從Cursor返聘歸來，90後華裔女高管帶Claude開啓日更模式：token成本比工程師工資低多了！

在大多數公司還在按季度推出新產品時，Anthropic 已經把發佈節奏壓縮到了“按天迭代”。站在這一切背後的，是一名 90 後的華裔女性 Cat Wu。從工程師到 Anthropic 旗下兩款王牌產品 Claude Code 和 Cowork 的產品負責人，她不僅親手推動着這一代 AI 產品的演進，也在面試成百上千位試圖進入 AI 領域的產品經理，親眼見證了哪些人在成功、哪些人已經落後。

Cat Wu 全名是 Catherine Wu，在加入 Anthropic 之前曾做了多年的工程師，還在風險投資領域短暫工作過。據瞭解，她本科畢業於普林斯頓大學計算機科學專業，曾擔任 Scale AI 產品工程師、Dagster 工程經理和 Index Ventures 風險投資人，於 2024 年 8 月加入 Anthropic。2025 年 7 月初，Cat Wu 與 Boris Cherny 兩位高管級人物一同被 AI 編程初創公司 Cursor 挖角。約兩週後，兩人便迴歸 Anthropic。迴歸後，他們全面接管 Claude Code 產品線。

“我們許多產品功能的開發進度從 6 個月縮短到了 1 個月，有時候甚至只需要一天。”近日，Cat Wu 在一場深度訪談中表示。她談到，這種狀態在 Anthropic 已持續了好幾個季度了。“內部用模型提升了一些效率，更關鍵的是流程和團隊的預期。我們儘量減少流程，移除所有阻礙發佈的因素，讓每個人都覺得自己可以把一個想法在一週、甚至一天內，變成一個上線的產品。”

而在做產品功能的優先級決策時，他們只圍繞一個使命：為全人類帶來安全 AGI。“如果 Claude Code 失敗了，但 Anthropic 整體成功了，我會非常開心。整個團隊也都願意按照這樣的思路來做決策。”有趣的是，Cat Wu 指出，新模型發佈時除了解鎖全新功能，帶給他們更大變化的其實是“刪除功能”，因為很多功能原本是為了彌補模型能力的不足。

對於此前 Claude Code 源碼泄露一事，她透露“這是一個人為錯誤”，涉事員工目前仍然在公司工作，“這是流程問題，最重要的是從中學習，增加防護措施，這也是我們現在在做的事情。”

Cat Wu 還分享了 Anthropic 內部當前使用模型 token 的情況。除了工程團隊之外，其公司裏用 token 最多的是並沒怎麼出現在外界視線的 Applied AI 團隊，他們的工作是幫助客戶在公司內部落地 API 和模型能力。此外，她表示，儘管每次模型有明顯升級時，人均 token 消耗都會上升。但目前來看，這個成本仍然遠低於工程師的平均薪資。並且，內部團隊用自家模型也有上限，浪費 token 是不被鼓勵的。

以下是詳細對話內容，我們在不改變原意的基礎上進行了翻譯和刪減，以饗讀者。

主持人： 我想先從你的角色講起，特別是你和 Boris 的分工。大家都知道 Boris，他創造了 Claude Code，帶團隊推進，每天從手機上提交無數 PR。我甚至都不知道現在具體是多少了。我覺得大家沒有給你足夠的認可，其實 Claude Code、Cowork 以及你們正在做的一切的成功，都有你的貢獻。能不能幫我們講講你在團隊裏的角色？你和 Boris 是怎麼合作的？你們如何分工？在 Claude Code 團隊裏，PM （產品經理）的角色到底是什麼樣的？

Cat Wu： 我覺得自己非常幸運能和 Boris 一起工作，他是一個很棒的思維夥伴。他是我們的技術負責人，同時也是產品願景的提出者，非常擅長定義產品未來的方向，比如三個月、六個月之後產品應該是什麼樣，甚至是“AGI 完全體版本”的產品形態。

我更多是在思考，從現在到那個三到六個月後的願景、中間的路徑是什麼。我花了很多時間在跨團隊協作上，比如確保市場、銷售、財務、算力等團隊都認同這個計劃，大家朝着同一個方向前進，同時確保功能準備好之後不會在發佈環節被卡住。某種程度上，我們合作得很好，是因為我們有點“腦回路融合”的感覺。但其實邊界也挺模糊的，大概 80% 是重疊的，剩下 20% 是我特別在意的部分，我會主導；還有 20% 是他更在意的，他就會主導。

主持人： 之前你提到，你一直在面試大量 PM。如果每次有人找我內推去 Anthropic 當 PM 我能拿一塊錢，那我現在可能已經有 300 億 ARR 了。這是現在大家最想去的公司之一，所以我能想象你面試了多少人。你說很多人其實做錯了，他們對“成為一個成功的 AI 產品經理”的理解有偏差。你能講講你觀察到的問題嗎？以及現在到底需要什麼能力才能成功？

Cat Wu： 我覺得在 AI 之前，技術變革的節奏是比較慢的。你可以按 6 到 12 個月的週期來規劃，而且因為功能發佈節奏也比較慢，當時很強調和其他團隊的協同，確保他們的功能能為你解鎖路徑，因為寫代碼本身是很昂貴的。但現在，AI 大幅提升了工程效率。隨着模型能力也在快速提升，我們許多產品功能的開發進度從 6 個月縮短到一個月，再到一週，有時候甚至是一天。在這種情況下，我們需要更快地把產品推出去。

這意味着，作為 PM，你不應該再把重點放在跨多個季度的 roadmap 對齊上，而是要思考：怎麼用最快的方式把東西做出來？怎麼讓一個想法在一週內就能交到用戶手中？我覺得在 AI 原生產品中表現最好的 PM，是那些能極大縮短“從想法到用戶手中”這段時間的人，同時還能清楚定義，產品中哪些核心任務必須開箱即用。

主持人： 我很喜歡你說的這一點，本質上是很多人還沒意識到節奏有多快，以及現在工作中有多大一部分是“幫助團隊加速”。那具體怎麼做到？你們 PM 團隊是怎麼幫助團隊這麼快推進的？

