Anthropic设计总监：为何您的整个团队都应该使用AI Agents协同工作丨Product School

Anthropic设计总监：为何您的整个团队都应该使用AI Agents协同工作丨Product School Anthropic设计总监：为何您的整个团队都应该使用AI Agents协同工作丨Product School Modified June 7 🔗 原文链接： https://mp.weixin.qq.com/s/jHD0I8xM... 原创 Capihom Capihom 晚点再听LaterCast2026年6月6日 23:37 北京 我们每天为你更新硅谷最新的 AI 创业与科技播客总结，让你与前沿保持同频。 全文约 3900 字，如果你现在没有时间，试试转成播客稍后再听 "我们的头衔已经完全不重要了。" "我们已经把质量决策推进到真实运行的代码里。" "任何人都应该能发布到生产环境，任何人都应该能构建。" Product School 主持人 Carlos 采访了 Anthropic 的 Meaghan Choi。她负责 Claude Code 和 Claude co work 的设计，也亲历了 Claude Code 从内部小项目变成全球热门开发工具的过程。Product School 把这期安排在纽约 AI 大会的舞台上，现场听众里有 CPO、产品 VP、工程和设计负责人。对这些人而言，最刺眼的地方不在增长数字，而在 Anthropic 内部的工作方式：设计负责人会推代码，工程师会参与设计，产品质量不再只靠会议、PRD 或 Figma mock 做判断，而是放进真实代码和真实使用里。这也让本期更像一份产品团队改造现场记录：角色边界、质量门槛、企业采用和 ROI，都被放进 Claude Code 的实际工作法里，尤其适合正在重写团队流程、评估 AI 工具落地的人读。 从 12 人小房间到 25 亿美元 Meaghan 回忆，Claude Code 一开始并没有被当作正式产品。2024 年，几位工程师只是想验证一件事：如果 Claude 可以替人写代码，它能不能直接在本机环境里行动，而不是让用户在聊天框和编辑器之间来回复制粘贴。早期版本很难用，设置要花接近一小时，模型能力也还早了大约半年。但团队在内部 Slack 看到演示视频时，已经意识到这里有生命迹象。 Claude Code 后来的判断标准很朴素：如果 Anthropic 自己的人每天都愿意用，它才值得推给行业。 "我们一开始是 12 个人在房间里，怀疑这个产品会不会成立，怀疑会不会有人使用 CLI。" 接下来的三个月，团队集中做内部发布、观察用户、修 bug、调 UX。CLI 设计当时太新，Meaghan 最早做设计迭代时，甚至只能在 Google Docs 里表达命令行界面会怎样工作。到了 2026 年，主持人在开场引用了一个惊人的说法：Claude Code 一年内从零做到 25 亿美元年化收入，并在编码市场达到约 51% 份额。Meaghan 在结尾补了一句：团队感觉自己只走到 1%，每天还在原型新东西，继续推翻对工作的假设。 增长背后是一段从内部工具、真实代码、日常使用里滚出来的产品路径。 质量关口搬到真实代码里 主持人问，Anthropic 最近发布速度让人眼花，产品质量的瓶颈到底在哪里。Meaghan 的回答对传统产品流程很不舒服：过去，团队会在讨论、PRD、mock 或 Figma 阶段做质量判断；现在，Anthropic 把判断点推迟到可以工作的代码里。功能先放到团队自己人的日常工作里，看内部用户是否真的每天使用，看反馈能不能推动下一轮修改。只有人在自己的工作流里用起来，才知道体验到底顺不顺，反馈到底有没有重量。 "我们已经把决策推进到真实运行的代码里。你需要自己使用它。" 这并不轻松，尤其对设计师。 Meaghan 坦承，看到一些自己还没碰过、还没达到心中 100% polish 的功能被放出去，会有压力。但团队从开放测试里学得更快：用户会更早指出哪部分可行，哪部分需要重做。Anthropic 会先看内部是否有足够多人把新产品纳入工作流，再决定是否对外发布。