一个实际效果非常好的例子。（00:21:03）：另一个例子是增长智能体。LinkedIn 的情况非常独特。实际上，我们拥有一支非常优秀的增长团队和一套增长流程。我们把所有独特的增长循环、漏斗、过去的测试以及其他内容，都汇集到这个增长智能体中。现在，你可以把自己的想法拿给它，它不仅会帮助你把想法做得更好，还会评价你的想法到底有多好。这种东西无法直接开箱即用地购买，因为它是 LinkedIn 独有的，所以我们不得不进行大量投入。有一支目前正在使用它的团队，几乎是我最初没有想到的，那就是用户研究团队。用户研究团队通常使用这个增长智能体，来理解目前呈现给会员的所有机会中，哪些拥有最大的增长机会、能够产生最大的影响。这在我们构思这个想法时并不在计划之内，但现在各团队都在把自己的想法汇入这个智能体。（00:22:05）：再比如研究智能体。研究智能体接受了我们会员画像的训练，你可以把它想象成小企业主、求职者等角色。它使用的不只是世界知识，还包括我们过去完成的所有研究，以及不断进来的支持工单。因此，它非常擅长理解 LinkedIn 上的这些用户画像。有一次，一个团队写出了一份规格，但他们还不知道我们已经有了研究智能体。我让研究智能体从小企业主的角度，评估我们的一份营销规格，它的批评非常到位。从很多方面来说，它改变了团队的方向，让团队转而关注其他我们可以投入的集成和工具。但要把公司内部的全部知识语料库都看清楚，是非常困难的。（00:22:56）：这是另一个例子。我们还有一个分析师智能体，它接受了如何查询整个 LinkedIn 图谱的训练，而这个图谱规模极其庞大。这样一来，你就不必依赖 SQL 查询或数据科学团队，而可以使用分析师智能体。我要说，这些智能体目前都还处于 MVP 以上的阶段。我们的目标是在未来几个月内把它们向外推出。这里所说的“向外”，是指在 LinkedIn 内部向更多人推出。
不是把它们做成新的产品线。
没错。
好，我有很多问题。其中一个是，你们是如何构建这些东西的？使用什么平台？在 LinkedIn 构建一个智能体需要什么？全是内部工具，还是也使用第三方工具？
这是个很好的问题。我们一直在尝试很多工具。对于许多这类知识语料库智能体，我想说，我们使用的工具从 Copilot Enterprise 到 ChatGPT Enterprise 都有。但最重要的部分绝对是我们自己的定制化工作，这也是我们看到最大收益的地方。我们甚至构建了一个跨这些智能体的编排器，因为你希望智能体开始彼此跟进：信任智能体应该和增长智能体协作、来回配合，而不是更机械地按顺序执行。我们在内部做了大量工作，才让它成为现实。这就是为什么我认为它确实需要如此级别的投入。（00:24:09）：另外，有些情况下，比如我们正在使用的设计智能体，我们会与多家公司合作，试图了解哪个产品最适合我们。有趣的是，这又是一个经验：不同团队会倾向于使用不同产品。这是我们必须解决和思考的问题，因为最终我们希望尽可能简化流程，但在工具选择以及如何集成工具方面，这是一个重要的学习。
明白了。所以你们可能有一个很棒的 Figma 智能体，但有些团队想使用另一种设计工具。
是的。我们尝试过 Figma、Subframe、Magic Patterns 等工具，并发现不同职能、不同曝光程度以及对工具原有了解程度的人，会倾向于选择不同的工具。最终，我不希望公司里有八个设计智能体，所以我们至少要收敛到几个工具。我认为很多领域都类似，因为这些智能体大多在解决相近的最终目标，只是方式不同。最终不太可能出现赢家通吃的局面，因为客户或用户的起点，会很大程度上决定某个工具对特定使用场景来说有多简单。
非常有意思。另一个有意思的结论是，你们在设计非常具体、各自只负责一项任务的智能体。这是有意为之吗？你们有没有试过做一个在所有这些事情上都极其聪明的智能体？
