@lennysan: 我从OpenAI的 Codex 负责人 @ajambrosino 那里得到的最重要的收获:1. 产品工作已经颠倒。旧的产品流程是建……
摘要
Lenny Rachitsky 分享了来自 OpenAI 的 Codex 负责人 Andrew Ambrosino 的关键见解,关于 AI 如何颠覆产品工作、重新定义角色以及 AI 在设计方面的挑战。该系列推文涵盖了从 Codex 开发中得到的教训以及为当前模型能力构建的重要性。
查看缓存全文
缓存时间: 2026/06/30 07:39
我从OpenAI Codex负责人@ajambrosino那里获得的最大收获:
-
产品工作已完全颠倒。 旧的产品流程建立在“构建东西很昂贵”的假设上,因此需要用规格、研究和原型来提前化解所有风险。这个假设已不复存在。困难的工作从“我们该不该做这个?”转变为“在这个想法的所有原型尝试中,哪个是最好的?我们应该把哪些整合在一起?我们要全力押注哪个?”
-
你的角色现在由你花时间做的事的平均值决定。 设计师写代码,工程师做设计,产品经理发版。那么你是什么?你不再由头衔定义,而是由你如何分配时间定义。如果你把你一周做的所有事平均一下,那些点大部分落在哪里?那就是你的角色。
-
Codex的产品经理使用“区域防守”策略来掌控全局。 想法从四面八方涌来,自上而下的年度计划行不通,所以他们分散团队来覆盖整个公司。如果两个产品人员合作得太紧密,没有间隙,那是个坏兆头。他们把产品经理分散到整个组织以实现全面覆盖,并用有产品思维的工程师来填补空白。
-
为什么AI在设计上如此糟糕? 有两个原因:一个实际原因,一个结构原因。实际原因是,设计比代码更难评分,实验室优先考虑编码,因为它能加速AI研究。结构原因是,好的设计需要新颖性和文化——一个每次都输出@Linear网站的模型并没有展示品味——而且存在一个模型尚无法跨越的“视觉到代码”抽象层。实际原因可能会得到解决;但围绕新颖性、文化和抽象的一些更深层次的挑战可能会持续存在。
-
最初的Codex Web发布“在当时过于AGI化了”。 第一个公开的Codex版本建立在一个过于宏大的前提上:给模型一个任务,它就能带着完成的任务回来。问题在于,当时的模型还不足以可靠地兑现这一承诺。Claude Code在本地启动,提问,并与用户坐在一起——这更适合模型实际的能力水平。Andrew经常思考这个问题:我们是根据模型的实际水平来构建,还是根据我们希望它们达到的水平来构建?
-
Andrew确信,如果Codex应用在2025年11月发布,那么它在2026年2月推出时本应失败。 产品是相同的——但模型不同。他学到的教训是:保留那些尚未准备好的原型,并在每一个新模型代际时重新审视它们。抵制仅仅因为体验不完美就扼杀一个功能的诱惑。“它可能还没准备好”与“它是一个坏功能”截然不同。
-
品味不仅仅关乎美学——它是在你可以构建任何东西时决定构建什么。 Andrew引用了一条推文,指出人们过分强调品味的美学方面(例子:Paul Graham品味很好,但穿着工装短裤)。真正的品味将美学与系统思维相结合:知道方向、主题,以及如何呈现一个想法。问:“如果我们能构建任何东西,这应该是什么?”——他说这现在是每个领域最重要的决策。
-
设计过程并没有消亡。 是的,设计学院教授的正规设计过程已经结束。剩下的是一种元认知:你实际上处于产品开发过程的哪个阶段。Andrew看到的危险是:在任何人做研究之前,就出现了一个看起来可以生产的完全打磨好的原型,满屋子的人都认为它比实际进展更超前。“这就是现在的设计过程,”他说,“多人协作探索,看起来像成品。”
-
“PRD已死”也完全错了。 因为每种形式的实现都变得廉价,非工程师很容易直接跳到原型,而工程师则容易写长篇文档——但两者都不是正确的工具。Andrew的规则:如果你试图在一个模糊的领域建立产品清晰度,那就用文档;如果你在压力测试一种交互模式,那就用原型。过去,媒介会隐式地传达你在过程中的位置,现在则不会。
-
大多数职业生涯都比任何一次失败时刻更长。 Andrew目前在OpenAI的成功,用他自己的话说,是10到15年的积累:技能、激情和市场时机最终同时到位。
不完全对。参见收获第9条。
相似文章
@oran_ge: https://x.com/oran_ge/status/2071748144103309422
OpenAI Codex 产品负责人 Andrew Ambrosino 在播客中反思 AI 组织改革,强调 PRD 和产品经理角色依然重要,设计流程未死但需适应 AI 时代,并指出工具越快判断越贵。
@nexudotio:Open Design 现在可以在 Codex 中运行。AI 设计最难的部分不是生成一个界面——而是保持设计意图…
Open Design 现在可以在 Codex 中运行,使 AI 代理能够在设计、代码和动效的一个工作流中保持设计意图。
Codex 最大化
Jason Liu 分享了他如何使用 OpenAI 的 Codex 进行编码之外的知识工作,利用持久化线程、语音输入和引导将编码代理整合到他更广泛的工作流程中。
@lindsmccallum: 那个 @benthompson 发现 Codex 的时刻
关于使用 AI 编码工具(Codex)构建应用程序的个人反思,以及从该体验中获得的十条要点。
@bibryam:这篇 OpenAI 文章对于测试工程师来说简直就是一座金矿。其中的洞见不是“AI 写代码”,而是:→ 如何……
OpenAI 分享了其团队如何利用 Codex 代理构建一个完整的软件产品,完全不编写任何手动代码,重点在于设计环境与反馈循环,以确保代理的可靠运行。