产品质量因此从会前评审变成使用后的修正，从静态稿件变成运行中的判断。速度带来的混乱没有被包装掉，Anthropic 选择一边构建，一边在真实环境里校准。 3 到 5 人小队一起冲刺 谈到 AI native 团队时，Meaghan 没有给出宏大的组织模型，而是给了一个很小的单位：三到五个人的 pod。这个 pod 可能是五位工程师，也可能是四位工程师加一位设计师，也可能是两位 PM 加三位工程师。成员背景不同，但目标相同：一起把东西推到能运行的代码里，再让自己和更多同事使用。 "我的理想团队大小，大概是一个三到五人的小队。" 在这个描述里，title 更像专业特长，不再限定贡献边界。设计师可以进代码，工程师可以参与设计，PM 也可以推动产品选择。主持人开玩笑说，这样的小队连两张披萨都喂得饱。Meaghan 把重点放在这几个人能不能一起 sprint，尽快拿到一段能跑的东西，再用自己的真实体验建立信心。 Anthropic 让每个人保留专业，又让专业围着可运行产品一起发挥作用。 这也是 Claude Code 对团队结构的影响：当构建成本下降，组织里最珍贵的东西变成快速形成判断、快速收集真实使用、快速修正方向。 PM 和设计师也能发生产 主持人追问，一个非工程师真的可以 ship 吗？Meaghan 的态度很明确：任何人都应该可以构建，也应该可以发布到生产环境。这个主张听起来激进，但她没有把它讲成无门槛冲生产。她提到的前提非常工程化：好的 code review、好的 CI、好的测试。只要进入生产的代码被验证、被审核，构建权就不必只交给传统工程角色。Anthropic 的重点是让工程纪律承接更多角色的构建行为，把审核、测试和回滚能力做成多人都能依赖的护栏。 "任何人都应该能发布到生产环境，任何人都应该能构建。" 这里对产品团队的启发很直接。过去，PM 写需求、设计师出稿、工程师实现，质量责任在交接中流动。Claude Code 让更多人能把想法推进到实际代码，责任也随之共享。Meaghan 说，工程师正在把产品和设计角色邀请进代码，设计师也应该邀请别人参与设计，PM 应该邀请团队参与产品判断。上线前，小队会先决定这东西是否足够好，是否愿意拿给公司内部更多人用。 当每个人都能动手，最难的工作反而是建立一套让动手安全发生的机制。 企业采用先从个人项目长出来 Claude Code 的企业采用路径，更像开发者产品常见的 PLG。Meaghan 说，很多企业扩散来自个人开发者：他们先在个人项目或 side project 里使用，再回到组织内部成为倡导者。主持人提到，很多软件公司从 PLG 长到企业客户后，都要处理自下而上和自上而下之间的张力。到了团队层面，开发平台团队会有动力为 Claude Code 接上自定义工具、数据库、内部基础设施和连接器。 "我们会有个人开发者在个人项目和副业项目里使用它，然后他们成为组织内部扩展使用的倡导者。" Agent 工具一旦作为平台进入公司，会出现正循环：越多人用，围绕它搭建的内部能力越多；内部工具越多，下一批用户越容易得到更好的体验。面对大型企业的风险顾虑，Meaghan 强调 Claude Code 的包本身很 hackable，也很 safe；随着进入更大的组织，Anthropic 还在增加更多控制和可见性。她说眼下更像相反的压力：太多人想用 Claude Code，团队要尽可能降低访问门槛。她还提到，Anthropic 内部不只工程师使用 Claude Code，设计、产品、财务团队也都在用。 企业 adoption 的火种先在技术团队的工作台上点燃，再把能力扩散到别的职能。 CLI 成了模型最薄的一层 作为设计负责人，Meaghan 对界面的看法很克制。她说，用户界面只是通向技术的媒介。她喜欢 CLI，因为它几乎是包在模型外面最薄的一层，而且天然接入电脑里的操作、信息和开发栈。主持人提到，很多 SaaS 公司正在思考：如果用户通过另一个 agent 界面完成任务，原本属于自己的 UI 还剩下多少位置。Meaghan 的回答把焦点放回产出：用户真正要的是工作成果，工具本身只是让人告诉设备和服务自己想要什么结果。 "我喜欢 CLI，因为它真的是我们模型外面最薄的包装。" 但她也没有把 CLI 神化。主持人说自己来自技术背景，以为这辈子都不会再用 CLI，结果现在又回来了。Meaghan 承认，CLI 有学习曲线，对非工程或半技术用户并不轻松。Claude co work 和桌面应用的意义，就是把同样的 agentic 能力带给更多人。工程编码工作适合 CLI，跨职能协作可能需要更容易进入的桌面产品和工作空间。 未来的 UI 也许不会只属于传统 SaaS 页面，它会在 CLI、桌面应用、协作空间和最终产出之间重新分布。 经理开始管理一队 Claude 主持人提到，很多公司正在减少管理层级，也要求 people manager 变成 player coach。Meaghan 的回答很直接：Anthropic 的所有 people manager 都会构建。她自己会 build，也会 design。她认为，管理者加入一家公司或管理一个团队时，应该理解这家公司真实的 shipping motion，尤其 AI 改变了构建流程以后，管理者需要亲自体验，才知道该为团队投入什么工具和训练。没有亲自跑过一次从想法到上线的流程，就很难判断团队卡在权限、测试、上下文还是协作方式上。 "Anthropic 的所有 people manager 都会构建。我构建，也做设计。" 她还用了一个很有画面感的说法：公司里的很多 IC 现在像小型管理者，因为每个人都在管理一队 Claude。过去管理者管理人，现在构建者也在管理多个 agent 的工作。这个比喻落到日常，就是任务拆解、反馈、验收、纠偏和上下文管理会进入更多岗位。一个设计师可能让 Claude 跑界面实现，一个 PM 可能让 Claude 验证埋点或整理用户反馈。 会不会写代码只是一部分，更大的变化是，越来越多人要学会调度一组 AI 工作者。 AI ROI 仍要回到留存和收入 聊到钱时，主持人问了很多公司都在问的事：AI adoption 不足以证明业务价值，那 ROI 该怎么衡量？Meaghan 用工程管理的老例子回答：以前公司也曾用代码行数或 PR 数衡量工程师，后来大家发现这并不能代表贡献。今天看 token usage 也类似。token 用量为零，可以说明一个人完全没有使用 AI；但比谁消耗 token 更多，很容易走偏。她直说，用户可以消耗无限多 token，同时什么工作都没完成。 "如果 token 用量是零，那应该引起担心。" Meaghan 说，行业还在早期，token 可以作为领先信号，却不适合直接当成 ROI。有些自动化确实会消耗大量 token，也确实能给团队带来价值；另一些使用量只是昂贵的空转。更稳的办法仍然回到原来的 impact metrics：adoption、retention、revenue。AI 工具有没有价值，最终要看它是否被持续使用、是否留住用户、是否带来收入或产出。 管理层想看 AI 成效，不能只盯使用量仪表盘，还要把 AI 放回业务结果里看。 ProductCon 的现场掌声背后，是一套已经在 Anthropic 内部运行的工作方式。 写在最后 如果你正在做产品、设计或工程管理，可以先从一个小动作开始：把下一次质量讨论放到可运行原型旁边，让 PM、设计师和工程师一起看真实流程。AI 不会替团队做判断，但它正在把判断发生的位置往前推到代码里。 内容来源："Anthropic Head of Design on Why Your Whole Team Should Be Managing Agents | Meaghan Choi | E298"丨Product School 原视频：https://www.youtube.com/watch?v=V8y3K0fLSKg&t=67s No access 4c308efb69994c77a5160c73994452b9 00:00 如果你喜欢深度好文，试试用小程序将不方便立刻阅读的文章转成播客，用「听」的方式，稍后阅读，不再错过好文章⇣ ⇣ 关注我，每天为你更新硅谷最新的 AI 创业／科技播客总结，让你与前沿保持同频 ⇣ https://mp.weixin.qq.com/s/jHD0I8xM... 