最终它们会由一个编排器统一调度。我们确实会在不同智能体之间建立编排，但现在希望能够很好地评价和打分，准确知道这些智能体表现如何。我认为专业能力仍然存在。我们正在以一种能够把很多细节隐藏起来的方式构建它们。你可能不会知道背后有一个信任智能体，也可能只会使用我们内部称为“产品碰撞”智能体的东西，它负责执行我们内部的产品碰撞流程，而这个智能体会与其他智能体协作。现在我们先从这些积木式组件开始，之后再搭建跨智能体的编排层。
从你刚才的分享中还能看出，很多工作都投入在产品开发的起点：帮助团队写出正确的需求、澄清信任问题，然后提供产品碰撞和已经完成的研究。我猜这是因为借助这些 AI 工具，编码已经提速了。你能谈谈为什么大部分投入集中在这里，以及目前影响最大的是哪里吗？
我们的编码投入百分之百是较早就开始的，所以相关能力已经逐步到位。我们有编码智能体，实际上还把它分成两部分：一部分是从想法到设计，另一部分可以叫作从代码到上线。后者得到了很多关注，我们在那里取得了很大进展，包括编码智能体，以及构建失败时会自动处理的维护智能体。事实上，我认为目前接近 50% 的构建由维护智能体和质量保证智能体完成。
哇。所以现在构建出问题时，是智能体来修复，而不是工程师马上介入处理问题。
这样一来，在需要重新构建之前，你甚至还能先把咖啡喝完。
太酷了。
不过，在“从想法到设计”这个环节，我们直到启动这个项目后才投入了很多资源。而这其实是大量工作的关键部分，至少在进入编码阶段之前，很多质量都来自这里。我们的目标是赋能每个人：如果你是工程师，就可以在流程前端使用这些工具，从而成为全栈构建者。
你们花了多长时间才把这些东西搭起来，真正组建起第一支团队，去开发最初的智能体、部分后端以及类似的代码库改造？
我在去年年底对内宣布了这件事，之后确实开始推进，但最初更多是在搭建内部团队和流程。我想说，从真正开始训练算起，大约四到五个月后，我们做出了这些智能体的第一个 MVP。不过，实际的集中工作大概持续了几个月。很大一部分工作是汇集并清理完整的数据语料。这也是一个很好的教训：不能只是给它访问整个云盘，然后说“在这个知识库上全面推理”。它很难理解过去信息的重要性，也不会正确地给内容赋予权重。你需要明确思考：在什么情况下提供什么上下文，以及希望它聚焦于哪个知识库。甚至清理出供它学习的“黄金示例”，也是最大的经验之一。让它对整个知识库直接推理并没有奏效。
这就说得通了。可能有一位研究员对某件事持有强烈观点，而你并不同意，但智能体并不知道这一点。它会把这当成当然正确的数据和事实。
正是如此。而且它也不会总能理解原始规格与成功之间的联系。你必须真正构建好它的输入方式。这是一个很有意思的角度：引入这些工具时，不能只是把它们接进来。你必须知道要喂给它们什么，而输入不只是访问权限。我看到很多人只关注连接和集成，这让我想起十多年前我在 LinkedIn 共同重建团队和信息流时的经历。当时我们从零开始，我必须亲自筛选哪些是好的 LinkedIn 职业帖子、哪些不是。整理出那批黄金示例花了几周，但最重要的不是把所有数据都喂进去，而是提供正确的数据。这个过程需要投入。对正在考虑这一阶段的公司，我现在经常和首席产品官、首席运营官讨论这件事：必须先做这些基础工作，之后才能获得收益。即使你第一次学习使用 AI，无论是 Cursor、Figma 一类的设计工具，还是 Lovable，也应该准备好先投入这些时间，之后速度和质量才会提升。
本期节目由 Miro 赞助。每天的新标题都在用各种 AI 将要抢走我们工作的说法吓唬人，引发焦虑和恐惧。但 Miro 最近的一项调查呈现了不同的情况：76% 的人认为 AI 能帮助他们完成工作，但超过 50% 的人不知道什么时候该使用 AI。Miro 的创新工作空间正是为此而来，它把人和 AI 带到同一个共享空间中，帮助团队完成高质量工作。十多年来，Miro 一直在帮助团队把大胆想法变成下一个大项目，如今又通过释放 AI 与人的联合潜力，让产品更快进入市场。节目嘉宾经常分享 Miro 模板，我也一直用它和团队头脑风暴。团队可以使用 Miro AI，把便利贴、截图等非结构化数据，在几分钟内转换成可用的图表、产品简报、数据表和原型。你不需要成为 AI 专家，也不必再切换到另一个工具；你已经在 Miro 画布上做的工作就是提示词。访问 miro.com/lenny，了解 Miro 如何帮助团队完成高质量工作。网址是 M-I-R-O.com/lenny。现在回到节目：试点目前处于什么状态？规模有多大？有多少团队在参与？你们已经发布了哪些东西？请介绍一下现在的情况。