Cat Wu： 第一件事是設定清晰的目標。因為大模型本身很通用，會帶來很多模糊性：我們到底在為誰做產品？解決什麼問題？最重要的使用場景是什麼？一個優秀的 PM 能夠明確這些，比如：我們的核心用戶是專業開發者；這個功能要解決的問題是權限彈窗太多導致疲勞；我們的目標是讓企業裏的開發者安全地實現“零權限彈窗”。這樣目標就很清晰，也會自動排除很多不必要的方案。

第二，是建立一個可複用的發佈流程。比如在 Claude Code，我們幾乎所有功能都是以“研究預覽”的形式發佈。我們會明確告訴用戶這是早期產品，是一個想法，還在收集反饋，也可能不會長期支持。這樣做的好處是降低了承諾成本，我們可以在一兩週內快速上線一個東西。第三，是為團隊建立一個協作框架，讓大家知道什麼時候需要拉跨職能團隊以及他們的預期是什麼。

我們在工程、市場和文檔之間有非常緊密的流程：工程師覺得功能 ready 並完成內部使用後，會發到一個發佈頻道，文檔、PMM、開發者關係團隊會立刻跟進，第二天就能發佈公告。

這種流程降低了發佈摩擦，而 PM 的職責之一就是把這個體系搭建好。

主持人： 那 PRD 在這個體系裏是什麼角色？你剛剛提到目標很重要，那你們還寫 PRD 嗎？還是隻是簡單幾條 bullet point？在 AI 時代，這件事是怎麼演變的？

Cat Wu： 我們主要做兩件事。第一是非常嚴格的數據指標，每週都會和整個團隊一起做指標覆盤，確保每個人都深入理解業務的各個方面：核心目標是什麼、趨勢如何、驅動因素是什麼。第二是我們有一套團隊原則，包括核心用戶是誰、為什麼是他們。這樣做的目的是讓每個人都理解業務運作方式，知道什麼重要、什麼可以取捨，從而可以自主決策，而不是被 PM 卡住。對於一些特別模糊的功能，我們還是會寫一頁紙，說明目標、理想使用場景，以及當前需要解決的失敗模式。當然，也有一些項目，特別是涉及重基礎設施的確實需要幾個月時間，那種情況下我們還是會寫完整的 PRD。

主持人： 我還想再深入問一下你們為什麼能這麼快。我從沒見過像 Anthropic 這樣的發佈節奏，幾乎每天都有重要功能上線。有個問題是，你們最近做了一個叫 Mythos 的模型，還在預覽階段，因為太強大了，大家甚至有點擔心它的能力。你們是不是在內部用了它，這也是你們變快的原因之一？

Cat Wu： 我們已經快了好幾個季度了，所以不完全是 Mythos 的原因。它確實非常強大，我們內部也會用模型，這確實提升了一些效率，但不是主要原因。更關鍵的是流程和團隊的預期。我們儘量減少流程，移除所有阻礙發佈的因素，讓每個人都覺得自己可以把一個想法在一週內、甚至一天內，變成一個上線的產品。

主持人： 太酷了，既有最強模型，又在做產品，這種優勢真的很難複製。

Cat Wu： 我們確實很幸運能用到這些前沿模型。

主持人： 最近發生了一件事，就是 Claude Code 的源碼泄露，大概一週前，有人把代碼放出來了。你能講講發生了什麼嗎？

Cat Wu： 我們看到之後第一時間做了調查。這是一個人為錯誤。當時有人在用 Claude 寫 PR，這是一次關於發佈流程的更新，而且經過了兩層人工審核。最終這是一個人為失誤，我們也加強了流程，確保未來不會再發生。

主持人： 那這個人還在公司嗎？

Cat Wu： 在的。這是流程問題，最重要的是從中學習，增加防護措施，這也是我們現在在做的事情。

主持人： 還有一個問題是 OpenClaw。最近你們限制了用 Claude 訂閲去跑 OpenClaw，社區反應很大，很多人覺得這對開源社區有傷害。你怎麼看？

Cat Wu： 我們確實看到對 Claude 的需求非常高，所以一直在努力擴展基礎設施，同時優化 token 使用效率，讓大家用得更久。但這個產品本來不是為第三方產品設計的，它們的使用模式和我們的一方產品差異很大。我們也花了很多時間思考怎麼做一個儘可能平滑的過渡，比如給訂閲用戶提供額外 credits。但最終我們還是做了一個艱難的決定：優先支持我們的一方產品和 API，這也是這個決策的背景。

主持人： 對我來說這其實很合理。你們一個月 200 美元基本是無限用，但算力成本又這麼高，公司還是要賺錢的，不可能一直補貼。回到 PM 團隊，你們的團隊結構是怎樣的？大概有多少 PM？

Cat Wu： 我們現在大概有 30 到 40 個 PM，分成幾個團隊。有研究 PM 團隊，負責收集模型用戶反饋，並傳遞給研究團隊，同時也參與模型發佈；有云開發者平台團隊，維護 Claude Code 的 API，併發布像託管 Agent 這樣的能力；有 Claude Code 團隊，負責 Claude Code 和 Cowork 的核心產品；有企業團隊，負責讓這些產品更容易被企業採用，比如成本控制、權限管理、安全等；還有增長團隊，負責整個產品線的增長，我們和他們在 Claude Code 和 Cowork 上合作很緊密。

主持人： 說到增長，Amole 最近剛上過我們的播客。他提了一個很有意思、但很少有人講的觀點。現在大家普遍有一種感覺：未來會需要更少的 PM，甚至有人說“還要 PM 幹嘛，工程師自己就能發版”。但他的看法正好相反：因為工程師的速度變得太快了，PM 和設計師反而被“擠壓”了，每天都有新功能上線，很難跟上節奏。所以他覺得反而需要更多 PM。你怎麼看？你覺得未來 PM 的招聘會增加嗎？這個職業長期會怎麼演變？

Cat Wu： 我覺得各種角色正在融合。PM 在做一些工程的事情，工程師也在做 PM 的事情，設計師既在做 PM，也在寫代碼。你可以選擇招更多有產品感覺的工程師，或者保持工程師數量不變，增加更多 PM 來幫助引導他們的工作。在我們團隊，我們更傾向於招聘有很強產品感覺的工程師。這樣可以減少產品發佈過程中的“摩擦成本”。比如我們團隊裏有很多工程師，可以從在 Twitter 上看到用戶反饋，到一週內直接上線一個產品，中間幾乎不需要 PM 參與。我覺得這其實是最高效的方式。

