--- id: "P3KDebPTUrw" title: "OpenAI Codex 负责人谈产品工作的全新形态" channel: "Lenny's Podcast" host: ["Lenny Rachitsky"] guests: ["Andrew Ambrosino","OpenAI Codex 桌面应用产品与工程负责人"] date: "2026-06-28" updated: "2026-07-29" duration: "1:09:56" duration_seconds: 4196 source_type: "youtube" youtube: "https://www.youtube.com/watch?v=P3KDebPTUrw" canonical: "https://pod-exp.pages.dev/P3KDebPTUrw/" transcript_jsonl: "https://pod-exp.pages.dev/P3KDebPTUrw/transcript.jsonl" language: "zh-CN" translation: true translated_from: "en" timestamp_precision: "block" topics: ["人工智能","AI 编程","产品"] series: ["OpenAI","Codex"] --- # OpenAI Codex 负责人谈产品工作的全新形态 > 中文译文，由英文原音字幕翻译整理，不是官方逐字稿；引用原话请核对英文原视频。说话人标签由整理者依上下文标注，带「未确认 / 未标注 / 不确定」等字样的标签不可靠。时间戳一般为块级（所在时间块的起点），不是逐句时间；正文自带 [hh:mm:ss] 的段落除外。 **内容提要：** Andrew Ambrosino 认为，AI 对产品工作的最大影响不是单纯提高编码速度，而是把整个流程倒转：当任何人都可以迅速做出一个可运行的版本，实现不再是最昂贵的环节，稀缺资源转而变成判断、筛选、品味和对目标的理解。文档不会消失，但不再天然是第一步；精致原型也不再代表成熟，因为早期探索现在可以像成品一样漂亮。角色边界会变软，专业学科却不能被抹掉。Codex 团队因此采用高密度、跨职能、强 dogfood 的工作方式，同时把短期路线做细、把远期路线当假设，并为尚未成熟的模型能力提前制作“探针”。 访谈后半段转向自主开发、浏览器与电脑操作，以及 Codex 从开发者工具走向“工作主基地”的愿景。Andrew 详细介绍了自己如何用 Codex 汇总 Notion、PR 和 Slack，生成每日简报、配置云服务，并讲述摄像师 Brent 如何让 Codex 为 Premiere Pro 构建扩展。最后，他谈到创业失败、内部两千条消息…… ## [0:03] 开场：Codex 的野心与新的瓶颈 · YouTube **Andrew Ambrosino：** OpenAI 有 90% 的人都在用 Codex——不是 90% 的工程师，而是整个公司的 90%。 **Lenny Rachitsky：** 你最近发帖说，想把 Codex 做成有史以来最好的桌面应用。为什么把标准定得这么高？ **Andrew Ambrosino：** 质量门槛必须高到：当你要做下一件事时，不会犹豫要不要打开它。它应该像打开浏览器标签页一样自然。 **Lenny Rachitsky：** 使用量纪录一直在刷新。你怎么看这种增长？ **Andrew Ambrosino：** 还得继续看。很多人似乎喜欢这个应用，但真正的检验是，他们会不会为了真实工作不断回来使用。 **Lenny Rachitsky：** 为什么最前沿的模型仍然不太擅长设计？ **Andrew Ambrosino：** 设计更难评分。人的品味本身就是反馈机制的一部分，而这一部分对当前技术来说仍然有些遥远。 **Lenny Rachitsky：** 和几年前相比，现在的产品团队是什么样子？ **Andrew Ambrosino：** OpenAI 的人主动性都很强，也都有很多想法，所以每个人都在构建各种东西。整个流程已经被翻转了。 **Andrew Ambrosino：** 实现已经不再是最昂贵的部分。昂贵的是选择、塑形，以及运用品味做判断。 **Lenny Rachitsky：** 这是否意味着每个人都会变成“全能型”，专业角色会消失？ **Andrew Ambrosino：** 我担心有些公司说要取消产品职能，让所有人都只是 builder。拆掉协作墙有价值，但抹掉专业学科和长期积累的最佳实践并没有价值。 **旁白：** Andrew Ambrosino 负责 OpenAI Codex 应用的产品与工程。Codex 越来越不只用于构建软件，也被用于整理文件、起草文档、分析数据、读取邮件和自动化其他工作。 **旁白：** 自今年 1 月以来，Codex 的使用量增长了六倍，周活跃用户超过 500 万。OpenAI 内部几乎所有人每周都会使用它，而不只是工程师。 **Lenny Rachitsky：** 欢迎你。这是一期少见的线下面对面访谈。准备时你说，最想让大家理解的是 AI 如何改变产品工作的形态。 ## [2:35] AI 如何倒转产品开发流程 · YouTube **Andrew Ambrosino：** 谢谢邀请。这确实是我最想展开讨论的主题。 **Lenny Rachitsky：** 你所在的团队可能是最 AI-forward 的软件团队之一。它现在是什么样子？一两年后，其他团队可能会走到哪里？ **Andrew Ambrosino：** 领导者面临的最大挑战，是旧流程被倒转了。从零开始时，你可以让一个强模型搭出几乎任何功能，这会改变瓶颈所在的位置。 **Andrew Ambrosino：** 当 token 充足时，主动性强的人会探索一切。过去“研究、构思、规格、设计、实现”的线性顺序，隐含了实现资源稀缺这个前提。 **Andrew Ambrosino：** 现在我们可以先做出许多版本，再从具体产物中学习。工作重点从“什么能实现”转向“什么值得留下”。 **Lenny Rachitsky：** 所以产品判断不是变得更不重要，而是更重要？ **Andrew Ambrosino：** 没错。低成本实现会让好点子和坏点子都更快产出。仍然需要有人筛选、识别真正目标，并叫停不该继续的工作。 **Lenny Rachitsky：** 团队会不会把产出数量误认为进展？ **Andrew Ambrosino：** 会。当 90 个人都能做出看起来很精致的探索时，信噪比问题反而更严重。只有主动性、没有品味，会制造大量很有说服力的噪声。 ## [6:41] 什么时候写文档，什么时候做原型 · YouTube **Lenny Rachitsky：** 这是否意味着 PRD 已经死了？团队什么时候应该写文档，什么时候应该做原型？ **Andrew Ambrosino：** 文档没有死。应该选择最能承载你要表达内容的媒介。复杂决策、共享上下文或需要长期保留的判断依据，可能就适合放在文档里。 **Andrew Ambrosino：** 交互、工作流或某种使用感受，往往更适合在可运行的产物里验证。AI 降低了这类产物的成本，所以团队应该更早让模糊想法接受现实检验。 **Andrew Ambrosino：** 一个想法最初呈现的形态，会在后续发展中留下“原初印记”。所以起始媒介很重要：文档和精致原型会以不同方式锚定人们的判断。 **Lenny Rachitsky：** 精致原型可能会让管理者以为产品已经接近上线。你怎么避免这种误解？ **Andrew Ambrosino：** 要把所处阶段说清楚。视觉完成度已经不能可靠代表产品成熟度，因为非常早期的探索现在也能看起来像成品。团队需要共同语言，说明哪些已知、哪些未知、哪些仍在验证。 **Lenny Rachitsky：** 所以文档适合固定上下文，而原型适合暴露感受和假设？ **Andrew Ambrosino：** 这是一个有用的区分。不要崇拜任何一种媒介，而要用它来降低眼前那类具体不确定性。 ## [10:47] Taste 不只是审美，而是综合判断力 · YouTube **Lenny Rachitsky：** 大家一直说 taste 是 AI 时代的关键能力。你所说的 taste 到底是什么？ **Andrew Ambrosino：** Taste 不只是视觉审美。它还包括系统思考、理解上下文、识别交互背后的语义结构，以及判断什么目标值得追求。 **Andrew Ambrosino：** 模型可以产出许多选项。Taste 是说清楚为什么一个方案不对、另一个为什么连贯，以及为什么某个看似聪明的功能也许根本不该存在。 ## [12:25] 为什么模型仍然不擅长设计 · YouTube **Andrew Ambrosino：** 随着执行摩擦下降，判断会越来越接近工作的中心。能够形成并修正高质量判断的人，会从 AI 中获得更大的杠杆。 **Lenny Rachitsky：** 为什么编码能力的进步看起来比设计更快？ **Andrew Ambrosino：** 编码更容易通过测试和客观反馈来评分。设计涉及人的感知、信任、新颖性、文化和上下文一致性，这些很难转化成干净的奖励信号。 **Andrew Ambrosino：** 实验室也优先投入编码，因为代码本身会帮助研究。更强的编码模型能改进训练和评估下一代模型的工具链。 **Andrew Ambrosino：** 模型可以复制熟悉的视觉模式——大家会开玩笑说所有东西都长得像 Linear——但复制风格不等于理解一种体验为什么有效。 **Lenny Rachitsky：** 设计和代码之间还存在一个抽象层问题，对吗？ **Andrew Ambrosino：** 对。两个控件看起来可能不同，却表达同一种语义关系。一个稳健的系统应该知道它们属于同一交互家族，并在品牌重塑时保持一致变化。 **Andrew Ambrosino：** 浅层做法是逐个更新几百个组件；更深层的做法是理解它们背后的共同抽象。当前模型在这种层级的设计推理上仍然吃力。 **Lenny Rachitsky：** Codex 应用本身是一种新交互范式，既不是终端，也不是传统 IDE。这是否说明人的创造力仍然重要？ ## [16:41] 传统设计流程为何失效 · YouTube **Andrew Ambrosino：** 至少目前是这样。创造新范式比重组既有模式更难。我们可以暂时给人类大脑一点掌声。 **Lenny Rachitsky：** Jenny Wen 认为设计流程已经死了，因为团队应该直接构建、边做边引导。你同意吗？ **Andrew Ambrosino：** 即使在 AI 之前，我也不喜欢僵化、学院派的设计流程。“案例工厂”常常奖励按步骤走完流程，而不是奖励真正结果。 **Andrew Ambrosino：** 那套流程假设实现昂贵、只能构建一次，因此在实现之前必须把研究和发散几乎做尽。 **Andrew Ambrosino：** 交互原型早已把类似实现阶段的反馈提前带入设计。AI 现在让团队能把更多真实实现直接拉进探索阶段。 **Andrew Ambrosino：** 危险在于，早期探索也可能看起来已经可以发布。如果没人明确指出所处阶段，人们看到精致外观就会问为什么明天不能上线。 **Andrew Ambrosino：** 我们会使用一个大幅简化的“baby Codex”代码库，快速尝试激进的交互想法。它近似真实产品，但改动成本低得多。 ## [20:50] 流程的工具会死，阶段意识不会 · YouTube **Andrew Ambrosino：** 所以，绑定具体工具的日常流程可能已经死了，但那层概念框架——知道自己处于发现、验证还是交付阶段——比以往更重要。 **Lenny Rachitsky：** 你的经历横跨工程、设计、产品和创业。Codex 团队的设计工作是怎么组织的？ ## [21:39] Codex 团队怎样做设计与 dogfood · YouTube **Andrew Ambrosino：** 汇报关系每周都可能不一样，但我们作为嵌入式团队紧密协作、坐在一起。重要的不是组织图，而是围绕产品形成共同反馈循环。 **Andrew Ambrosino：** 设计师理解工程，产品人会写代码，工程师也参与交互决策。一个角色越来越像你所做活动的平均值，而不是禁止你跨界的门禁。 **Andrew Ambrosino：** 我们会刻意 dogfood。有时我们宁愿继续忍受不完美的内部流程，也不为自己做一条私有捷径，因为亲自感受摩擦会迫使公开产品变得更好。 **Lenny Rachitsky：** 当每个人都能构建时，产品职能是不是正在消失？ ## [24:02] 角色不会消失，但边界会变软 · YouTube **Andrew Ambrosino：** 一些低杠杆的协调工作会缩减。一个只搬运需求、安排会议和转述状态的产品经理，越来越难躲在流程后面。 **Andrew Ambrosino：** 但产品判断不会消失。仍然需要有人决定做什么、理解用户问题、平衡短期和长期结果，并守住产品方向。 **Andrew Ambrosino：** 健康的变化，是产品人离构建更近。他们可以验证想法、检查结果并更新判断，而不必等待漫长的交接链。 **Andrew Ambrosino：** 我也见过另一种错误：取消专业分工，连同帮助团队避免重蹈覆辙的积累一起丢掉。流动性有价值，失忆没有。 **Lenny Rachitsky：** 所以角色会变成责任区域，而不是墙？ **Andrew Ambrosino：** 对。可以把它想成区域防守。每个人保留自己的强项和责任，同时在工作跨过旧边界时互相补位。 ## [27:25] 小而高密度的团队与区域防守 · YouTube **Lenny Rachitsky：** 实际团队结构是什么样的？ **Andrew Ambrosino：** 取决于统计口径，这项工作的规模可以从大约两位数工程师的核心团队，延伸到公司内部更大的协作网络。核心团队还有约为工程师一半数量的设计师，以及少量产品人员。 **Andrew Ambrosino：** 我们重视主动性、品味，以及有过创业经历的人。目标不是把“小团队”当口号，而是形成高密度团队，让一个想法能从洞察一路被推进到完成。 **Andrew Ambrosino：** 产品经理像在公司里做区域防守。他们补位、连接工作并维持一致性，而不是只拥有一条狭窄的工单队列。 **Andrew Ambrosino：** 团队也需要有产品意识的工程师。当实现成本下降时，在实现过程中识别重要产品决策的能力会变得更有价值。 ## [30:14] IC、管理者与无限产出的信噪比 · YouTube **Lenny Rachitsky：** AI 会怎样改变个人贡献者和管理者之间的界线？ **Andrew Ambrosino：** 强大的 IC 可以管理多个 agent，完成过去需要更多协调才能完成的工作。管理者在不同粒度上做着类似的事：设定方向、审查产出，并决定注意力投向哪里。 **Andrew Ambrosino：** 无限产出不会让管理消失。它会让信号选择、质量标准、反馈机制和说“不”的能力变得更重要。 ## [31:40] 路线图、未来模型与“假精确” · YouTube **Lenny Rachitsky：** 当模型和工作流变化这么快时，你怎么规划路线图？ **Andrew Ambrosino：** 短期可以做得很细；九个月后的精确性通常是假的。我们会保持清晰方向和约束，但把远期计划视为假设，而不是施工图。 **Andrew Ambrosino：** 我们会为可能早了一两年的想法做原型，把它放在那里，并在新模型到来时重新测试。这个产物会成为探测未来能力的探针。 **Andrew Ambrosino：** Codex 应用就是很好的例子。如果同样的产品在 11 月发布，很可能会失败；到了 2 月，模型进步改变了结果，哪怕产品形态大体相似。 **Lenny Rachitsky：** 所以路线图不仅要安排功能顺序，还要考虑模型能力到来的时机。 **Andrew Ambrosino：** 没错。你必须区分“坏点子”和“所需能力尚未到来的好点子”。 ## [35:18] 先做出现在还不能发布的功能 · YouTube **Lenny Rachitsky：** 你们会不会刻意构建现在还不能正常工作的功能？ **Andrew Ambrosino：** 会，但必须正确标记它所处的阶段。写出了代码，不等于它就该上线；它可能只是让我们拥有了一个用于测试未来模型的产物。 **Andrew Ambrosino：** 应用内浏览器沿着 Operator、Atlas、Codex 和 ChatGPT 这条线发展。