我不会说它已经覆盖了组织中很高的比例，但组织里相当一部分人已经在使用，并提供了大量反馈。我们看到了很多很好的例子。我衡量收益的方式，是实验数量乘以质量，再除以真正把成果做出来所需的时间，也就是从想法到上线的时间。在节省时间方面，无论是产品经理、设计师还是工程师，目前每周都能节省数小时，包括我们之前谈到的分析智能体、快速原型，以及产品碰撞体验。质量方面，我们看到洞察和讨论明显变得更好。而且质量和时间有时会相互促进，因为质量高了，就不必在某件事上花那么多时间。我们确实已经在应用这些能力。至于数量，我还不能说组织中已有很高比例的人在使用，但等所有准备工作就绪，未来几个月内部正式普及后，覆盖率会提升。设计师和产品经理已经开始直接从 Jira 工单中挑出问题并提交，这是以前没有见过的。现在大家都想加入，最明显的需求就是每个人都想获得工具访问权，一起使用。我们只是希望先确保工具足够好，让整个组织都能真正用好它。
那你们具体是怎样做试点的？是让一部分人获得这些智能体的访问权，然后他们继续按照原来的方式工作，只是多了这些工具？还是有一支专门的团队把这当成新的工作方式，然后观察结果？
这是个很好的问题。基本上，我们有一支团队负责在整个研发组织中建设 FSB，也就是全栈构建者体系。与此同时，还有一些团队的小组和 pod 在使用它。我们会选择具体领域提供工具，前提是这些团队必须提供反馈。作为回报，他们帮助我们改进工具，所以这不只是发放访问权。我们希望找到真正会使用它的人，而早期采用者也会帮助我们把产品打磨好。因此目前采用的是 pod 模式。
所以它像是大团队内部的一个 pod，由设计师、产品经理和工程师组成。有没有具体例子？LinkedIn 的哪个部分正在尝试这种方式？
以我们的团队为例，我们最近刚推出了语义人物搜索和语义职位搜索，相关团队就使用了一部分工具来帮助开发。产品经理用这些工具自己构建仪表板，不必等待设计资源到位。还有一个设计团队，这项工作最初是由经理推动的。我对他们说，不要等正式全面发布，现在就开始使用、主动投入。我们看到这个团队的设计师开始提交 PR，这在以前从未发生过。其他团队也想这样做，所以一开始是从基层经验扩散开来。当然，一开始也有比较正式的部分：产品高管团队从设计、产品、业务拓展等职能负责人，转向负责产品领域的领导者，他们要跨越整个技术栈工作，还要接受来自这些职能的 360 度反馈，以确认自己是否真正具备全栈构建体验。我们还将在初级人才侧推出新的 Associate Product Builder 项目。原来的 APM 项目将在今年结束，明年一月开始改为 APB 项目。新成员加入 LinkedIn 后，我们会教他们编码、设计和产品管理，并进行相当严格的培训，然后让他们加入这些 pod，逐步把该项目发展成 LinkedIn 中重要的一部分。
哇，所以这可能就是 APM 项目的未来，一个类似全栈构建者的 APM 项目。
从很多方面看，我们已经为这个群体设计了非常出色的培训，我对此很兴奋，甚至希望自己也能参加。我们会借助这套培训思考如何把它推广到整个组织。我们的出发点是：有人可能拥有很强的技术能力，但还不是公司的工程师；也有人拥有很好的设计品味，但还没有在公司规模上做过设计。我们会教他们如何在 LinkedIn 做到这些，同时也会利用这套培训内容扩展到全公司。
好的。你们有这些项目、试点和 pod。你说过，判断是否应该推广，要看实验速度乘以质量再乘以时间。
除以时间。
除以时间。好的。
对。
