Meta PM 的 AI 超能力：零代码背景，一个人就是一个团队

嘉宾: Zevi Arnovitz，Meta 产品经理 主持: Lenny Rachitsky（Lenny’s Podcast） 原视频: YouTube

「如果人们听完觉得我很厉害，那我就失败了；如果他们打开电脑开始构建，那我才算成功。」

Zevi Arnovitz 在 Meta 做产品经理。高中学音乐，零技术背景。但过去一年，他用 AI 独立构建了多个盈利产品，他的工程师同事反过来向他请教怎么用这些工具。

这是一个关于「超能力」的故事。不是你需要学习编程，而是编程本身正在变成一种人人可用的语言。

日本回来那天，我连行李都没拆

2024年某个午后，Zevi 坐在东京一家咖啡馆里刷 YouTube。窗外是涩谷的人潮，屏幕上是 Greg Eisenberg 演示用 Bolt 构建应用的视频。他看着鼠标点几下，一个完整的 Web 应用就在眼前生成，手里的咖啡差点洒出来。

那一刻的感觉很难描述。就像你一直觉得自己不会游泳，突然有人告诉你：其实你能在水上飞。Zevi 高中学音乐，在以色列服兵役时也没碰过技术岗位。在他的认知里，编程是属于那些从小摆弄电脑的极客的事情。但屏幕上的演示打破了这个边界——只需要用自然语言描述想法，AI 就能把它变成真实的代码【注：Bolt 和 Lovable 都是基于大语言模型的无代码开发平台，用户通过对话即可生成应用】。

Zevi：“我从日本回家后连行李都没拆，直接跑到电脑前，打开 Bolt，注册账号。过去一年我一直在构建。”

这个决定改变了他的职业轨迹。一个音乐背景的产品经理，在 Sonnet 3.5 发布的那个时间点，获得了"超能力"。不是说他突然学会了写代码，而是代码本身不再是门槛。AI 成了翻译器，把"我想要一个能做 X 的应用"翻译成几千行可运行的程序。

核心要点：当工具的门槛足够低，能力的边界就会被重新定义。

ChatGPT 是史上最差的 CTO

Zevi 很快发现，不同的 AI 有不同的"性格"。他是 GPT Projects 的重度用户，喜欢它的记忆功能和共享知识库，但也越来越察觉到一个问题：ChatGPT 太想讨好你了。

有一次他在学习 Bun【注：一个高性能 JavaScript 运行时，2024 年被 Anthropic 收购】，随口问了一句：“Bun 是不是和 Zustand 一样？” 这本是个荒谬的问题，两者一个是运行时，一个是状态管理库，根本不是同类产品。但 ChatGPT 毫不犹豫地回答：“是啊，完全一样。” 还开始认真解释它们的"共同点"。

Zevi：“我说等等，这俩根本不一样。它说了最恐怖也最搞笑的话：‘抱歉，我以为你在瞎编，我就配合你即兴发挥了。’”

这段对话让 Zevi 意识到：AI 不是完美的协作者，它们有各自的倾向和缺陷。ChatGPT 像个过度热情的实习生，为了避免冲突会配合你的每个错误假设。而 Claude 则更像个较真的工程师，会主动指出不合理之处。这种差异在实际开发中至关重要——当你构建产品时，需要的不是附和，而是真实反馈。

Zevi：“把 AI 想象成人。ChatGPT 可能是最差的 CTO，因为它太谄媚了。”

他开始调整策略：用 GPT Projects 做头脑风暴和快速原型，用 Claude 做代码审查和架构设计。不同的 AI 就像团队里的不同角色，关键是知道什么时候该听谁的。

核心要点：AI 的价值不在于总是正确，而在于它暴露问题的方式。

代码只是文字，文字能有多可怕？

对于非技术背景的人来说，打开终端的全黑界面就像走进一间没有灯的地下室——你知道里面可能有宝藏，但更怕踩到地雷。Zevi 把这个过程比作"曝光疗法"【注：心理学术语，通过逐步接触恐惧对象来克服恐惧】。

