本文整理自 YouTube 视频《Alex from Anthropic on Claude, AI agents, memory and product management》，由有道龙虾总结和发布。

AI 公司到底怎么“做”一个模型？

不是简单地把更多数据扔进去，也不是只盯着榜单分数往上刷。至少在 Anthropic 内部，Claude 更像一个正在被不断打磨的产品：它有目标用户，有核心能力，有缺陷清单，有反馈渠道，也有越来越重要的“性格”。

Alex 曾是 Anthropic 的开发者关系负责人，现在是研究团队的产品经理。他在访谈里聊到一个很有意思的视角：模型本身就是产品。

这句话背后，其实藏着现在 AI 产品管理最核心的变化。

模型不是“训练完就发布”，而是从第一天就被产品化

传统产品经理做产品，大概是理解用户问题、定义解决方案、推动团队把东西做出来。

研究团队里的 PM 也差不多，只是他们面对的“产品”不是一个按钮、一套流程或者一个 App，而是模型本身。

每一代 Claude 在很早的构思阶段，就会被问几个问题：

  • 这一代模型应该擅长什么？
  • 它大概率会在哪些任务上变强？
  • 上一代模型哪里表现不好，这一代要怎么修？
  • 它会通过 API、Claude Code、Claude.ai、Co-work 等不同产品界面被怎样使用？

这和普通产品开发最大的区别在于：软件功能通常是“造出来”的，而模型更像是“长出来”的。

团队可以根据训练方式、架构选择、数据和技术路线去预测它可能擅长什么，但直到训练过程真正发生，没人能百分百知道它最后会变成什么样。

所以研究 PM 的工作，就是从模型的 ideation 阶段一路跟到训练、评测、发布，再把来自用户、内部团队、产品界面的反馈重新带回下一轮模型开发。

Claude 要变强，不只是“会写代码”

过去一两年，编码能力当然是模型竞争的核心战场。

但 Alex 提到，Claude 的能力目标远不止写代码。知识工作、表格处理、Excel、文档分析、复杂产品任务，也都变成了重要方向。

尤其是随着 Claude 被嵌入越来越多产品界面，模型能力不再是孤立存在的。

同一个模型，在 Claude.ai 里、在 Claude Code 里、在 API 里、在 Co-work 里，用户体验可能完全不同。因为每个产品界面都有自己的提示词、工具、上下文和使用场景。

这就让模型 PM 的工作变得很复杂。

你不能只问“这个模型会不会写代码”，还得问：

这个模型在具体产品里，遇到具体用户任务时，能不能稳定地帮人把事情完成？

Anthropic 也用 Claude 来改进 Claude

每天有大量用户反馈进来，如果靠人手一条条看，根本看不过来。

所以 Anthropic 自己也大量使用 Claude 来做 PM 工作。

比如，当某个新功能上线后，团队会收集来自不同渠道的反馈。Claude 可以帮助他们：

  • 对反馈进行聚类
  • 找出高频主题
  • 总结用户真正卡在哪里
  • 生成合成问题样本
  • 把真实问题转化成评测用例
  • 判断某个模型行为是否值得单独诊断

这有点像“用 Claude 给 Claude 做体检”。

Alex 举了一个例子：adaptive thinking，自适应思考。

早期的 extended thinking 是用户打开后，模型就会进入更长的推理过程。而 adaptive thinking 更进一步，它让模型自己判断什么时候该深入思考，什么时候可以直接回答。

这听起来简单，实际很难。

因为一个问题该不该“认真想”，不只取决于问题本身，还取决于用户是谁、背景是什么、上下文够不够。

如果一个陌生人问你“我现在该做什么”，你可能只能给一个泛泛的建议。但如果你了解这个人的家庭、工作、兴趣、压力来源和过往选择，你就会认真得多。

模型也一样。

没有足够上下文，它就很难判断某个问题到底值不值得消耗更多 token 去推理。

记忆让模型更像“认识你的人”