🔗 原文链接： https://mp.weixin.qq.com/s/jHD0I8xM... https://mp.weixin.qq.com/s/jHD0I8xM... 原创 Capihom Capihom 晚点再听LaterCast2026年6月6日 23:37 北京 我们每天为你更新硅谷最新的 AI 创业与科技播客总结，让你与前沿保持同频。 全文约 3900 字，如果你现在没有时间，试试转成播客稍后再听 "我们的头衔已经完全不重要了。" "我们已经把质量决策推进到真实运行的代码里。" "任何人都应该能发布到生产环境，任何人都应该能构建。" Product School 主持人 Carlos 采访了 Anthropic 的 Meaghan Choi。她负责 Claude Code 和 Claude co work 的设计，也亲历了 Claude Code 从内部小项目变成全球热门开发工具的过程。Product School 把这期安排在纽约 AI 大会的舞台上，现场听众里有 CPO、产品 VP、工程和设计负责人。对这些人而言，最刺眼的地方不在增长数字，而在 Anthropic 内部的工作方式：设计负责人会推代码，工程师会参与设计，产品质量不再只靠会议、PRD 或 Figma mock 做判断，而是放进真实代码和真实使用里。这也让本期更像一份产品团队改造现场记录：角色边界、质量门槛、企业采用和 ROI，都被放进 Claude Code 的实际工作法里，尤其适合正在重写团队流程、评估 AI 工具落地的人读。 从 12 人小房间到 25 亿美元 Meaghan 回忆，Claude Code 一开始并没有被当作正式产品。2024 年，几位工程师只是想验证一件事：如果 Claude 可以替人写代码，它能不能直接在本机环境里行动，而不是让用户在聊天框和编辑器之间来回复制粘贴。早期版本很难用，设置要花接近一小时，模型能力也还早了大约半年。但团队在内部 Slack 看到演示视频时，已经意识到这里有生命迹象。 Claude Code 后来的判断标准很朴素：如果 Anthropic 自己的人每天都愿意用，它才值得推给行业。 "我们一开始是 12 个人在房间里，怀疑这个产品会不会成立，怀疑会不会有人使用 CLI。" 接下来的三个月，团队集中做内部发布、观察用户、修 bug、调 UX。CLI 设计当时太新，Meaghan 最早做设计迭代时，甚至只能在 Google Docs 里表达命令行界面会怎样工作。到了 2026 年，主持人在开场引用了一个惊人的说法：Claude Code 一年内从零做到 25 亿美元年化收入，并在编码市场达到约 51% 份额。Meaghan 在结尾补了一句：团队感觉自己只走到 1%，每天还在原型新东西，继续推翻对工作的假设。 增长背后是一段从内部工具、真实代码、日常使用里滚出来的产品路径。 质量关口搬到真实代码里 主持人问，Anthropic 最近发布速度让人眼花，产品质量的瓶颈到底在哪里。Meaghan 的回答对传统产品流程很不舒服：过去，团队会在讨论、PRD、mock 或 Figma 阶段做质量判断；现在，Anthropic 把判断点推迟到可以工作的代码里。功能先放到团队自己人的日常工作里，看内部用户是否真的每天使用，看反馈能不能推动下一轮修改。只有人在自己的工作流里用起来，才知道体验到底顺不顺，反馈到底有没有重量。 "我们已经把决策推进到真实运行的代码里。你需要自己使用它。" 这并不轻松，尤其对设计师。 Meaghan 坦承，看到一些自己还没碰过、还没达到心中 100% polish 的功能被放出去，会有压力。但团队从开放测试里学得更快：用户会更早指出哪部分可行，哪部分需要重做。Anthropic 会先看内部是否有足够多人把新产品纳入工作流，再决定是否对外发布。产品质量因此从会前评审变成使用后的修正，从静态稿件变成运行中的判断。速度带来的混乱没有被包装掉，Anthropic 选择一边构建，一边在真实环境里校准。 