所以我認為工程師和 PM 的邊界正在重疊，不管你增加哪一類人，都會帶來價值。不過我覺得“產品感”仍然是一個非常稀缺的能力，只要我們看到有人在這方面特別強，就會非常願意招。

主持人： 你之前是工程師出身，對吧？

Cat Wu： 對，我做了很多年工程師。後來短暫做過風投，然後加入了 Anthropic。實際上，我們團隊幾乎所有 PM 要麼是工程師出身，要麼在 Claude Code 上寫過代碼。我覺得這有助於建立團隊信任，也能讓我們推進得更快。甚至我們的設計師很多也曾是前端工程師。

主持人： 這正好引出一個關鍵問題：現在這些角色在融合，很多人會想，如果我是工程、產品或設計背景，到底哪種能力未來最有價值？在你們這裏，工程能力顯然很重要。但在其他公司，比如設計背景轉 PM，會不會更有優勢？

Cat Wu： 我還是覺得核心在於“產品感”。隨着寫代碼變得越來越便宜，更有價值的能力變成了：決定“該寫什麼”。比如這個功能的最佳用戶體驗是什麼？怎樣才能讓用戶感到最愉悦？

我們每天會收到成千上萬的 GitHub issue，用戶什麼都在提。這時候就需要很強的判斷力和品味，去決定哪些值得做，以及應該怎麼做。這個能力可以來自任何背景，但它是最重要的。我覺得工程背景之所以在接下來幾個月特別有價值，是因為它能幫助你判斷一件事的實現難度，而這往往會影響優先級。比如，如果一個功能很容易做，那可能就不用討論太久，直接花一小時做出來；但如果很複雜，你就會意識到它的成本很高，這會影響決策。

主持人： 你剛才說“接下來幾個月”，是因為模型很快會變得更強，到時候可能連這個判斷都不重要了嗎？

Cat Wu： 我覺得更準確的說法是：技能的價值變化非常快，很難預測幾個月之後會怎樣。這不是說某個具體模型會改變一切，而是過去的趨勢是，每隔幾個月，代碼能力就會有一次明顯提升，從而改變其他崗位的價值結構。

主持人： 明白，不是某個具體節點，而是變化本身在加速。

Cat Wu： 對。

主持人： 在這樣的環境下，人類的大腦在哪些方面還會持續有價值？至少在短期內。

Cat Wu： 我覺得最重要的是“第一性原理思考”。你要能理解技術環境在如何變化，團隊現在真正需要你做什麼，並主動去填補那個空缺。現在的工作越來越“模糊”，一個優秀的 PM 要能看清所有缺口，判斷優先級，然後要麼去學習新技能，要麼用已有能力去解決問題。所以現在更受歡迎的是那種可以“多角色切換”、願意承擔各種工作的、且不太在意頭銜的人。

主持人： 我很喜歡這個回答。我最近一直在問類似你這樣的前沿從業者一個問題：在人類還沒到超級智能之前，人類大腦的價值在哪裏？聽你說，核心就是選題、判斷方向、做優先級，以及判斷一個東西是否“對”。還有把它快速推向市場。是這樣嗎？還有補充嗎？

Cat Wu： 我覺得人類還有一個優勢是“常識”。一個產品發佈涉及成千上萬個細節，有很多可能出問題的地方。模型目前還不太擅長理解所有利益相關方是誰、他們之間的關係、各自的偏好，以及應該通過什麼方式溝通。這些更偏“隱性知識”、類似情商的能力，目前仍然很重要。當然我們也希望模型在這方面變得更強，但現在還是有差距。

主持人： 在這樣高速變化的環境裏，作為一個人，你是怎麼保持理智的？感覺像是在龍捲風中心。

Cat Wu： 我覺得我們團隊的人都很“享受混亂”。我們會帶着笑面對挑戰，因為事情永遠很多、風險也很多。如果你對每件事都焦慮，很快就會透支。我們更傾向於找那種看到困難會說“這很難，但我很期待解決它”的人。他們會盡力而為，也接受不完美，但能安心睡覺，因為知道自己已經做到最好。

主持人： 這其實也是一種重要能力。有人說，現在就是“世界最正常的時候”，之後只會更瘋狂。

Cat Wu： 確實會越來越難。有時候週日晚上有一個 P0 級問題，週一早上又來一個更嚴重的，到了下午可能出現更誇張的，你就會覺得，昨天那個問題根本不算什麼。你只能接受你能做的事情是有限的。你要保證睡眠，才能第二天做出好決策。同時要極度優先級排序，專注最重要的事，並接受有些事情做不好。比如我們有些產品上線時不夠精緻，但只要不影響核心用戶價值，就可以接受，因為我們會快速拿到反饋，在下一次迭代修復。

主持人： 聽起來就像《加勒比海盜》裏那個場景：船都快炸了，有個人還在優雅地下樓。我接觸到的 Anthropic 的人確實都很冷靜、很樂觀。

Cat Wu： 如果沒有這種狀態，很容易透支。我們也傾向於招聘那些在行業裏經歷過很多起伏的人，他們更知道什麼能給自己帶來能量，以及如何長期保持狀態。

主持人： 那在這種角色融合的趨勢下，我們會失去什麼？比如職業路徑、設計一致性、代碼質量？

Cat Wu： 我們確實會犧牲一些“產品一致性”。以前代碼成本高的時候，你會非常精細地規劃整個產品體系，每個產品的定位、使用場景、如何協同，通常一個場景對應一個產品。但現在 AI 發展太快，我們需要測試很多想法，所以有時候會出現功能重疊。很多時候是因為我們內部同時喜歡兩種不同形態，希望用戶來告訴我們哪種更好。但這對新用戶來說會帶來困惑：他們不知道完成某個任務的最佳路徑是什麼。這意味着我們需要做更多用戶教育，幫助他們理解核心功能和最佳實踐。

另外一個問題是用戶會覺得“跟不上”。過去你一個月甚至一個季度才有一次更新，不看也沒關係。但現在這些工具發展太快，很多人會每天刷 Twitter 看最新進展。我們也在思考如何讓用戶不那麼焦慮，希望他們打開工具時，工具本身就能引導和教學，而不是讓他們感覺在一條越來越快的跑步機上。