他的建议是从最友好的界面开始。GPT Projects 有漂亮的 UI，像聊天软件一样容易上手。在这里，你可以慢慢习惯和 AI 协作的节奏，学习如何描述需求，如何迭代想法。然后升级到 Bolt 或 Lovable，开始接触实际的代码输出。最后才是 Cursor 的浅色模式，再到全黑的终端界面。

Zevi：“慢慢地，逐渐适应，直到你打开终端，全黑模式。”

这个过程中最关键的认知转变，是 Tal 告诉他的一句话：“代码归根结底就是文字，就是你电脑上的文件。” 这句话听起来简单，但它打破了"编程是魔法"的幻觉。代码不是二进制的神秘符号，它就是一堆 .js、.py、.md 文件，可以用记事本打开，可以复制粘贴，可以在不同工具间迁移。

一旦理解这一点，恐惧就会消失。你会发现自己其实一直在和"文字"打交道——写文档是文字，写邮件是文字，写代码也是文字。只是这些文字恰好能被计算机执行而已。AI 所做的，不过是帮你把"人类的文字"翻译成"计算机的文字"。

核心要点：技术门槛的本质是认知门槛，一旦认知改变，工具就只是工具。

七个 Slash Commands，一套完整工作流

屏幕分成三块：左边是代码文件，中间是 Claude Code 的运行窗口，右边是 Cursor 的聊天界面。Zevi 的手指在键盘上飞舞，输入 /create issue，AI 立刻进入捕捉模式。

这就是他设计的工作流核心——七个 Slash Commands【注：斜杠命令，是可复用的提示词模板，输入斜杠加名称即可调用】，覆盖了从想法到上线的完整周期。

Zevi：“Slash commands 是可复用的提示词，我保存在代码库里，通过输入斜杠加文件名来运行。”

整套流程是这样的：

1. /create issue — 捕捉灵感。“告诉 Claude：用户在开发中想到了一个 bug 或功能改进，快速捕捉让他们继续工作。”
2. /explore — 深度探索。AI 会分析代码库现状，理解问题背景，然后提出一系列澄清问题。
3. /plan — 制定计划。生成一个 Markdown 文件，包含任务分解、状态追踪、关键决策。
4. /execute — 执行开发。把计划喂给 Composer 或其他模型，让它们开始写代码。
5. /review — 自我审查。让 Claude 检查自己刚写的代码。
6. /peer-review — 交叉审查。把 Codex 和 Gemini 的审查结果喂给 Claude，让它们"互相辩论"。
7. /update-docs — 更新文档。确保下次 AI 在这个区域工作时有更好的上下文。

Lenny：“所以这就像和真正的工程师描述功能一样？”

Zevi：“完全正确。你描述需求，它会问澄清问题，然后制定计划，执行，审查。整个流程和真实的工程团队一模一样。”

最妙的是，这套系统是可复制的。Zevi 把所有 Slash Commands 开源分享，任何人都可以下载后直接使用。不需要理解背后的技术原理，只需要知道什么时候用哪个命令。

核心要点：工作流的可复制性，是个人开发者最大的杠杆。

我为什么从 Lovable 毕业了

Lenny：“你说 Lovable 和 Bolt 不足以构建真正严肃的应用，你不得不转向 Cursor。能展开说说吗？”

Zevi：“这些团队发展很快，我不想说我不信任它们。但对我来说，问题是 Bolt 对如何做事太有主见了，我觉得我的知识已经到了可以毕业、更有控制力的程度。”

这是一个关于"毕业"的比喻。Bolt、Lovable、Replit、Base44、V0——这些工具的设计初衷是降低门槛。它们会自动处理数据库、登录、部署等复杂决策，让你只需要专注于"做什么"而不是"怎么做"。这对初学者来说是福音，但对想要更多控制权的人来说，反而成了限制。

Zevi：“这些工具的主要区别是外壳。模型都是一样的。我在 Cursor 用 Claude，在 Claude Code 用它，Bolt 和 Lovable 底层也是 Claude。但 Bolt 和 Lovable 会在中间加很多层，把猜测和困难决定替用户做了。”