明白了。我知道现在还处于早期，但你刚才说目前每周能为团队节省几个小时左右，是这样吗？
是的。我认为反馈一直是最重要的部分。思考方式应该和构建产品一样：我们正在内部构建这个产品，需要找一些早期采用者进行实验，让他们提供反馈，而反馈非常出色。事实上，在 LinkedIn，使用得最多的正是我们最优秀的人才。他们愿意投入时间并提供反馈，因此反馈特别有价值。他们对产出质量、为获得价值而投入的时间、参与其中并扩大规模以及进一步改进工具的意愿，都给出了非常积极的回应。现在的兴奋感，很大程度上来自他们的使用方式和我们看到的质量。我认为大约六个月后，会有更多组织成员使用它，整体指标也会逐渐显现。
这真是一个很有意思的发现：表现最好的人最容易从中取得成功。人们一直在问，AI 会不会只是让原本不出色的人变得更出色，还是会让出色的人变得更加出色？听起来更可能是后者。
是的。从某种角度看，这既出人意料，又并不意外。你当然希望其他人也参与进来、主动投入，但顶尖人才往往会不断打磨自己的专业能力，本能地想站在构建方式的前沿，我们在这里也看到了这一点。所以我常对团队说：如果我们把所有这些工具都做出来，他们会用吗？我现在知道答案是否定的。光给工具并不足以让人使用它。你必须建立激励项目、提供动力和示范，让大家看到应该怎样做，也看到其他人已经取得成功。我们把 LinkedIn 从桌面公司转向移动公司时，我也经历过类似过程。变革管理非常困难，而且在这里会是关键。很多公司发布智能体后，就期待员工自动采用，这不会奏效。少数人会采用，他们通常是最前沿的 5%，喜欢新工具并且天然倾向于改变。但绝大多数人需要变革管理，需要更认真地处理文化层面的问题。对我而言，这远远是最重要的工作。
我想重点聊聊这一点。人们没有时间投入其中也很容易理解，因为他们已经有很多事情要做，必须交付成果。现在还要专门抽时间学习一个暂时不会带来回报的新工具，于是他们会说“好吧，我以后会用”，但最后并不会用。你提到的文化，是让这件事成功的第三个部分：先是让代码库准备好、让 AI 能够使用的平台；再是你说的智能体工具；最后是文化。关于如何让人们参与进来，你还有哪些实际经验？我听说你们会制造一点稀缺感，例如只有少数人能使用，想获得访问权就必须报名。哪些做法最有效？
我一直强调，光把平台和工具做出来还不够。它们是成功的前提，却不是充分条件，因为你必须在文化层面投入很多，才能让人们真正主动参与。一开始可能会比较慢，但我以前在桌面转向移动的过程中见过，一旦形成势头，速度就会保持得很高。首先，人们会受到你如何定义岗位期望的激励。也就是说，要重新思考一个人在岗位上应该达到什么标准。
比如改变绩效评估之类的做法。
完全是这样，从招聘、校准到评估都包括在内。我希望早期就能看到一种 AI 主动性和熟练度。工具已经在那里，问题是你会不会使用它。工具起初会够用，但不会完美，这是所有优秀 MVP 工具的典型状态：够用，却不完美。接下来要培养这种主动性，让大家一起把工具变得更好。我们想让 LinkedIn 一起完成这件事。第二，要在组织内部通过试点展示成功，也就是 pod 模式，让人们看到这不只是可行，而是真的有效。比如合作伙伴团队和业务拓展团队，不必等工程师帮忙搭建开发者门户和连接器；我们的一位合作伙伴负责人亲自完成了这件事，甚至没有交给团队。他们传递的信息是：“我能做到，你也能做到。”这种例子非常有力量。Associate Product Builder 项目会高度重视培训，也会向全组织发出强烈信号。大家会看到这些人才能做到什么，并形成一种运动。我们还会在全员会议上庆祝成果、突出表现者、展示案例。最近用户研究团队有一位成员发现增长团队有一个产品经理岗位长期空缺，她说“我觉得我能做”。她使用了所有这些工具，从用户研究员转成了增长产品经理，这并不是常见的职业路径，但她对这个领域很有热情。现在她已经在增长团队担任产品经理，最终可以把她看作全栈构建者。展示这样的机会和真实人物非常有效。与此同时，还要确保工具易于访问、大家能提供反馈并共享经验。不能只是自上而下地宣布工作方式；人们需要看到成功故事，觉得投入时间值得，并感到自己愿意成为这场运动的一部分。