3 到 5 人小队一起冲刺 谈到 AI native 团队时，Meaghan 没有给出宏大的组织模型，而是给了一个很小的单位：三到五个人的 pod。这个 pod 可能是五位工程师，也可能是四位工程师加一位设计师，也可能是两位 PM 加三位工程师。成员背景不同，但目标相同：一起把东西推到能运行的代码里，再让自己和更多同事使用。 "我的理想团队大小，大概是一个三到五人的小队。" 在这个描述里，title 更像专业特长，不再限定贡献边界。设计师可以进代码，工程师可以参与设计，PM 也可以推动产品选择。主持人开玩笑说，这样的小队连两张披萨都喂得饱。Meaghan 把重点放在这几个人能不能一起 sprint，尽快拿到一段能跑的东西，再用自己的真实体验建立信心。 Anthropic 让每个人保留专业，又让专业围着可运行产品一起发挥作用。 这也是 Claude Code 对团队结构的影响：当构建成本下降，组织里最珍贵的东西变成快速形成判断、快速收集真实使用、快速修正方向。 PM 和设计师也能发生产 主持人追问，一个非工程师真的可以 ship 吗？Meaghan 的态度很明确：任何人都应该可以构建，也应该可以发布到生产环境。这个主张听起来激进，但她没有把它讲成无门槛冲生产。她提到的前提非常工程化：好的 code review、好的 CI、好的测试。只要进入生产的代码被验证、被审核，构建权就不必只交给传统工程角色。Anthropic 的重点是让工程纪律承接更多角色的构建行为，把审核、测试和回滚能力做成多人都能依赖的护栏。 "任何人都应该能发布到生产环境，任何人都应该能构建。" 这里对产品团队的启发很直接。过去，PM 写需求、设计师出稿、工程师实现，质量责任在交接中流动。Claude Code 让更多人能把想法推进到实际代码，责任也随之共享。Meaghan 说，工程师正在把产品和设计角色邀请进代码，设计师也应该邀请别人参与设计，PM 应该邀请团队参与产品判断。上线前，小队会先决定这东西是否足够好，是否愿意拿给公司内部更多人用。 当每个人都能动手，最难的工作反而是建立一套让动手安全发生的机制。 企业采用先从个人项目长出来 Claude Code 的企业采用路径，更像开发者产品常见的 PLG。Meaghan 说，很多企业扩散来自个人开发者：他们先在个人项目或 side project 里使用，再回到组织内部成为倡导者。主持人提到，很多软件公司从 PLG 长到企业客户后，都要处理自下而上和自上而下之间的张力。到了团队层面，开发平台团队会有动力为 Claude Code 接上自定义工具、数据库、内部基础设施和连接器。 "我们会有个人开发者在个人项目和副业项目里使用它，然后他们成为组织内部扩展使用的倡导者。" Agent 工具一旦作为平台进入公司，会出现正循环：越多人用，围绕它搭建的内部能力越多；内部工具越多，下一批用户越容易得到更好的体验。面对大型企业的风险顾虑，Meaghan 强调 Claude Code 的包本身很 hackable，也很 safe；随着进入更大的组织，Anthropic 还在增加更多控制和可见性。她说眼下更像相反的压力：太多人想用 Claude Code，团队要尽可能降低访问门槛。她还提到，Anthropic 内部不只工程师使用 Claude Code，设计、产品、财务团队也都在用。 企业 adoption 的火种先在技术团队的工作台上点燃，再把能力扩散到别的职能。 CLI 成了模型最薄的一层 作为设计负责人，Meaghan 对界面的看法很克制。她说，用户界面只是通向技术的媒介。她喜欢 CLI，因为它几乎是包在模型外面最薄的一层，而且天然接入电脑里的操作、信息和开发栈。主持人提到，很多 SaaS 公司正在思考：如果用户通过另一个 agent 界面完成任务，原本属于自己的 UI 还剩下多少位置。Meaghan 的回答把焦点放回产出：用户真正要的是工作成果，工具本身只是让人告诉设备和服务自己想要什么结果。 "我喜欢 CLI，因为它真的是我们模型外面最薄的包装。" 但她也没有把 CLI 神化。