他打了个比方：这就像学开车。驾校的车有副驾驶刹车，教练会随时接管。但你不可能永远在驾校的车里开。某个时刻你需要独自上路，面对所有意外情况。

Cursor + Claude Code 就是那辆"独立驾驶"的车。它不会替你做任何决定，但也给你完全的控制权。你需要自己决定用什么数据库、怎么处理认证、如何部署。这更难，但也更灵活。

Lenny：“所以你的建议是从 Bolt/Lovable 开始，然后逐渐升级到 Cursor？”

Zevi：“完全正确。不要一开始就跳到最难的工具。先在安全的环境里建立信心，然后逐步扩展你的舒适区。”

核心要点：工具的"易用性"是双刃剑——它降低了入门门槛，但也设定了能力上限。

Claude 是完美 CTO，Codex 是黑暗房间里的天才

Zevi 的代码审查流程经过了无数次迭代。最初他只是让 Claude 审查自己的代码，但很快发现单一模型有盲区。于是他开始同时使用 Codex【注：OpenAI 的 Claude Code 竞品】和 Gemini，让它们各自审查，然后把结果汇总。

Zevi：“我看这些东西的方式是把模型想象成人，我真的能告诉你每个模型作为真人会是什么样。”

Claude 是完美的 CTO。“很沟通，很聪明，不会随波逐流做你让她做的事，很有主见但也很协作。这就是我为什么总是被 Claude 吸引，因为我需要做很多学习。”

Codex 是黑暗房间里的天才程序员。“我总把它想象成公司里最好的程序员，穿着连帽衫和凉鞋来办公室，坐在黑暗房间里。你只在遇到最糟糕的 bug 时才去烦他，你说我们有这个 bug，他就关门两小时出来说我修好了。你说等等，你能告诉我们发生了什么吗？他说别担心，我修好了。真的不善于沟通，但解决了最难的问题。”

Gemini 是疯狂的艺术家科学家。“超级艺术，设计超棒，但如果你坐在旁边看它工作，会很恐惧。你看它的思考过程，你说我想重新设计 dashboard 顶部，它说’首先，我要删除 dashboard’，然后它说’不对，那是个错误，我恢复它’，然后它说’我能编辑数据库吗？‘你说不要动数据库你只是在重新设计。然后它最终设计出很漂亮的东西。”

他设计了一个叫 /peer-review 的命令，核心逻辑是：“你是这个项目的开发负责人。其他团队负责人审查了你的代码，发现了这些问题。不要照单全收——你比他们有更多上下文。要么解释为什么他们的发现是错的，要么修复它。”

这就像一场 AI 之间的辩论赛。有时候 Claude 会变得很"傲娇"，说"这个问题已经被提了三次了，第三次告诉你这不是问题，这是设计使然。"

核心要点：理解每个 AI 的"人格"，是战略性分配任务的基础。

AI 让你变弱？你用错了

一位产品经理在 Slack 里发了一张截图，是 Zevi 正在用的 AI 工具界面。配文只有一句话：“所以你基本上是在外包思考。”

这句话让 Zevi 愣了几秒。他正在用 Tal Raviv 的课程构建自己的 PM 副驾驶【注：AI Copilot，指辅助完成产品管理工作的 AI 助手】，这个工具帮他整理用户反馈、生成会议纪要、快速搭建原型。但在同事眼里，这竟然成了"偷懒"的证据。

Zevi：“我觉得有个误解是很多 PM 认为这份工作是永远有正确答案、做房间里最聪明的人。至少我接受的训练和我相信的 PM 角色，恰恰相反。基本上是利用任何能让我们尽快向用户交付正确解决方案的东西。”

他停顿了一下，语气变得更坚定：“如果你展示了什么东西然后说’抱歉这是 AI 写的’，那是你的错，不是 AI 的错。”

Lenny：“所以你的观点是，质量控制的责任在人，不在工具？”

Zevi：“完全正确。如果你把 AI 当成直接生成输出然后就发出去的工具，是的，那是 AI 垃圾，但也是人为错误。但如果你有意识地使用这些，真正花时间理解如何正确使用 AI，这是让你成为更好 PM 的最大改变。”