我很喜欢你拿它和转向移动端作比较。我们都经历过那段时期，也听过很多公司要求员工展示移动端原型，规定以后只能这样工作，所有要发布的东西都必须支持移动端。你刚才提到的做法和那段经历很相似：展示并庆祝成果，让大家看到别人如何使用 AI 工具，建立一个需要报名参加、带有一点专属性的项目，以及改变绩效评估，因为这会真正改变人的行为。关于绩效评估，我想知道你们是否已经对产品经理做了调整。我猜应该适用于每条职业路径，而不只是产品管理。你们已经完成改变了吗，还是仍在推进？
这件事有两个层面。调整我的团队和直属下属后，我们先为他们做了 360 度反馈：如果你来自产品管理，就让团队中的设计师来评价你。这本身带来了动力，我们也把结果分享给了他们。之后我们把它推广到更广的范围。现在招聘时会寻找这些能力，在接下来一轮评估中，它也会成为绩效评价的一部分，我们已经向所有人宣布了。人们很愿意展示自己的成果，也很想知道自己将如何被评价。能够展示这些例子，对推动这件事很重要。不过，项目及其正式机制需要时间才能覆盖整个组织。我有意没有急着向所有人推广，因为那会很快稀释它的价值。我并不在乎你的职位名称，真正重要的是你的工作方式。给你贴上全栈构建者的标签不是目的，改变成全栈思维才是目的：相信自己能完成整个过程，使用这些工具思考如何做到。如果你在等待正式重组或正式声明才开始采用新的构建方式，那你已经等得太久了。我的核心观点是，允许自己不要等待，直接开始。无论工具是否齐全，都可以自己构建工具、使用外部工具并带回公司，展示真实案例。先在思维方式上证明自己是全栈构建者，其他事情自然会发生。我们看到一些最优秀的人才就是这样主动投入的。
我很喜欢这一点。我本来就想提你刚才那句话，因为你合作过的一位朋友也把这句话告诉了我：如果你在等待重组，就说明你没有用正确的方式思考。你如何鼓励大家自己尝试这些工具？是让他们花几天时间玩玩 AI、直接试用，还是有更正式的方法，让他们在不加入项目的情况下主动尝试？
我们会定期分享做出的很多工具，我的几次全员会议也专门讲过如何使用这些工具。同时，我们会邀请大家分享自己发现的好工具，展示它们如何工作。渠道可以是 Slack、Messages、Teams 等，关键是让大家开始投入时间理解这些工具。现在人们很容易被工具、操作方法以及“你的提示词是什么、我的提示词是什么”弄得不堪重负。更好的做法是找到一个真正适合自己的东西，围绕它积累经验。我们一直鼓励大家探索，把认为好的东西带进来，并带着其他人一起走。这能让影响力超越少数已经做得很好的人。
这件事有没有带来负面方面的意外？比如产品需求文档只是看起来被 AI 驱动了，或者人们反而意外地放慢了速度。有没有什么让你觉得“这其实不太好”的地方？
有，我们提到过几项。我原本希望有些工具开箱即用就能表现得很好，但事实从来不是这样，因为我们必须投入很多资源。
从来都不是这样。
确实从来不是这样。我们必须投入很多资源，部分原因是公司积累了大量历史信息、代码、知识和设计。与我们合作的许多公司也把这看成很好的增长机会，但这同样是一项很大的投入。我们一开始只是给工具访问所有上下文，心想“这里有整个云盘和全部信息”，结果惨败，系统疯狂产生幻觉。大家还会倾向于使用不同工具，而我们的目标本来是收敛到少数工具，这也很难。在质量方面，我们看到结果变好了，但这可能是因为目前仍处在早期采用者阶段，他们正在反复摸索使用方法。工具的采用很难。还有一点对我很重要：有些人不想成为全栈构建者，这完全没有问题。有些人希望专注于某个专业领域，专业化仍然有位置和作用。我不想让组织误以为我要求每个人都成为全栈构建者。我并不要求这样。有人是为全栈构建者提供支持的系统构建者，也有人保持专业化，只是我们不需要像过去那样多的专业化人员。
我直到现在才意识到这一点。所以现在他们的职位名称不再是产品经理或工程师，而是全栈构建者吗？