底层想法相似，但不同的智能水平和产品上下文，会改变它是否有效。 **Andrew Ambrosino：** 某个版本失败，不应自动判定整个功能方向错误。有时正确做法是保留学习结果、等待能力成熟，再用更强智能重新发布相同形态。 **Lenny Rachitsky：** 但团队也有一种肌肉记忆：既然代码写了，就应该发布。 **Andrew Ambrosino：** 这种肌肉记忆很危险。产品团队需要为探索性产物、内部测试和发布候选明确区分状态。 ## [38:15] 太 AGI-pilled 的产品陷阱 · YouTube **Lenny Rachitsky：** 当团队太 AGI-pilled，目标超出了今天用户或模型能支持的范围，会发生什么？ **Andrew Ambrosino：** 最初的 Codex Web 会接收一个完整任务，然后稍后回来交付。这个形态很有野心，但当时的模型还无法足够可靠地完成任务。 **Andrew Ambrosino：** 更本地化、更互动、会提问并陪在用户身边的编码产品反而表现更好，因为它匹配了模型的真实能力。我们当时确实对 AGI 押注得太超前了。 ## [39:45] 从 AI 写代码到监督式与非监督式开发 · YouTube **Andrew Ambrosino：** 同一种产品形态可能需要发布六次才真正奏效。模型时机、用户理解和产品沟通都会改变结果。 **Lenny Rachitsky：** 你怎么在保持雄心的同时，不忽略今天的可靠性和细节问题？ **Andrew Ambrosino：** 你需要一组人维护、改进现有产品，也需要一种自下而上的探索文化，允许新方向颠覆现有产品。同一种流程通常很难同时把两者都优化好。 **Andrew Ambrosino：** 用户指出细节问题是对的。雄心不能成为当前体验糟糕的借口，但打磨眼前产品也不能成为唯一活动。 **Lenny Rachitsky：** AI-native 产品开发的最新前沿是什么？是 loops 吗？ **Andrew Ambrosino：** Loops 都已经是上周的话题了。过去那个“有多少代码由 AI 编写”的问题，在几乎所有代码都能由 AI 生成之后已经失去意义。 **Andrew Ambrosino：** 更有用的区分是监督式和非监督式工作：人需要多频繁地引导、检查和恢复流程。不断移动这条门槛，本身就是产品进步的标志。 ## [43:50] 自主开发的边界与个人工作转型 · YouTube **Andrew Ambrosino：** 团队正在探索自主软件开发、harness engineering，以及夜间自动维护，例如为代码库做垃圾清理。 **Andrew Ambrosino：** 当前模型往往会增加复杂性。我很希望研究团队让模型更擅长删除代码，而不只是生成更多代码。 **Andrew Ambrosino：** 完全自动驾驶还需要产品品味：哪些功能请求应该忽略，哪些应该合并重构，以及哪些抽象能长期保持健康。 **Lenny Rachitsky：** 我们是否已经到了这样一个阶段：自主循环可以监听 Twitter、Slack 和邮件，并持续改进应用？ **Andrew Ambrosino：** 还不能可靠做到。我不会说永远不可能，但今天的循环仍然缺少足够的品味、上下文和克制。 **Lenny Rachitsky：** 随着你的职责扩大，你现在个人怎么使用 Codex？ ## [47:05] Andrew 的发布追踪与深度研究 · YouTube **Andrew Ambrosino：** 一开始，我亲自编写或监督了早期应用的大量代码。随着团队扩大，我的工作转向产品发现、招聘、引导，以及构建帮助自己理解工作的系统。 **Andrew Ambrosino：** 我会用 Codex 处理表格、内部深度研究，并跨文档和对话收集信息。它降低了启动任务和恢复上下文的成本。 **Andrew Ambrosino：** 在一次 5 月发布中，我们并行协调应用内浏览器、电脑操作和 artifact 工作。我们开玩笑说这是一次“氛围协调式发布”，因为许多移动部件都通过 Codex 连接起来。 **Andrew Ambrosino：** 我做了一个追踪器，读取 Notion 文档、拉取请求和 Slack 更新，再汇总发布状态。这比人工追逐每条线程更有用。 ## [49:45] 每日简报、邮件和电脑操作 · YouTube **Andrew Ambrosino：** 另一个工作流会读取数千个 Slack 频道，并围绕少数几个问题生成每日简报。真正的产品挑战，是让这类设置可以通过对话完成，而不是要求每个人都为自己搭一套系统。 **Andrew Ambrosino：** 我还会用它筛选类似垃圾邮件的内容、整理重复信息，并通过自然语言配置和指导定时任务。 **Lenny Rachitsky：** 电脑操作和浏览器自动化带来了什么新能力？ **Andrew Ambrosino：** 有一次，Codex 直接通过电脑控制配置 Google Cloud Pub/Sub，因为那是最实际的路径。关键不在于它使用连接器、浏览器、扩展还是直接写代码，而在于哪条路径能安全完成任务。 ## [52:05] 记忆、浏览器与 SaaS 的连接方式 · YouTube **Andrew Ambrosino：** 个人工作流会暴露产品真正需要的基础能力。但答案不能是要求每个用户都搭建复杂的私人记忆系统或 Obsidian“心智宫殿”。记忆必须成为产品能力。 **Lenny Rachitsky：** 你预计未来所有 SaaS 应用都会在 Codex 里运行吗？ **Andrew Ambrosino：** 存在两个方向。Codex 可以通过连接器、电脑操作或扩展使用专业工具；网页应用也可以在 Codex 内打开，让 agent 在它们周围增加能力。 **Andrew Ambrosino：** 转向浏览器技术栈会带来能力，也带来权衡。仅供 agent 使用的浏览器、用户浏览器和人机共享浏览器，在安全、状态和交互需求上都不同。 **Andrew Ambrosino：** 高级用户已经有快捷键和肌肉记忆；新手需要清晰可理解和信心。产品必须同时服务两者，又不能变成一堆模式的拼盘。 **Lenny Rachitsky：** Codex 应用最终会走向哪里？ **Andrew Ambrosino：** 第一版被刻意控制在合适尺寸：聊天加代码可见性，但不假装自己是完整可编辑 IDE。到一二月份，这种形态在工程师和研究人员中找到了产品市场匹配。 ## [56:05] 从开发者工具走向知识工作 · YouTube **Andrew Ambrosino：** 随后，市场、沟通、财务和法务人员也开始使用它，尽管这个偏代码的界面对他们并不友好。这种真实行为比我们对 persona 的假设更有力。 **Andrew Ambrosino：** 我们曾尝试把这些用户迁移到看起来更适合的界面，例如 ChatGPT 或 Atlas，但很多人不愿离开 Codex。这让我们明白，“开发者工具还是知识工作工具”的二分法过于简单。 ## [57:25] 自适应界面与工作主基地 · YouTube **Andrew Ambrosino：** 界面可以从简单开始，再根据工作逐步显露复杂度。做 Excel 工作的人不需要 Git 仓库信息，但系统可以从上下文推断出应该呈现哪些基础能力。 **Andrew Ambrosino：** 我们会深入与财务、科学和法务团队合作。如果扩展基础和通用模型设计正确，同一个工作主基地就能支持非常不同的垂直工作流。 **Lenny Rachitsky：** 有人把它叫作超级应用。它的概念就是在一个地方做所有事情吗？ **Andrew Ambrosino：** 我希望大家没说“超级应用”这个词，因为现在我每天都听到它。我觉得“工作主基地”更准确。 **Andrew Ambrosino：** 它是一个让你开始工作、结束工作并跨界面自动化工作的地方。有些任务在应用内完成，另一些会打开合适的外部应用，完成后再返回。 ## [59:40] Excel、Premiere Pro 与专业工具 · YouTube **Andrew Ambrosino：** 例如，内置表格编辑器未必足以支持用于数十亿美元融资的财务建模。Codex 可以与桌面 Excel 的加载项通信，使用专业工具，完成后再关闭它。 **Lenny Rachitsky：** 讲讲视频制作人员和 Premiere Pro 的故事吧。 **Andrew Ambrosino：** 我们的内部 DX 摄像师 Brent 要剪辑在这个房间拍摄的发布视频。出于好奇，他试着问 Codex 能不能完成剪辑。 **Andrew Ambrosino：** Codex 理解他使用 Premiere Pro。它可以修改部分底层文件，但无法执行界面中的所有操作。 **Andrew Ambrosino：** 于是 Codex 给自己构建了一个 Premiere Pro 扩展，安装后通过扩展修改应用里的标记。看到这一幕非常震撼。 ## [1:02:10] 两个工具模型、失败角与快问快答 · YouTube **Andrew Ambrosino：** 这说明了两个互为镜像的模式：AI 可以操作现有专业工具；现有网页应用也可以被带进 AI 工作主基地，让 agent 增加额外执行能力。 **Lenny Rachitsky：** 我们进入“失败角”。大家看到 Codex 高速增长，却看不到那些事情不顺利的年份。哪次失败塑造了你？ **Andrew Ambrosino：** 我曾作为创业者苦撑多年，最后一家公司基本以拆分资产的方式出售。我也做过受监管的 AI 创业项目，反复撞上限制和失败。 **Andrew Ambrosino：** 现在是我第一次没有持续感觉自己在失败。在此之前，我失败了十到十五年。一个成功快照会掩盖很长的一串死胡同。 **Andrew Ambrosino：** 即使现在，ChatGPT 和 Codex 每天也充满微小失败。内部 Slack 线程可能有两千条消息，大家会非常直接地说某个想法愚蠢或已经坏掉。 **Andrew Ambrosino：** 这种严厉的 dogfood 很有价值。如果产品能经受诚实的内部批评，外部用户拿到的东西就会更强。 **Lenny Rachitsky：** 快问快答：你推荐什么书？ **Andrew Ambrosino：** 儿童读物里，《咕噜牛》非常棒。我也很喜欢《大橙色斑点》，它通过 Mr. Plumbean 的故事讲个人能动性，以及抵抗社区要求所有房子都一样的压力。 ## [1:06:45] 快问快答：书、产品与跨学科能力 · YouTube **Andrew Ambrosino：** 我们也喜欢由 Kate McKinnon 参与的新版《神奇校车》。我没太多时间看电影，但偶尔会一口气看完一集一小时的节目。 ## [1:07:25] 产品偏好、跨学科能力与幕后建议 · YouTube **Lenny Rachitsky：** 你欣赏哪些产品？ **Andrew Ambrosino：** 当然是 Codex，还有 Linear。Linear 的产品非常连贯，对细节也有很高标准。 **Lenny Rachitsky：** 工程、设计和产品管理，哪一种最难？ **Andrew Ambrosino：** 取决于具体的人。更有趣的变化，是人们可以更流畅地在这些学科之间移动，但学科本身仍然保留着重要知识。 **Andrew Ambrosino：** 找到值得做的工作，然后学习这项工作需要的一切。不要让继承来的职位名称阻止你获得下一项技能。 **制作人：** 录制结束后，我们又聊到 Codex 如何协助内容剪辑，包括寻找剪切点和删除停顿。 **Lenny Rachitsky：** 对于非工程岗位的人，最好的起点是什么？ **Andrew Ambrosino：** 从好奇心和一个明确结果开始。代价通常只是一些 token。先问工具能否帮助完成一个真实任务，而不是一上来就设计宏大的自动化系统。 **Andrew Ambrosino：** 不要和某个精确流程结婚，而要忠于只有你最适合交付的结果。像整理 Figma 自动布局这类流程会越来越多地被自动化。 **Andrew Ambrosino：** 在 AI 时代取得成效，需要自我觉察和重新学习的意愿。重新学习很累，但我个人喜欢不断改变做事方式，而不是每天重复同一套流程。 **Andrew Ambrosino：** 这也许就是我为自己这份工作找到的产品市场匹配：工作每天都在变化，而 Codex 让我可以持续随之调整。