178
0🎙️
📝 本期播客简介
本期我们克隆了：Lenny's Podcast: Product | Career | Growth AI’s third era: the rise of persistent AI coworkers | Tara Seshan (OpenAI’s product lead)
原内容更新时间：Sun, 30 Aug 2026
本期由 Lenny Rachitsky 主持，嘉宾是 OpenAI 产品负责人 Tara Seshan。Tara 目前与工程经理 Andrew Ambrosino 搭档，负责 Codex 与 ChatGPT Work；加入 OpenAI 前，她曾在 Stripe 工作六年，是 Stripe 早期的产品经理之一，也曾负责 Watershed 产品、担任创业者与 Thiel Fellow。她既经历过高速成长的科技公司，也亲身参与过创业、风投孵化与前沿 AI 产品建设。
这场对谈的核心，是 AI 产品正在从“聊天”与“调用 Agent”走向第三个时代：与一个长期在线、能够持续推进任务的 AI 同事共同工作。Tara 分享了 OpenAI 内部如何快速实验、为什么产品经理必须从“划桨”转向“掌舵”、Codex 如何改变知识工作，以及 ChatGPT 的 Chat / Work 模式最终可能如何走向融合。
节目还深入讨论了 AI 时代的职业焦虑：当简单工作被彻底自动化，工程师、设计师、产品经理的边界正在消失，人类究竟还剩下什么不可替代的价值？Tara 的答案包括责任、判断、表达、品味、人与人之间的连接，以及决定未来应该朝哪个方向发展的主见。
👨⚕️ 本期嘉宾
Tara Seshan，OpenAI 产品负责人，负责 Codex 与 ChatGPT Work。她曾在 Stripe 工作六年，是 Stripe 早期的产品经理之一，并曾多年位列公司表现最出色的员工之列；之后她负责 Watershed 的产品，也拥有创业经历。Tara 还是 Thiel Fellow，以及首届 Lenny’s Newsletter Fellow 之一。
Tara 值得关注的地方，在于她同时具备产品、创业、企业软件与 AI 前沿实验室的经验。她不仅在打造下一代 AI 工作产品，也在重新思考产品经理、工程师和知识工作者的基本工作方式：在模型能力快速变化的时代，如何定义问题、验证假设、建立反馈闭环，并把野心转化为真正可用的产品。
⏱️ 时间戳
AI 产品的第三个时代：常驻 AI 同事
从 Chat 到 Agent，再到常驻 AI coworker
Tara Seshan 登场：OpenAI、Codex 与 ChatGPT Work
OpenAI 内部文化：每个人都像一个创始人
从理论推演转向快速实证
AI 时代，PM 失去了什么
为什么多产出、靠实证比长篇战略文档更重要
PM 工作的核心：定义问题、验证假设、跑通闭环
从划桨到掌舵：人类负责方向，Agent 负责执行
Agent 如何成为真正的同事
与长期存在的 Agent 协作
从一对一 Agent 到多人协作的 Agent 群聊
慢起飞、信任与 Agent 承担更多工作
数据访问、云基础设施与可靠性同样关键
野心、作者性与人的非对称优势
AI 让野心从优势变成必需品
AI 如何把普通人变成“独角兽人才”
真正的瓶颈不是能力，而是想象力
PM 的新职责：不断拉高团队的野心
ChatGPT Work、Codex 与 AI 产品设计
产品应该面向两三个月后的模型
Chat、Work 与 Codex 到底有什么区别
如何把 Agent 能力带给十亿 ChatGPT 用户
AI 产品第三时代：和常驻同事一起把事情做完
从写代码到做判断：职业角色的重构
当工程师、设计师和 PM 的边界开始消失
AI 时代人类大脑还剩下什么价值
Tara 如何在工作中使用 AI：建网站与可视化
“写作是思考”与“写作是汇报”的区别
产品、营销与 PMF 的可复制方法
Tara 在 Sutter Hill Ventures 的经历
找到 PMF 不是玄学：成功背后存在一套打法
为什么产品与营销的契合要早于产品本身
知识工作不同于写代码：必须看见过程与工作证明
🌟 精彩内容
💡 AI 产品的第三个时代，是拥有一个常驻同事
Tara 将 AI 产品的发展分为三个阶段：最初是 Chat，接着是与 Agent 协作，而下一阶段则是与一个长期存在、能够持续推进工作的 AI 同事共事。这个 AI 不只是回答一次问题，而是像团队成员一样持续工作、接受反馈，并与其他人的 Agent 协同完成任务。
“那可能很快到来的第三个时代，就是你该如何与一个能和你一起把事情做完的常驻同事协作？”
💡 AI 时代，PM 从划桨者变成掌舵者
当 Agent 可以承担越来越多具体执行工作，人的角色不会因此消失，而是上升到更高的抽象层：确定目标、判断方向、解释反馈，并决定产品与世界应该朝哪里发展。执行可以交给 Agent，但方向感和最终决断仍需要人来提供。
“未来的工作会越来越像掌舵而不是划桨。”
💡 最危险的产品开发方式，是押错模型时间点
AI 产品不能只按照今天的模型能力设计，否则很快会过时；也不能按照一年后的想象设计，因为那样同样可能脱离现实。真正可行的节奏，是紧贴研究进展，在两到三个月的时间窗口里持续调整产品架构与体验。
“如果你按模型现在的水平去开发，你会失败。如果你按自己设想的一年后模型会达到的水平去开发，你也会失败。”
💡 AI 让野心成为新的竞争壁垒
当简单任务变得人人都能完成，人与人、公司与公司之间的差距，就不再主要来自执行能力，而来自对可能性的想象。最会使用 AI 的人，不只是自动化重复劳动，而是借助 AI 把过去无法实现的想法快速变成原型、网站、模型和产品。
“现在把人和人、公司和公司区分开来的，就只是他们能有多大的野心了。”
💡 人类的价值，从亲自执行转向承担责任与表达主见
Agent 可以完成大量工作，但最终必须有人判断结果是否正确、质量是否足够、是否符合目标，并为产出承担责任。除此之外，产品中的作者性、品味、艺术表达，以及人与人之间的关心与连接，仍然是难以被简单自动化的部分。
“到底由谁来对最终的结果负责？最终谁来对最终产出负责？”
💡 “写作是思考”不能外包，“写作是汇报”可以自动化
Tara 将工作写作分成两类：用于整理和形成自己观点的写作，以及用于总结、汇报和格式转换的写作。后者可以尽可能交给 AI，但前者正是人训练判断力、澄清思路和发现问题的过程，不能让模型替自己完成。
“以写作为思考是我永远不会自动化的。”
💡 知识工作必须看见推理过程，而不只是最终结果
写代码可以通过测试判断结果是否运行正确，但知识工作往往不能只看一份漂亮的 PPT 或报告。用户需要了解 AI 使用了哪些信息、如何推理、引用了什么来源，才能真正判断结果是否可信。因此，未来的 AI 产品必须成为协作者，而不是只交付答案的黑箱。
“我真的需要去思考其中的过程、输入的信息、推理逻辑，以及它是如何一步步推导出来的。”
💡 完成好过完美，反馈闭环比上线前打磨更重要
在模型和产品能力高速变化的时代，过度追求上线前的完美可能意味着错过最重要的学习机会。更有效的方法是尽快把产品交给用户，观察真实使用方式，识别哪里行不通，再快速迭代。
“当你非常确信它具有颠覆性的时候，把产品交到用户手里远比追求完美要好得多。”
🌐 播客信息补充
本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的
使用 AI 进行翻译，因此可能会有一些地方不通顺