访谈里有一段很有意思：主持人说，他自己会写一个 Google Doc，把人生状态、家庭情况、孩子、能量来源、低能量事项都总结出来，然后放进 Claude 项目里。

结果答案明显变好。

这其实说明了记忆的价值：不是为了让模型“知道更多八卦”，而是让它形成对用户的稳定理解。

Alex 说，不同产品界面的记忆实现方式不一样。以 Claude.ai 为例，它会写入某种记忆文件，并在之后进行整理、修剪和更新。

Anthropic 还在 managed agents 里引入了类似“做梦”的概念。

当 Agent 没有正在执行任务，或者在后台运行时，它可以回头检查自己的记忆：

  • 哪些内容可能互相矛盾？
  • 哪些记忆已经过时？
  • 哪些信息需要合并？
  • 哪些内容应该被清理？
  • 哪些主题值得重新整理？

这个过程有点像人类睡眠中的记忆重组。

不一定浪漫，但很实用。

一个真正长期陪你工作的 Agent，不能只是记住所有东西。它还得会忘、会整理、会纠错。

AI 把产品开发的瓶颈挪走了，但也暴露了新的瓶颈

过去 20 年，产品开发流程有很多改进：敏捷、Sprint、路线图、PRD、各种协作工具。

但 Alex 认为，真正把产品开发时间窗口大幅压缩的，是最近一两年的 AI。

以前做一个原型，可能要几周。现在一天就能做出来，甚至可以做出一个初版 MVP。

这会直接改变 PM 的工作方式。

过去写 PRD、估工期、排优先级，有一个隐含前提：工程时间很贵，试错成本很高。

但如果很多东西一天就能做出来，那么“工期估算”就不再像以前那么关键。

真正要花时间想清楚的是：哪些决策是 one-way door？

也就是不可逆，或者很难逆转的决策。

比如：

模型架构一旦选定，进入预训练后，就很难回头。训练周期、算力成本、后续路径都会被它影响。

但如果只是 Claude Code 里的一个新功能，能快速上线、快速收反馈、快速迭代，那它就不是那么可怕的决策。

Alex 的判断标准很清楚：

如果能回滚，试错成本很低，就不要过度规划。
如果会影响用户体验、长期架构、后续重大选择，或者涉及真实资源投入，那就值得花更多时间。

AI 没有替代战略思考，但让人更快拿到输入

现在 Claude 对编码的提速最明显，可能是 10 倍、100 倍级别。

但在战略、沟通、发布、协调这些事情上，提速没有那么夸张。

你仍然需要开会，需要写计划，需要想清楚怎么对用户表达，需要判断这是不是正确方向。

只是现在很多输入可以来得更快。

Alex 举了一个自己的工作例子。

过去如果他想知道某个功能上线后表现如何，比如每天有多少用户在用、反馈怎么样，可能要找数据科学团队做分析，几天后才能拿到结果。

现在，他可以开一个 Claude Code session，让 Claude 访问产品数据库、日志、Slack 信息，十分钟内就把初步结果整理出来。

这不代表 PM 不需要思考。

恰恰相反，它让 PM 不再卡在“等数据”这一步，可以更快进入真正的判断。

最好的 AI 原生 PM，不是把思考外包给 Claude

Alex 很喜欢用 Claude 做头脑风暴。

比如把一份文档交给 Claude，让它从不同角度挑战假设：

  • 这个论证哪里薄弱？
  • 如果我是用户，我会反对什么？
  • 如果我是工程团队，我会担心什么？
  • 如果我是市场团队，我会怎么理解？
  • 这个方案有哪些隐藏的 one-way door？