主持人： 我看到你們最近上線了一個很有意思的功能，好像叫 /powerup，它會帶用戶瞭解 Claude Code 的最佳用法。這是不是為了解決這個問題？

Cat Wu： 對，就是這個思路。其實我們以前不太想做這種 onboarding，因為我們覺得產品應該足夠直觀，不需要教程。但後來發現功能太多了，而且用戶非常希望有一個內置的引導，告訴他們在上百個功能裏，最重要的 10 個是什麼。所以我們調整了原來的理念，加上了這個功能。

主持人： Anthropic 這幾年的發展非常誇張。一開始其實很落後、融資少、沒有分發渠道，OpenAI 遙遙領先，大家都覺得沒機會。但現在你們增長非常驚人。站在內部看，你覺得成功的關鍵是什麼？

Cat Wu： 我覺得最重要的是兩點。第一，是一個高度統一的使命感。這一點非常關鍵。我們招聘的是那些真正關心“為全人類帶來安全 AGI”的人。而且這不是一句口號，我們在做產品決策時會反覆參考這個使命。因為我們把使命放在單一產品之上，所以可以在整個組織層面做出快速決策，並統一執行。這一點在我們這個規模的公司裏其實很少見。

主持人： 我再確認一下是否理解正確。也就是說，你們把“安全對齊（確保 AI 對世界有益）”作為第一使命。只要這個使命足夠清晰，很多決策其實就更容易做了。比如當有兩個優先級衝突時，就看哪個更符合 Anthropic 的使命，然後優先做那個。這樣一來，一旦做出決定，大家也都會支持它。

Cat Wu： 有時候這也意味着，比如我們想在 Claude Code 上發佈某個功能，但發現有更重要的事情，於是就降低這個功能的優先級，推遲到以後再做。

主持人： 這點很有意思。我覺得這也解釋了你們和另一家公司 OpenAI 之間的差別，他們做了很多不同的事情。而你們的邏輯是：我們不會去做社交網絡，也不會去做信息流，因為這些不符合使命。這種剋制讓 Anthropic 保持了專注，而這似乎正是成功的關鍵因素之一。

Cat Wu： 當我談“使命”的時候，我理解的是把 Anthropic 的目標放在任何個人、任何單個產品之上。對我來說，我們做得第二好的事情其實是“專注”，但使命和專注還是有點不同。使命意味着團隊願意做出犧牲，哪怕會影響自己的目標或 KR，只要這是為了服務 Anthropic 的整體目標和 KR。而且大家是很樂意做這種權衡的。舉個極端的例子，如果 Claude Code 失敗了，但 Anthropic 整體成功了，我會非常開心。整個團隊也都願意按照這樣的思路來做決策。

主持人： 這個問題你可能不方便講太多細節，但你覺得像 OpenClaw 的決策，是不是也屬於這種邏輯？比如說：這個方向沒有推動 Anthropic 的使命，所以就要停掉？

Cat Wu： 我覺得對 Anthropic 來說，非常重要的一點是擴大我們能夠觸達的用戶規模。實現這一點的方式之一，是通過 Claude 訂閲以及我們的第一方產品。所以我們會非常堅定地加碼這些方向，但這有時候確實會以犧牲第三方產品為代價。

主持人： 我們剛剛提到了 Claude、Cowork 等產品。我想確認大家能理解這些工具的區別，也很好奇你自己是怎麼用的。比如有 Claude Code、Claude desktop 還有 Cowork，到底什麼時候該用哪個？

Cat Wu： 我通常會在終端裏使用 Claude Code，尤其是當我只是想快速啓動一個一次性的編碼任務，並且希望用到最新功能的時候。CLI 是我們最早的產品形態，很多新功能也最先在這裏上線，所以它是功能最強的一個工具。一般我在同時處理一個或少量幾個任務時會用。desktop 更適合需要做前端工作的場景。我很喜歡用它的預覽功能，比如我在做一個 web app 時，會同時用 Claude Code 和 desktop，在右側打開預覽面板，這樣可以一邊和 Claude 對話，一邊實時看到網頁效果。

對於非技術用戶來說，desktop 也更友好。終端對很多人來說很陌生，會彈出各種“看起來很嚇人”的提示，也不像其他產品那樣可以點擊操作。所以如果你不習慣終端，我會非常推薦用 desktop 版的 Claude Code。另外，desktop 還可以提供一個全局視圖，你可以看到 CLI 會話、desktop 會話，還有在 web 或 mobile 上發起的任務，是一個統一的控制面板。至於 web 和 mobile，它們最大的優勢是“隨時隨地發起任務”。CLI 和 desktop 都需要你在本地電腦上使用，但現實是你不可能一直帶着電腦。

我見過很多人一邊在外面走路，一邊用手機給電腦熱點、還要開着電腦不敢關。這說明我們其實缺一個解決這種場景的產品。mobile 就很好地解決了這個問題，你可以隨時發起任務，不需要把電腦帶到任何地方。

主持人： 太真實了。我在飛機上都見過這種場景，大家不敢關電腦，就等 Agent 跑完，還得一直連着 Wi-Fi。

Cat Wu： 至於 Cowork，它解決的是另一類問題：很多工作產出並不是代碼。比如清空 Slack、清空郵箱、做客戶演示用的 PPT、寫一個功能目標文檔或者發佈計劃, 這些都是“非代碼產出”。Cowork 就非常適合這些場景。所以我自己的劃分很簡單： 如果輸出是代碼，就用 Claude Code（無論是在 desktop 還是 mobile 上）； 如果輸出不是代碼，就用 Cowork。

主持人： 我覺得大家有點低估 Cowork 的成功了。它增長非常快，但很多人可能還不太清楚它到底能做什麼。能不能結合你作為 PM 的工作，分享一些實際用例？有沒有一些比較出乎意料的用法？

Cat Wu： 如果你剛開始用 Cowork，第一步一定是把所有和你工作相關的數據源都接入進去。

因為只有拿到足夠的上下文，它才能給出高質量的結果。對我來說，我會連接 Google Calendar、Slack、Gmail、Google Drive，讓它可以自由地獲取上下文、提取信息、串聯線程，這會顯著提升結果質量。我舉個例子，昨晚我在用 Cowork，因為我們有一個 Code with Claude 的大會，我需要做幾場演講。其中一個演講主題是：Claude Code 如何從“助手”進化成“真正的 Agent”。我想展示我們發佈的產品，以及內部的一些成功案例。