主持人说自己来自技术背景，以为这辈子都不会再用 CLI，结果现在又回来了。Meaghan 承认，CLI 有学习曲线，对非工程或半技术用户并不轻松。Claude co work 和桌面应用的意义，就是把同样的 agentic 能力带给更多人。工程编码工作适合 CLI，跨职能协作可能需要更容易进入的桌面产品和工作空间。 未来的 UI 也许不会只属于传统 SaaS 页面，它会在 CLI、桌面应用、协作空间和最终产出之间重新分布。 经理开始管理一队 Claude 主持人提到，很多公司正在减少管理层级，也要求 people manager 变成 player coach。Meaghan 的回答很直接：Anthropic 的所有 people manager 都会构建。她自己会 build，也会 design。她认为，管理者加入一家公司或管理一个团队时，应该理解这家公司真实的 shipping motion，尤其 AI 改变了构建流程以后，管理者需要亲自体验，才知道该为团队投入什么工具和训练。没有亲自跑过一次从想法到上线的流程，就很难判断团队卡在权限、测试、上下文还是协作方式上。 "Anthropic 的所有 people manager 都会构建。我构建，也做设计。" 她还用了一个很有画面感的说法：公司里的很多 IC 现在像小型管理者，因为每个人都在管理一队 Claude。过去管理者管理人，现在构建者也在管理多个 agent 的工作。这个比喻落到日常，就是任务拆解、反馈、验收、纠偏和上下文管理会进入更多岗位。一个设计师可能让 Claude 跑界面实现，一个 PM 可能让 Claude 验证埋点或整理用户反馈。 会不会写代码只是一部分，更大的变化是，越来越多人要学会调度一组 AI 工作者。 AI ROI 仍要回到留存和收入 聊到钱时，主持人问了很多公司都在问的事：AI adoption 不足以证明业务价值，那 ROI 该怎么衡量？Meaghan 用工程管理的老例子回答：以前公司也曾用代码行数或 PR 数衡量工程师，后来大家发现这并不能代表贡献。今天看 token usage 也类似。token 用量为零，可以说明一个人完全没有使用 AI；但比谁消耗 token 更多，很容易走偏。她直说，用户可以消耗无限多 token，同时什么工作都没完成。 "如果 token 用量是零，那应该引起担心。" Meaghan 说，行业还在早期，token 可以作为领先信号，却不适合直接当成 ROI。有些自动化确实会消耗大量 token，也确实能给团队带来价值；另一些使用量只是昂贵的空转。更稳的办法仍然回到原来的 impact metrics：adoption、retention、revenue。AI 工具有没有价值，最终要看它是否被持续使用、是否留住用户、是否带来收入或产出。 管理层想看 AI 成效，不能只盯使用量仪表盘，还要把 AI 放回业务结果里看。 ProductCon 的现场掌声背后，是一套已经在 Anthropic 内部运行的工作方式。 写在最后 如果你正在做产品、设计或工程管理，可以先从一个小动作开始：把下一次质量讨论放到可运行原型旁边，让 PM、设计师和工程师一起看真实流程。AI 不会替团队做判断，但它正在把判断发生的位置往前推到代码里。 内容来源："Anthropic Head of Design on Why Your Whole Team Should Be Managing Agents | Meaghan Choi | E298"丨Product School 原视频：https://www.youtube.com/watch?v=V8y3K0fLSKg&t=67s No access 4c308efb69994c77a5160c73994452b9 00:00 No access 4c308efb69994c77a5160c73994452b9 00:00 如果你喜欢深度好文，试试用小程序将不方便立刻阅读的文章转成播客，用「听」的方式，稍后阅读，不再错过好文章⇣ ⇣ 关注我，每天为你更新硅谷最新的 AI 创业／科技播客总结，让你与前沿保持同频 ⇣