我们已经在组织内部正式设置了“全栈构建者”这一职位，并且正在逐步把人员归入这个类别。
所以，一整套职业阶梯正在形成。整个体系……好吧，这比我原本以为的要重要得多。那你们主要从哪里找到这些人？产品、工程还是设计？我猜是混合来源，但有没有最常见的趋势？
来源是混合的。我建议听众看看自己的组织，想想谁能够做到这一点，谁现在就能在工程、设计、产品，甚至业务拓展等职能之间切换。你会发现，已经有不少人具备跨职能工作的能力。
有意思。你认为哪些职能在这方面尤其成功？我不是想偏袒谁，只是想知道你们有没有发现某个特别突出的群体；当然，你也可以不点名任何职能。
我认为关键在于做事的思维模式。如果要说哪种能力最难学，我觉得设计可能需要更多工作，才能让设计智能体真正变得非常好。所以相较于反过来让其他人学习设计，设计师在学习其他人的工艺时可能有一点优势。但说到底，我认为这是心态问题。我见过设计师写代码，也见过产品经理做设计，而且都做得很好。因此，当你退一步观察组织中的人以及谁能够灵活切换时，会发现他们会出现在很多地方。这些人有主动性，愿意拥抱新事物，具备熟练度，已经在构建新的体验，并且拥有成长型思维，想不断变好。所以，他们在学校学过什么，或者入职时被贴上什么标签，并不重要。
我喜欢其中一点：现在是不同产品角色之间切换最容易的时期。设计师可以转向产品经理，也可以转向这个新角色；正如你所说，那位研究员就成了增长产品经理。
这可能是我给团队的最大建议和动力来源。当然，对我自己也一样。我认为个人获得的激励，和组织对你的要求是高度一致的。组织需要你改变，希望成为更敏捷、更能适应、更有韧性的组织，能够应对变化的速度；但你为了自己的职业发展也希望如此，希望站在构建方式的前沿。所以，你的职业需求和组织需要你做的事之间存在真正一致的激励。对我来说，允许自己直接开始，就是在顺着大家想做的事情提供助力。
也许最后问一个问题，给那些受到启发、觉得“这正是我们应该做的事”的人：如果有人想在自己的公司开始尝试，有什么成功建议吗？
我会先思考想用什么结构来推进。我会考虑需要建设的平台、想引入的工具，然后在文化上投入大量时间。平台和工具是前提，但还不够，文化非常重要。要认真考虑如何让人们一起参与进来。我们有一个经验：如果现在重做这个项目，我可能会采用不同方式。有一段时间，我和核心团队密切合作，那支团队负责构建所有材料，但组织里的人一直在问：发生了什么？谁在做？有哪些工具？回头看，我们本可以更多地在日常工作流中展示这些内容，让大家更早使用或了解工具，而不是只在旁边建立一个小团队。开始时使用小团队没有问题，而且很重要，但同时让整个组织都能看到进展也很有力量。要有耐心，也要愿意投入。我经常举一个例子：大家总会说“看，这家创业公司一周就做出了这个”。如果从零开始，现在一周做出一个生活方式应用确实不难。但如果你要转型的是一个大型组织，就应该对目标保持紧迫感和高目标，同时对如何把它落地以及需要投资的关键事项保持周到和耐心。如果不投资平台，我看不出这怎么能成功；如果不为自己定制工具，就只能得到外部提供的普通通用智能体。要意识到这些投入并为其分配资源。应该愿意前期投入，之后再收获成果，而不是一周后就问为什么生产力还没有翻倍。个别人可能会很快做到，但更关键的是收集案例，真正思考这场转型。
这太酷了。我知道很多首席产品官、产品负责人和其他领导者都在联系你，想了解你们是怎样做以及学到了什么。所以我很高兴我们深入讨论了这些内容。进入激动人心的闪电问答前，最后问一个问题：有没有什么还没分享、但你认为听众可能会受益，或者值得再强调一次的内容？
