作者以亲身经历阐述产品管理的本质是讲故事而非写规格文档。他从在RealNetworks做工程师讲起，回顾LinkedIn面试时Reid Hoffman提出的经典问题：产品经理的核心产出物是什么？他当年答'规格文档'，后来意识到答案是故事——讲述用户将如何使用产品以及它为何重要。AI时代使构建成本骤降，产品开发从'先写规格再开发'反转为'先快速构建原型再设计'。但判断力成本并未降低，决定做什么比以往更重要。原型近乎免费，但真正的产品仍需打磨，产品经理的核心问题从'是否排期'转向'是否符合产品愿景'。
作者结合自己早期使用 GPT 的经历，指出会用 AI 只是起点，真正拉开差距的是闭环思维、产品思维、批判性思维和独立思考带来的判断力。作者认为产品是给人用的，而非功课式的完成任务，强调 output 与 outcome 的区别。他还提出成长的六个阶段：大量输入、拆解、模仿小零件、组装、创新、商业化。最后强调人际关系的重要性，并指出在 AI 越来越强的时代，判断力、质疑与修正能力才是最值得培养的「老派」能力。
Anthropic 工程经理 Felix Rieseberg 宣布其团队面试不再考核传统编程题，因为 Claude 等AI已能轻松完成这类题目，且团队最能出成果的人与编程题表现关系不大。他认为AI时代让入行不久的工程师有机会跑赢资历更老的员工，因为把想法做出来的成本大幅降低。文章介绍了新人面临的困境（想法不被重视、受所谓'常识'束缚），并给出五条建议：紧盯业务影响、提出大胆想法、快速做原型、一个原型聚焦一个好点子、善用新人视角。文中以两位新工程师用周末做出 Claude Code 图形界面版为例佐证。
文章介绍了 AI PM OS——一套面向产品经理的 Agent Skill 体系。作者强调：与其信任模型凭提示词自由发挥，不如为 Agent 配备结构化技能，确保输出质量稳定。核心方法论是'监督比你更聪明的人'：通过间接提示让 Agent 自己复述问题、避免被先入为主的假设带偏，并用 /first-principles、/mckinsey-issue-tree、/causal-tree、/jtbd-forces 等技能栈按'定义问题、选择赌注、理解用户、定义成功、塑造构建、写作、推动组织'分阶段组织工作。同时利用记忆和历史会话，让 Agent 继承过往决策背景，提升产品判断力。
作者宣布将其月活百万的AI热点资讯网站AIHOT正式开源。AIHOT最初是公司内部监控热点找选题的飞书机器人，经过七八个月迭代发展成百万月活产品。作者一直想开源但因旧架构质量差而不敢。利用中秋假期，作者借助Claude Opus 5.5、GPT-6 Astra等AI工具，采用'将旧代码蒸馏为功能文档再重写'的第一性原理方法，用3天完成项目重构，上线AIHOT 2.0并开源，包括采集流程、评分流程及所有Prompt，希望各行各业都能基于此框架打造自己的行业热点监控产品。
文章指出 AI 对行业最深的威胁不是取代初级岗位，而是切断了新人成长为资深人才的路径。新人过去通过修 bug、写测试、接受代码审查等看似低效的工作积累判断力，而这些训练任务正最先被 AI 接管。企业短期获得效率提升，但五年十年后可能出现人才断层：新人能产出看起来资深的成果，却缺乏资深级判断力。这种差距在无标准答案的复杂问题中才会暴露。作者呼吁思考：如果培养资深人才所依赖的工作全部被自动化，十年后谁来当资深工程师？