我把 Google Drive 和 Slack 都接入了。我們的產品市場同事 Alex 已經整理了一份初稿，我就把這些材料全部餵給 Cowork，並告訴它我想講的敍事邏輯。然後它工作了一個小時： 它去看了 Twitter 上我們發佈過什麼； 查看了內部的發佈記錄； 翻了 Claude Code 的公告頻道（裏面有很多團隊分享的實際案例）；最後把所有信息整合成了一份 20 頁的 PPT。我早上醒來一看，整體質量已經相當不錯了。雖然我還是做了一些修改，比如我更喜歡“少字”的幻燈片，而它一開始寫得有點多。

但整體速度遠遠超過我自己做的效率。而且因為它能訪問我們的設計系統，這份 PPT 看起來就像是專業設計師做的，非常精緻。

主持人： 這簡直是 PM 的夢想，做 PPT 太痛苦、太慢了。為了讓大家也能嘗試一下，你剛才說的步驟是：先接入 Slack、Google Calendar、Gmail、Google Drive，對嗎？

Cat Wu： 對，核心是連接你的溝通工具，以及團隊的“信息源”。

主持人： 那你當時的 prompt 大概是怎麼寫的？

Cat Wu： 我其實寫得很簡單： “幫我做一個 Code with Claude 大會的 PPT，這是 PMM 建議的內容，這是我現在不滿意的草稿，還有一個我手動做的版本（附連結）。先給我一個詳細的大綱，同時避免和 keynote 重複。”Claude 會先讀取這些連結，然後生成一個大綱。我再根據它的建議，決定哪些內容要保留。這其實也體現了現在 PM 的角色： Claude 是一個很強的“頭腦風暴夥伴”，能快速整合大量信息並給出多種可能性； 但最終決策仍然由 PM 來做。

我最後確定的結構是： 從“讓本地任務成功”，到“讓每個 PR 都通過”，再到“幫助工程師提交更多 PR”，每一階段配對應的 demo。在我確定大綱之後，Cowork 又花了幾個小時，把整份 PPT 完整做出來。

主持人： 太棒了。這相當於你在和一個“既懂設計又懂內容”的設計師對話。那設計系統這部分是怎麼實現的？它怎麼知道 Anthropic 的風格？

Cat Wu： 我們本來就有一套標準的對外演示模板，我直接把這個模板給 Claude。它就能學習我們的配色、字體、版式等，比如我們有大概 20 種常用的幻燈片格式。你也可以連接 Figma 的 MCP，如果你的模板在那裏面，它也可以直接讀取。

主持人： 說到這裏我很好奇，你作為 PM 的工具棧是什麼？除了 Claude Code、Cowork，還有什麼？

Cat Wu： 我的工具棧主要就是 Claude Code 和 Cowork。Anthropic 基本是圍繞 Slack 運轉的，我覺得它幾乎就是公司的“操作系統”。日常工作中，我大概有 30% 的時間是在不斷嘗試 Cowork 的邊界，看看它哪裏做得不好。我也會花很多時間和模型對話，理解它為什麼會犯錯。另外，我們內部也做了很多工具。Claude Code 最大的一個價值，是大幅降低了開發定製應用的門檻。所以現在公司內部出現了大量“個人化工作軟件”，用來解決非常具體的場景，而不是依賴那些不完全適配的通用工具。

主持人： 能舉一些例子嗎？

Cat Wu： 比如我們 Claude Code 的一位銷售同事，他發現自己要反覆做類似的客戶演示 PPT。於是他做了一個 web app： 內置了幾個效果最好的模板（比如 101、201、進階教程）； 然後可以輸入客戶信息，這些信息會從 Salesforce、Gong 等系統自動拉取；系統會根據客戶情況自動調整內容，比如： 客戶用的是 Bedrock 還是企業版 Claude； 他們更關注代碼評審還是安全合規； 是否需要 HIPAA 等合規支持；然後自動生成定製化 PPT。原本需要 20–30 分鐘的工作，現在幾秒鐘就完成了。

主持人： 很有意思的一點是，像 Slack 這樣的工具，幾乎沒人嘗試替代它。大家都在說 SaaS 要被自建工具取代，但 Slack 反而像是一個不可替代的基礎設施。

Cat Wu： 我覺得它確實是非常關鍵的溝通基礎設施，而且在“實時信息同步”這件事上做得非常好。

主持人： 是的，很多人會吐槽 Slack，但它在自己要做的事情上確實做得很好，而且最前沿的團隊基本都離不開它，這一點挺有意思的。

Cat Wu： 對，而且我也很喜歡它在“可定製性”上的設計。我們很喜歡做 Slack bot，這種“可 hack 性”讓我們可以按自己的方式去集成 Slack。所以在這方面我真的很認可 Slack 的工作。

主持人： 你剛剛提到很多不同團隊，以及他們如何使用 Claude Code 和 Cowork。除了工程團隊之外，哪個團隊用的 token 最多？我猜工程應該是第一，如果不是那就很有意思了。那第二名大概是誰？

Cat Wu： Applied AI 團隊在探索 Claude Code 和 Cowork 的邊界方面非常厲害。他們的很多工作是和客戶一起，幫助他們落地我們的 API。所以有時候他們會直接幫客戶做原型，而 Claude Code 讓這個過程比以前快了很多。同時，他們還要處理大量客戶溝通，比如客戶的需求、歷史會議記錄等等。所以他們在 Cowork 和 Claude Code 上的使用都非常重。

主持人： 那 Applied AI 團隊具體算什麼角色？類似前線工程（forward deployed engineering）嗎？

Cat Wu： 可以這麼理解。他們的工作是幫助客戶在公司內部落地我們的 API 和模型能力，無論是用在客戶自己的產品上，還是用於內部提效。

主持人： 明白了，就是一種偏技術的 go-to-market / 客戶成功角色。

Cat Wu： 對，是一種非常技術化的 go-to-market 角色。

主持人： 所以你覺得他們大概是 token 使用量第二多的團隊？

Cat Wu： 是的。而且他們也在不斷探索 Cowork 的使用邊界。比如很多人同時負責多個客戶，一天可能有 5 到 10 場客戶會議。於是他們會在前一天晚上用 Cowork 做準備：“幫我總結明天所有客戶會議，每個客戶關注什麼、提出過什麼需求、之前的行動項是什麼。”Cowork 會自動生成一份“作戰簡報”，幫助他們快速進入狀態。另外，如果客戶在會議中問：“某個功能什麼時候上線？” Cowork 甚至可以去 Slack 裏查最新進展，給出最新 ETA，並補充進會議資料。這些其實都是大家自己搭出來的工作流，並在團隊內部分享。