无论你是在等待组织领导者推出这套方式，还是自己就是想推动它的领导者，我都不会等待。我回头看，自己做过的一件很有帮助的事，是一开始就宣布我们要进入这种模式：先从几个领域和 pod 开始，建设工具，但这是我们要攀登的山，而且我们会把它做好。我还宣布，这不是一个最终状态，而是持续进步的过程。我们不会抵达某个固定终点，而是持续变得更好。要想保持竞争力，你只需要在构建方式上比别人更好，因为构建方式本身每隔几年就会彻底变化。所以不要等待，要关注自己正在取得的进展，并与团队过度沟通，不只是沟通愿景，也要沟通进展，几乎像是在让自己对进展负责。如果你是领导者，就给自己设定指标或 OKR，并与团队分享。如果你身处组织内部，无论首席产品官或首席执行官是否宣布了类似项目，都可以自己开始，或者加入已经这样做的组织，从而站在未来构建方式的前沿。
Tomer，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？
准备好了。
第一个问题：你最常向别人推荐哪两三本书？
我喜欢推荐一组三本自己很喜欢的书。现在这三本的主题非常多元，如果没有全部落在科技领域，还请见谅。第一本叫《国家为什么会失败》，十多年前我就读过，作者还在去年获得了诺贝尔奖。它讨论的是，为什么有些国家成功，而另一些国家失败。它给出的不是人们通常想到的解释，比如文化、自然资源或宗教，这些往往只是最直接的借口。它把问题归入两类制度：攫取型制度和包容型制度。人们是否能广泛参与、机会是否共享，还是制度从多数人那里攫取资源、交给少数人？这本书提供了一种思考国家如何建设的非凡方式。LinkedIn 很重视机会这个理念，所以它也能帮助我们思考如何建设产品，让我们摆脱简单解释，转而寻找一个国家真正成功的原因。第二本叫《Outlive》，核心是作者 Peter Attia 提出的“3.0 医学”，也就是建立个性化医疗。我认为在 AI 时代，这个方向未来会变得非常了不起。它还讨论了生活中应该考虑的各个方面，让你尽可能优化健康，从锻炼、饮食到最重要的健康因素都有涉及。这是一本很长但很棒的书。然后最后一本……
就是我身后书架上的那本。
没错，就是那本。
它在书架上方，你现在其实看不见，我想。
最后一本也是多年前出版的，叫《无限的开始》，作者是多伊奇，我很喜欢。对我来说它读起来并不容易，但我很喜欢它的理念。尤其在产品领域，我喜欢因果关系这个概念：真正找出事情为什么发生的好解释，然后以此构建下一轮迭代。这本书强调，只有清楚理解事情为何发生，才能在此基础上取得突破。在达到清晰的科学突破之前，我们不会取得重大进展；但一旦做到这一点，就几乎可以在其上实现无限的进步。
纳瓦尔总是在谈最后那本书。我想我买过，但读起来真的很难。
它读起来并不容易，至少对我来说是这样。但这是一本力量很强的书。
太棒了。最近有没有特别喜欢的电影或电视节目？
我可以说播客吗？
当然可以。
有一档希伯来语播客叫《One Song》。它通常会选一首广为人知的歌，深入讲解歌曲的起源和历史，我很喜欢。因为我热爱音乐，它把歌曲拆解得非常好，也很擅长让歌曲背后的故事鲜活起来。你原本以为一首歌是在讲某件事，但节目会深入分析创作者，有时是歌词的选择，有时是歌词与音乐的匹配。我非常喜欢这档节目。
我记得有一档叫《Song Exploder》的播客，理念类似，只是它不是希伯来语，而是英语。如果你喜欢那一档，我也推荐给大家。
太棒了。
最近有没有发现特别喜欢的产品？可以是应用、服装，也可以是厨房用具之类的产品。
我可以说一个自己想要的产品吗？我觉得这其实很容易实现。
我喜欢这个回答。这是产品思维入门：先想象你真正想看到的东西。
我现在的车里内置了 Alexa，这很好，因为孩子们可以整天点歌，车里就像有一场完整的演出。但过去两年多以来，我最喜欢做的一件事，是上车后进入语音模式。
ChatGPT。
对，就是 ChatGPT，然后直接开始对话。现在这一步仍然有摩擦。我很希望方向盘上有一个按钮，可以召唤一个坐在副驾驶位旁边的 AI 朋友。我觉得这会彻底改变人们的乘车体验。只要消除这个摩擦，体验就会发生变化。
说到这个，我最近发现特斯拉现在真的能做到这一点。按住右侧方向盘，Grok 就会出现，你可以和它交谈。AI 已经到来了。我也是偶然发现的，然后想，好的，真酷。
太好了。所以如果 Rivian 有人在听，我希望你们把这个功能带到车里。