但他也强调，写作和思考不能完全外包。

因为很多时候，写的过程就是想的过程。

你必须把自己的观点写出来，才能发现哪里含糊、哪里没想透、哪里其实只是一个感觉。

Claude 的价值不是替你做决定，而是帮你脱困。它能从另一个角度攻击问题，让你看到自己原本没看到的东西。

主持人提到一个玩法：给 Claude 两个人格，让它们互相辩论，然后自己读辩论记录。

这很像在脑子外面搭了一个临时会议室。

评测不是只看榜单，而是找到真实用户任务里的失败

研究 PM 还要大量参与 eval，也就是模型评测。

但这些评测不只是 Terminal Bench 之类的公开基准。

真正有价值的评测，往往来自真实用户任务。

比如想测试 Claude 的视觉能力，团队可能会问：它能不能数清图片里的物体？能不能识别很小的数字？能不能处理复杂图像里的细节？

如果发现一个失败案例，下一步不是简单地说“模型错了”，而是继续追问：

这个失败会影响什么真实用户场景？

如果 Claude 看不清图片里的某个细节，那在下游任务里会造成什么问题？是税务文档？报表截图？产品界面？医疗图像？还是别的高价值场景？

越接近真实任务形态，评测越有用。

评测样本也不一定非要成千上万。有时候几十个高质量案例，就足以证明一个模型问题值得修。

接下来，研究团队会一起判断应该怎么干预：

  • 是预训练阶段的问题？
  • 能不能通过 RL 修？
  • 要不要构造新的环境？
  • 这个问题对客户到底有多重要？
  • 内部使用时是不是也频繁遇到？

Alex 说得很直接：data wins the day。

如果能证明很多用户在做这件事，重要客户在乎这件事，或者内部每天都被这个问题卡住，那它就更容易成为优先级。

Claude 的“性格”，不是装饰品

主持人说，Claude 最让他喜欢的一点是性格。它会在合适的时候反驳，不像有些模型只会一直讨好你，说“还有什么我能帮你的吗”。

Alex 说，Anthropic 内部把这叫 Claude 的 character。

这不是一个简单的提示词风格问题，而是训练中的重要目标。

团队会认真思考：

  • Claude 应该如何表达自己？
  • 它有哪些价值观？
  • 它在什么情况下应该坚持？
  • 它什么时候该配合？
  • 它如何拒绝？
  • 它面对长期任务时如何做判断？