主持人： 太酷了。最近有個很有意思的趨勢：有些人用 AI 的 token 成本，已經超過了他們自己的工資。Anthropic 內部有沒有類似的數據？比如工程師或 PM 每天、每月大概用多少 token？

Cat Wu： 我們確實觀察到，隨着模型能力提升，人們會把更多任務交給它，也會在 Claude Code 和 Cowork 上花更多時間。所以每次模型有明顯升級時，人均 token 消耗都會上升。目前來看，這個成本仍然遠低於工程師的平均薪資，但這個比例是在持續增長的。

主持人： 你們還有一個很大的優勢，就是可以用最先進的模型，而且 token 基本不限量，對吧？

Cat Wu： 我們可以用很多 token，不過確實也會有人遇到限制。

主持人： 原來還是有上限的。

Cat Wu： 我們非常重視讓內部團隊儘可能快地開發，同時也相信大家理解模型運行的成本，並且會負責任地使用 token。浪費 token 是不被鼓勵的，但我們信任每個人做出判斷。

主持人： 回到 PM 這個角色。你剛剛提到了一些，我想再系統問一下：現在 AI 公司最看重 PM 的哪些新能力？

Cat Wu： 最難的一項能力，是定義“一個月後的產品應該是什麼樣”。因為在這個時間尺度上，模型能力和用戶行為都存在很大不確定性。但優秀的 PM 能從用戶如何“突破產品邊界”中看到模式，然後設定方向，並持續推進。如果模型能力變化超出預期，也能及時調整。

還有一點很難：你需要對 AGI 有“恰到好處”的信仰。大家都能想象一個未來：模型非常強大，幾乎無所不能，那產品甚至可以退化成一個文本框。但真正困難的是： 在當前模型能力下，如何最大化它的潛力？ 如何引導用戶走上“最佳路徑”？ 如何放大它的優勢、彌補它的弱點？這種能力其實非常稀缺。

主持人： 那這種能力怎麼培養？是不是要大量使用模型、理解它的邊界？

Cat Wu： 對，就是要大量和模型互動。我很喜歡做的一件事是讓模型“自我反思”，

比如有時候模型做了一些奇怪的事情，我會問它為什麼這麼做。它可能會說： 是 system prompt 有歧義； 或者沒意識到前端驗證是任務的一部分； 或者把任務交給子 Agent，但沒有檢查結果。這種分析可以幫你理解它哪裏被誤導，從而優化系統。

另外一個重要點是找到你信任的“反饋來源”。不是所有用戶的反饋都同樣有價值。通常會有少數幾個人，特別擅長判斷模型表現。找到這 5 個人非常關鍵。第三點是做 eval。你不需要做上百個 eval，只需要 10 個高質量的，就能幫助團隊明確目標、衡量進展。這是一個被嚴重低估的工作，更多 PM 和工程師應該參與。

主持人： 很多人都在說，產品經理的未來就是寫 eval，本質上就是定義“成功是什麼”。

你大概花多少時間在這上面？

Cat Wu： 這取決於具體問題。有些團隊會投入很多時間做 eval。我們有一個小團隊專門和 research 合作，精細分析模型行為。我個人通常是在某個功能需要更清晰定義時才會參與，比如做 5 個 eval，說明怎麼跑、哪些成功、哪些失敗，以及如何優化 prompt。像 memory 這種功能，就特別依賴 eval。

主持人： 你剛才提到 Claude 的“性格”。我之前採訪過聯合創始人，他也強調這一點。很多人一開始會覺得這只是“有趣”的附加項，但其實它是 Claude 成功的核心。你怎麼看？

Cat Wu： 你可以想想現實中的同事，有些人就是讓你覺得“很喜歡和他一起工作”。Claude 也是一樣。大家喜歡它，是因為它： 輕鬆、有趣； 但同時非常專業； 沒有 ego； 願意承認錯誤； 態度積極；比如當你覺得任務很難時，它會說：“沒關係，我們一步一步來，要不要我先幫你開始？”優秀同事的特質是積極、主動、真誠反饋，我們都在努力注入到 Claude 中。

主持人： 你提到新模型發佈後，往往要重新思考產品，這聽起來既有趣又讓人崩潰。這種情況多頻繁？

Cat Wu： 其實更大的變化是“刪除功能”。因為很多功能原本是為了彌補模型能力不足。比如早期的 to-do list： 模型在做大規模修改時會漏掉步驟，所以我們加了任務列表來強制它執行完。但在新模型裏，它已經能自然完成這些步驟，所以這個功能就不再那麼重要了。我們每次發佈新模型，都會重新檢查 system prompt，把不再需要的部分刪掉。

主持人： 所以模型會“吃掉”你之前做的那些產品層補丁？

Cat Wu： 對。但更令人興奮的是：新模型也會解鎖全新功能。比如 code review，我們嘗試了很多次，直到最近模型足夠強，才真正達到可用水平。現在我們甚至可以並行運行多個 code review Agent，掃描整個代碼庫，輸出高質量問題。

主持人： 最後聊一下願景。Claude Code 和 Cowork 的長期方向是什麼？

Cat Wu： 我們是從“任務”這個基本單元來思考的。第一步，是讓單個任務穩定成功。隨着模型變強，任務成功率提升，人們開始同時運行多個任務。下一步可能是：同時運行幾十、上百個 Claude。這時候問題就變成： 如何管理這些任務？ 如何構建界面，讓人類知道該關注哪些？ 如何確保 Agent 已經完成並驗證了工作？ 如何建立反饋機制，讓系統持續自我改進？