Karri Saarinen 探讨了 AI 时代工具效率提升背后的隐忧：产品和工程工作产出两样东西——产品本身和制作过程中的学习。AI 和 Agent 能写更多代码、开更多 PR、做更多实验，但团队的理解力和判断力会因此变强还是退化？作者以 CEO 亲身经历指出，一旦疏离产品和客户，产品认知就会变得模糊。他主张不应抗拒 AI，而是利用效率红利让团队有更多时间贴近客户、探索问题和保持产品判断力——自动化已知工作，但让学习、发现与决策始终留在人的手中。
作者通过法国公司 Famileo 的案例，讲解 AI 时代普通人应有的商业思维。Famileo 把家庭成员在手机上发布的照片和消息打印成家庭小报寄给不使用智能设备的老人，解决了数字表达与老人接收习惯之间的矛盾。文章提炼出几个关键商业思维：顺着用户原有习惯做产品而非改变用户；旧需求在新环境下可被重新满足；先在养老院这类需求密集的滩头阵地跑通产品再扩张；区分使用者、生产者与付款者；订阅制需对应持续产生的真实需求。该公司现服务 2700 多家养老机构、约 180 万用户，年营收约 1500 万欧元。
文章探讨了一个 AI 时代的悖论：Codex、Claude 等顶尖 AI 大幅降低了开发门槛，普通人也能做出完整产品，但很多人却依然赚不到钱。作者指出核心问题不是能力而是需求——AI 解决了'怎么做'，而商业的关键在于'做什么'以及'谁愿意付钱'。作者将需求分为三级：好奇、麻烦、正在付费的痛点，强调真正稀缺的不是软件，而是有人愿意花钱解决的具体问题。未来人与人的差距将从技术能力转移到发现问题、判断需求和完成交易的能力上。
作者从一个不会编程的AI小白出发，两个月内独立开发出一款面向独立教师的排课管理工具，用户超1300人，月营收突破1万元。文章完整复盘了从发现问题、做出最小可行产品、收集用户反馈、持续迭代到商业化的全过程，并总结了多条实践经验：从自身真实痛点出发寻找需求、第一版要克制不要贪多、尽早把Demo交给真实用户验证、与用户共创但学会筛选需求、给AI建立清晰的项目上下文和规范、把模糊需求具体化。作者认为AI降低了写代码的门槛，但需求判断、产品设计和思考能力反而变得更值钱。
文章指出，历史上构建真实事物需要天赋和资源渠道，渠道曾是看得见的高墙，因此被误认为关键。如今AI工具让个人能完成过去需要一个部门的任务，中间层的顾问、分析师等'显然的工作'正被替代。开发者担心被AI取代，但担心的层面错了：真正稀缺的从来不是渠道或光鲜的外表，而是底层的判断力——哪个问题值得解决、是否真正解决了它。模型擅长打磨完美的表面，但当人人都能生成完美表面时，表面就成了噪音。具备构建能力的开发者反而最能受益于这个时代，不应让怀疑者本能阻碍自己行动。
文章通过深圳跨境电商团队的案例指出，AI正在压低'执行任务'能力的市场溢价，未来真正值钱的是能定义问题、承担结果的人。作者提出工作将分为三层：任务执行者、流程建造者、结果负责人，定价逻辑逐层递升。文章批评了'熟练使用AI'这一即将失效的优势，强调要把AI接进真实业务和损益表；建议普通人通过小规模真实项目承担结果、建立问题库/案例库/失败库/决策库等私人训练数据、构建完整的结果回路，并给出九十天重建计划，同时警示拒绝使用、完全托管、疯狂追新等五种危险反应。
文章指出 AI 时代最残酷的不是 AI 取代人，而是会用 AI 的普通人做出三倍的产出，重新定义了“正常工作量”。作者通过一个市场策划朋友的案例，说明只会普通交付的职场人正被“初稿化”贬值，并提出转策略、做个人 IP、服务高端客户、转管理等 7 个出路。文章强调 AI 会让判断力、问题定义能力、审美、信任和真实经验变得昂贵，普通人应把 AI 当团队而非工具，重构工作流程、沉淀提示词和案例库，将经验产品化。AI 是放大器，诚实面对自己工作的真实含金量才是应对之道。