Rivian 落后了。是的，而且你必须使用 Grok。如果可以切换到不同的 AI 就更好了，因为它有自己的个性。我只需要它提供信息，不需要它笑着讲笑话。
你之前需要花时间和它相处吗？还是它会记住什么？你有没有把任何记忆带进去？
它有一个未登录版本，你也可以直接登录，连接到自己的账号。真的非常酷。没人怎么谈到它，太不可思议了，因为我甚至不知道他们是否已经正式发布，它就这样突然出现了。
你在车里经常和它聊天吗？
说实话，我用得不多，但应该多用。我妻子不太喜欢 Grok，我觉得 Grok 这个品牌有很强的特定形象，所以她会说：“别在我旁边和 Grok 说话。”
我很喜欢语音模式，所以一直在用。
我也很喜欢语音模式。只是它打断得太频繁，这是问题，对吧？它总是停下来。
顺便说一句，你可以设置它。你基本上可以说：“嘿，让我先说完。”
我现在知道了，学到了很多。好，还有两个问题。你有没有经常用于工作或生活的人生格言？
我想我上次谈过这个，可能记错了，但我最认同的一句话是“我并不困惑”，只是现在不太常说了。不过我真正喜欢的是，成长型思维几乎是我们家的第二信仰。其中有一句话是“成为比存在更重要”，我觉得它和全栈构建者模式有些联系：你始终处在进步和迭代中，而不是抵达某种固定状态。应该爱上旅程和过程，持续成长和演化，而不是被负面情绪或错失恐惧牵着走。如果一年后回头看，应该问自己成长了多少、知道了多少、学会了哪些技能、变得哪里更好。比如，2026 年的 Tomer 和 2025 年的 Tomer 相比，差异是什么？我很喜欢用这种方式思考。
这是进入最后一个问题的好铺垫。等本期节目播出时，你离开 LinkedIn 已经不再是秘密了。你在那里度过了传奇般的 14 年，早在收购之前就加入，还帮助公司完成整合。LinkedIn 14 年前在人们心中的形象，与今天截然不同。相比过去很长时间里人们对 LinkedIn 的看法，现在在那里工作确实有趣得多。所以，你现在感觉如何？接下来有什么打算？我想很多人会打电话给你，但你准备做什么？
我感到自豪。在 LinkedIn 的经历非常精彩。我第一次深入了解 LinkedIn，是 2008 年搬到硅谷后，去斯坦福听一场关于社交网络的讲座。当时 Reid 也在场，他谈到了在线专业社区的力量。我对这个愿景非常着迷，但当时没有加入 LinkedIn 的计划，后来还创办了自己的公司。没想到几年后我加入了 LinkedIn，并觉得它的使命非常了不起。很多方面，这与我的人生目标一致，在这里工作是一段不可思议的经历。我也非常感恩。我最近和公司分享了自己从这段经历中得到的教训，其中很多来自艰难的处境。LinkedIn 经历过许多困难时刻、艰难决策和深夜工作，但正是这些经历让人学到很多，我对此无比感激。我也很兴奋。我一直倾向于改变，倾向于把自己放在能够学到最多东西的位置。现在正是构建新事物的绝佳时代，所以我很期待思考新的问题领域，深入研究，并投入未来十年。
我想你需要很长时间，才能不再觉得自己还在 LinkedIn 工作，也才能忘掉这些年来一直操心的所有事情。
当你长时间构建某个东西后，我觉得我们曾经谈过，构建者最好的特质之一就是对自己构建的东西充满热情，真正关心它。关心的不是这份工作本身，而是产品。当有人抱怨时你会感到痛苦，并且始终有一种不满足感。对我来说，这就像养育孩子。所以，是的，这会很难。我永远会把 LinkedIn 看作自己参与养大的孩子之一。
等你想清楚下一步要做什么，或者开始做某件事之后，我很期待有一天再次邀请你回来。我很高兴借这个机会认识了你。Tomer，非常感谢你今天来到节目。
很高兴来到这里。谢谢你，Lenny。
再见，各位。非常感谢大家收听。如果你觉得本期内容有价值，可以在 Apple Podcasts、Spotify 或你常用的播客应用中订阅节目。也请考虑评分或留下评论，这会帮助更多听众发现节目。你可以在 lennyspodcast.com 找到往期节目或了解更多信息。我们下一期再见。