這就是我們在思考的長期方向。

主持人：有很多人在聽這個節目，包括很多產品經理、創業者，還有各種跨職能崗位的人。大家現在都很擔心自己的角色，以及未來的職業發展。你會給大傢什麼建議？不僅是如何在這個高度 AI 驅動的世界裏生存下來，而是如何真正取得成功、實現“蓬勃發展”？你覺得大家應該聽到什麼、又該做些什麼？

Cat Wu：我覺得 AI 給了每個人比過去大得多的槓桿。所以我會建議你：每當你意識到自己在反覆做某個手動任務時，就去思考，能不能用 Claude Code、Cowork 或其他 AI 工具把它自動化掉。大多數人的工作裏都有一部分是他們非常喜歡的創造性內容，同時也有一些他們非常討厭、很繁瑣的部分。而 AI 的美妙之處就在於，它可以幫你處理這些枯燥的工作。它可以從你每一次做這些手動任務中學習，總結規律，然後自動執行，這樣你就能把精力集中在更有創造性的部分上。這意味着你能做的事情會比以前多得多。

所以我最直接的建議是：找出那些可以交給 Claude 去做的重複性工作，不斷去迭代這些能夠自動化的工作流，直到成功率很高，接着，去思考你還能為團隊、產品、公司做些什麼，那些以前因為沒有時間或精力而一直擱置的事情，或者有沒有什麼你一直覺得公司應該做、但從來沒有時間去做的項目？如果 AI 能幫你處理掉那些“苦活累活”，那你就相當於多出了 20% 的時間。我的建議是：擁抱這些工具，把你不喜歡做的工作交出去，找到它們如何加速你的方式，然後你就能做得更多。

主持人：你剛剛說的一個核心點，我非常認同，就是用 AI 去解決問題。現在工具很多、潛力很大，但對很多人來說，最難的是到底該做什麼？你這裏的建議其實是：留意那些你反覆在做、可以自動化的事情；以及那些一直想做但沒時間做的想法。本質上就是為自己解決問題，對嗎？

Cat Wu：對，完全正確。我還會建議大家：把自動化從“這是個不錯的概念”，推進到“它真的 100% 可用”。我有時會看到用戶把某個流程自動化到 90% 或 95% 的程度，然後就放棄了。但如果不能做到 100% 自動化，那它其實就不算真正的自動化。最後那 5% 到 10%，往往需要更多時間。而且，構建自動化的過程，也比你手動去做還慢。但我還是鼓勵大家，選一個你真的很想做到 100% 自動化的事情，投入足夠的精力去打磨它：教模型你的偏好，給它反饋，讓它不斷提升，直到達到 100%。只有這樣，你才能真正信任它。一個 95% 程度的自動化工作，其實價值不大。

主持人：我完全中槍了，這對我來說是非常好的建議。

Cat Wu：我自己也是這樣。我最近在教 Cowork 幫我把 Gmail 做到 inbox zero，但這個過程非常耗時，而且確實還遠遠沒達到理想狀態。

主持人：太巧了，我也是。我做了一個自動分類郵件的流程，把那些“垃圾請求”（比如想上播客之類的）自動分類到一個文件夾裏。它大概 95% 都是對的，但偶爾會漏掉重要郵件。

所以你這個建議很好，我要把它做到完美。

Cat Wu：我們其實也在努力讓這些自定義流程更容易使用。現在的流程確實有點複雜：你要定義一個 skill，要學會調用它、給它反饋，還要讓 Cowork 根據反饋更新這個 skill，最後還要檢查更新結果。這也是我們的責任，讓整個流程變得更順滑，而不是讓人覺得痛苦。

主持人：太棒了。Cat，還有沒有什麼你想補充的？或者有什麼想特別強調的，在我們進入最後的快問快答之前？

Cat Wu：我看到很多人在用 AI 做各種嘗試，比如做原型應用、或者搭建一些工作流。但我更建議大家：去做那些你每天都會用的應用。因為只有在真正使用中，你才能獲得價值。如果你只是做了一個原型，但它並沒有幫你提高效率，那 AI 實際上並沒有為你帶來價值。那種“一次性做個東西，覺得挺酷，然後就再也不用”的方式，你學到的東西其實很有限，也沒有真正獲得槓桿。

主持人：這是個很好的觀點。我還注意到另一種極端：有些人會花很多時間去定製自己的工作流。有一類人從不做自動化，但另一類人則是過度優化工具，加各種 skill、MCP、工作流優化。有時候，這反而會讓人偏離最初的目標，比如真正發佈產品或做出功能。

Cat Wu：對，我也這麼覺得。定製這些東西確實很有趣，我們也希望產品足夠“可 hack”，讓你能按自己的方式使用。但它是有一個邊界的。我看到有些人花太多時間在定製上，甚至不睡覺，反而忽略了最初想完成的核心任務。

主持人：我在 Twitter 上也看到很多這種情況，“看我的配置，多麼極致優化”。但問題是，你到底在做什麼？

Cat Wu：其實很多時候，簡單的配置反而更有效。

主持人：說到這個，我昨天看到 Andrej Karpathy 發了一條推文，說現在有一個很有意思的分裂：一類人是早期用過 ChatGPT 或 Claude，但覺得“也就那樣”，然後就放棄了，對 AI 持懷疑態度；另一類人則是用它來寫代碼的人，真正看到了它的威力。這兩類人彼此完全無法理解對方。所以你的建議其實很關鍵，要用它做真正的事情，才能理解它的能力。

Cat Wu：對，我覺得一個很大的轉變是：2024 年的產品大多是“對話式”的，而現在 Claude Code 這一代產品是“行動式”的。真正的“頓悟時刻”是，當 Claude 能夠替你執行任務的時候。當你意識到，它不僅能告訴你該怎麼做，還能直接幫你做，那種感覺是非常震撼的。

主持人：沒錯。我還想提一個 Chrome 插件，你可以看着 Claude 自動操作，比如“幫我填這個表單”，然後它就真的去做了。

Cat Wu：對，就是這種感覺。

主持人：Cat，歡迎來到閃電問答環節。準備好了嗎？

Cat Wu：準備好了。

主持人：有沒有兩三本你最常推薦給別人的書？

Cat Wu：我很喜歡《How Asia Works》。這本書講的是經濟發展，以及哪些政策和政府能夠打造長期成功的經濟體。另外我很喜歡《The Technology Trap》。這本書講的是過去幾次技術革命，比如工業革命和計算機革命，以及它們對勞動者的影響。我喜歡這本書的原因是，我覺得我們可以從歷史中學到很多東西，從而讓這次轉型走得更順利。如果說輕鬆一點的，我很喜歡《The Paper Menagerie》。這是一本短篇小說集，講成長、AI，還有自我探索。