早期很多人可能觉得这些问题很虚。

模型嘛，能干活不就行了？

但当模型变成 Agent，开始长时间运行，替用户做一连串判断时，它的“性格”就不再是语气问题，而是安全和信任问题。

如果一个 Agent 要帮你写代码、选数据库、做架构决策、调用工具、甚至在你没盯着的时候处理任务，那你确实需要它有某种稳定的判断标准。

怎么评估这种 character？

一部分可以量化。比如让 Claude 检查 Claude 的输出，判断语气、倾向和行为。另一部分则更像研究人员的手感：大量阅读模型对话记录，观察细微变化。

这听起来不如代码评测那么硬，但很重要。

因为产品体验里最微妙的部分，往往就藏在这些“感觉”里。

想成为 AI 原生 PM？先把 Claude 当并行同事用起来

对于想学习 AI 原生产品管理的人，Alex 的建议很朴素：

试一下。

每当你遇到一个难题，原本打算去问同事、数据科学家、UX researcher 或工程师时，不要取消那个人类协作，而是并行问 Claude 一遍。

比如你要分析新功能的用户反馈。

你当然可以继续找数据团队、研究团队帮忙，但同时也可以给 Claude 开工具权限，让它自己去探索数据、总结主题、提出假设。

然后比较两边的结果。

时间久了，你就会形成一张自己的地图：

  • Claude 哪些任务很可靠？
  • 哪些任务只适合做初稿？
  • 哪些任务必须人工复核？
  • 哪些任务它能直接改变优先级判断？

这张地图，比任何教程都重要。

因为 AI 原生工作方式不是背一套提示词，而是知道什么时候该让模型上场，什么时候该让人上场。

组织里的知识越写下来，Claude 越有用

Anthropic 有很强的写作文化。

不只是 Dario 会写长文，公司里很多人都会认真写文档、写长 Slack 消息、在会议前准备材料。

他们的会议里还有一种常见做法：大家先安静读文档，在文档里评论、讨论，然后再开口交流。

这对 Claude 很有帮助。

因为当组织里的隐性知识被写下来，Claude 就有了可访问的上下文。

Alex 建议组织应该有意识地把 tacit knowledge，也就是那些只存在于脑子里的经验，转成文字：

  • 会议转录
  • 工作流说明
  • 新人 onboarding 文档
  • 决策记录
  • 产品背景
  • 操作流程
  • 用户反馈摘要

这些东西过去只是为了人类协作，现在也变成了 AI 协作的燃料。

未来组织的一个核心能力，可能就是：你能不能把足够多的上下文写下来，让 AI 真正理解你们是怎么工作的。

多 Agent 并行之后，新的问题是“管理上下文”

当 Agent 能做越来越大的任务，人就会自然开启更多并行项目。

一个 Agent 在写代码，一个在查资料，一个在整理反馈，一个在准备发布计划。

听起来很爽，但很快会出现新问题：

我怎么知道每个 Agent 现在做到哪了？
谁卡住了？
哪里需要我介入？
哪些事情重要，哪些只是噪音？
有没有比“一堆聊天列表”更好的界面？

Alex 认为这里有巨大机会。

现在还很早，没人完全知道最佳形态是什么，但 Anthropic 内部已经有很多实验。

这也和他们的文化有关：很强的原型文化，很多人不等别人分配任务，自己就动手做东西。

销售、招聘、工程、研究，各种角色都很有主动性。

主持人说，这有点像“让一千朵花开放”。

Alex 认可。

AI 工具越强，人的主动性反而越重要。因为很多事情不再需要完整团队排期才能试，想到就可以先做个原型。

Anthropic 也认真看待“模型意识”这个问题

访谈最后聊到了一个听起来有点科幻，但 Anthropic 确实在思考的问题：Claude 会不会有意识？

Alex 没有给出确定答案。

他也说，Anthropic 没有官方立场说 Claude 现在是或不是有意识。但公司里确实有人专门研究这个问题：如果 Claude 是一个 conscious actor 或 conscious agent，这意味着什么？

哪怕不讨论它到底有没有意识，研究“Claude 如何思考”本身也很有价值。

比如在模型卡里，Anthropic 会分析 Claude 在特定场景下如何行动：

  • 它面对某个情境会选 X 还是 Y？
  • 它的心理模型是什么？
  • 它会不会做出某种不希望出现的判断？
  • 它在长期任务中是否值得信任？

这些研究一方面关系到长期安全，另一方面也会反过来影响产品体验。

因为人类会越来越放心地把长任务交给模型，让它在缺少监督的情况下做一连串决策。

这时，模型“在乎什么”、怎么判断、会不会自作主张，就变得非常实际。

真正的变化，是人和模型一起往上移了一层

这场访谈最有意思的地方，不是某个具体功能，而是它展示了一个正在发生的转变。

AI 没有让 PM 消失。

它让 PM 少做很多低层次的信息检索、数据拉取、初步分析和重复整理，把时间挪到更高层的问题上：

  • 这个方向值不值得做？
  • 哪些决策不可逆？
  • 用户真正卡在哪里？
  • 模型应该变成什么样？
  • Agent 的性格和判断标准该如何设计？
  • 组织里的知识如何变成 AI 可用的上下文？

Claude 对 Anthropic 来说，不只是一个产品，也是一种工作方式。

他们用 Claude 做 Claude 的反馈分析，用 Claude 帮 PM 写文档、查数据、挑战假设，用 Claude 生成评测样本，再把这些结果带回模型训练和产品设计。

这可能也是 AI 原生组织最早呈现出来的样子：

不是每个人都被 AI 替代，而是每个人都带着一群 AI 往前跑。真正拉开差距的，不只是模型能力，而是谁能更快学会管理这些能力。