主持人：最近你很喜歡的一部電影或電視劇是什麼？

Cat Wu：我很喜歡《Drive to Survive》。沒有什麼特別深的意義，我只是覺得，看一羣人如此專注於一個工程目標，那種純粹的追求特別讓人滿足。我也非常喜歡《Free Solo》，講的是 Alex Honnold 無保護攀登酋長巖的故事。我覺得這同樣是一種非常純粹的成就，攀登這樣一條極其困難、危險的路線，同時還要保持極致的專注，因為一旦犯錯就會死亡。這真的太瘋狂了。

主持人：那部電影確實很震撼。而且挺有意思的是，這些好像也和你的工作有點關聯。

Cat Wu：其實我自己也攀巖。我是在還沒開始攀巖的時候看了《Free Solo》，當時覺得很厲害，但沒意識到有多厲害。這是那種你瞭解越多，就越覺得不可思議的作品。他在巖壁上的那些動作，就算是在離地一英尺、有繩索保護的室內攀巖館裏，我這輩子可能都做不到。

主持人：對，就算有繩子都很難。你看過那個講另一個年輕攀登者去攀冰山的紀錄片嗎？

Cat Wu：看過，那部挺讓人難過的，但也非常震撼。

主持人：好，下一個問題：最近有沒有一個你特別喜歡的新產品？

Cat Wu：如果不算我們自己的產品，對我生活改變最大的大概是 Waymo。我是它的重度用戶，每天通勤都會用。我最喜歡它的兩點：第一，如果車在等我，我不會有負擔感，所以不會有那種“必須馬上衝到路邊”的壓力。第二，它讓我更高效。當我和真人司機同車時，我通常不會開工作會議，也不太好意思一直用電腦。但在 Waymo 裏，我可以直接參加電話會議，不用擔心被人聽到，也不用擔心禮不禮貌、聲音大不大、要不要讓人換音樂。我感覺它每天幫我節省了大概 30 分鐘。

主持人：這些技術帶來的“二階效應”真的很有意思。

Cat Wu：是的。我以前一直覺得 Waymo 必須比 Uber、Lyft 更便宜才會成功，但現在我其實很願意為它支付兩倍的價格。你第一次用會覺得“這太瘋狂了”，但很快就習慣了。而且它甚至改變了大家的表達方式。在 Anthropic，大家以前會說“叫個打車軟件”，現在直接說“Waymo 到了嗎？”

主持人：你有沒有一個經常回到的生活或工作信條？

Cat Wu：就是：直接去做。我覺得“第一性原理思考”很重要。如果你知道自己在優化什麼，也有清晰的基本原則，那你通常能推導出正確的行動方向，並清楚地向所有相關方解釋。然後你就該去做。我覺得“職位”這種東西其實是虛構的。如果你理解了約束條件，你就可以判斷自己能做什麼，然後儘快去做，從錯誤中學習，如果做錯了就道歉或修正。你真的可以“直接去做”。

主持人：誰說的這句話我不知道，但確實很解放人。

Cat Wu：我覺得在很多公司裏，角色是被嚴格定義的：這是 PM 的工作，這是設計師的，這是工程師的，甚至連團隊邊界都很嚴格。而“直接去做”讓人有勇氣跨越這些邊界，去把事情完成。

主持人：這其實是一種很重要的能力，有人叫它“主動性”或者“行動導向”。

Cat Wu：對。我覺得這也是我建議大家在職業生涯中某個階段去創業公司的原因。我有一個改變人生的經歷，是在 Scale 只有 20 人的時候工作。當時幾乎沒有流程，但問題很大。我很感謝 Alex 和團隊，他們讓我們可以沒有邊界地去解決問題，不管是銷售、運營還是工程，你都有所有工具，可以用任何方式去解決一個複雜的問題。

主持人：很多人需要這樣的經歷，才能培養這種能力。因為在學校裏，我們習慣了“按要求完成任務就能拿高分”，但現實不是這樣。

Cat Wu：完全同意。

主持人：好，我再加兩個快問。第一個是：Claude 在“思考”時有很多“思維詞”（thinking words），你有最喜歡的嗎？

Cat Wu：我很喜歡“manifesting”。我甚至還有一個貼紙。

主持人：我也問過 Boris，如果 AGI 在我們有生之年實現，你可能不需要工作了，你會做什麼？

Cat Wu：我覺得 AGI 在社會中的普及會需要很長時間。短期來看，我可能會去幫助這個世界適應它。如果說輕鬆一點的答案，我大概會多去攀巖。可能會搬到 Fontainebleau，住在成千上萬塊巨石之間，天天攀巖。還有很多書我想讀。我希望能做到一週讀一兩本，現在大概只有半本。我的“待讀清單”很長。我覺得歷史裏有太多可以學習的東西，而我還有很多領域不瞭解，比如物理、機器人、硬件、航天等等。所以我很期待去學習，即使 AI 已經知道這些。

主持人：最後兩個問題：大家可以在哪裏找到你？以及聽眾可以怎麼幫到你？

Cat Wu：最好的方式是在 Twitter 找我，我的用戶名是 Catwoo。可以 @ 我，也可以私信我。我會看所有私信，雖然不一定每條都回復。對我們來說，最有幫助的是：告訴我們 Claude Code 和 Cowork 在哪裏做得不好。我們非常感激正面的反饋，但真正讓我們進步的是那些邊緣案例、錯誤，以及那些可以復現的失敗任務。如果你能把這些分享給我們，並且我們能復現，那我們就可以在下一代模型和系統中改進它。

主持人：太好了，大家在 Twitter 上從來不吝反饋，所以繼續多提問題吧。

Cat Wu：是的。而且看到大家這麼積極參與，我們團隊也會非常有動力。我們有一個“用戶喜愛”頻道，會分享大家的成功案例；也有一個反饋頻道，會收集問題，讓整個團隊都能看到並行動。

主持人：太棒了，謝謝你的分享。