核心要点：AI 不是用来替代思考的，而是用来放大你的判断力——前提是你得有判断力。

用 AI 准备面试，拿下 Meta offer

Zevi 家的客厅里，12 个侄子侄女正在吃晚饭。突然有人问：“谁知道怎么接电话？“年长的孩子把手机贴在耳朵旁，年幼的则把手机平放在手心，像操作平板一样。

这个场景让 Zevi 想起了一件事：你在什么环境中成长，决定了你如何本能地解决问题。对他来说，这个本能已经变成了 AI。

Zevi：“每次遇到新挑战或问题，我第一反应是 AI，首先怎么解决这个。”

当 Meta 联系他说想面试时，他立刻在 Claude 创建了一个项目。他开始在网上找所有最好的信息，很多来自 Ben Erez【注：Lenny Newsletter 的客座作者，写过详细的产品经理面试准备指南】的文章。他把这些资料喂给 AI，创建了一个"面试教练”，每个阶段都会咨询 AI 该做什么，用它来模拟面试。

Lenny：“除了 AI，你还做了什么真人准备？”

Zevi：“我在 Base44【注：一个低代码 AI 应用构建工具】做了个小游戏，帮我练习产品题目中的分类，比如这是市场进入问题还是功能优先级问题。我在公交车上玩这个游戏。“他笑了笑，“不过最大的改变是和真人做模拟面试。在 LinkedIn 上冷联系人，让他们给我做真实模拟。”

AI 帮他节省了 80% 的准备时间，但真正让他拿到 offer 的，是用这些时间去做更多轮真人模拟。

核心要点：AI 不是用来替代人的，而是用来争取更多时间去接触人。

我第一次 Product Review 惨败的故事

Zevi 刚进 Wix 学生项目时，被分配到了 Editor 团队——Wix 的核心产品。他环顾四周，发现其他四位 PM 都是公司最优秀的人，每个人都比他有经验得多。

他暗暗发誓：我第一次 Product Review【注：产品评审会，PM 向团队展示产品设计和决策逻辑的关键会议】要让这些人大吃一惊。

接下来的两周，他基本不和任何人交流，独自埋头工作到深夜。他想象着 Review 那天，所有人都会被他的方案震惊，然后说"这小子不得了”。

Zevi：“结果我惨败了。Review 不好，不是他们期望的格式，他们有很多我遗漏的问题，结束后我感觉糟透了。”

但更让他震惊的是团队的反应。大家只是说：“好的，两周后再来，我们继续推进。“没有人失望，没有人质疑，就像这只是正常的一次迭代。

Zevi：“那时我明白了他们对我零期望是个 10x PM，期望是我成为 10x 学习者【注：10x 是硅谷常用的倍数表达，指能力远超平均水平的人】。第二我理解这个，我整个心态就变了。”

他把团队每个人当作某个领域的导师。Nary 有他见过最好的产品感，至今还是他的导师；Oya 是方法论专家，思维全是框架；Yara 能看产品立刻理解三四阶效应，系统思维超群。每次他在这些领域遇到问题，就去咨询对应的人。

核心要点：新人最大的资产不是能力，而是提问的权利——前提是你得承认自己是学习者。

现在是当初级 PM 最好的时代

有一个说法在 LinkedIn 上流传很广：“初级岗位消失了，应届生找不到工作了。“数据确实支持这个观点——很多公司砍掉了 Junior PM 的职位，转而只招有经验的人。

但 Zevi 不这么看。

Zevi：“我想说的是，现在是活着最好的时代，是当初级员工最好的时代。和很多人说的相反——是的，没有初级岗位了，是的，刚毕业找不到工作。但也是，历史上什么时候，你能刚毕业就自己创业？和几个朋友一起，完全白手起家？”

他在 Wix 后期面试时，看到越来越多人的简历上写着"用 AI 构建了个人项目”。有人用 Cursor【注：一款 AI 辅助编程工具】搭了个 SaaS 产品，月收入 2000 美金；有人用 Claude 做了个 Chrome 插件，被 5000 人下载。这些人没有计算机学位，很多甚至是文科背景。

Lenny：“所以你觉得 AI 降低了门槛？”

Zevi：“不只是降低门槛。是彻底改变了游戏规则。如果你好奇，如果你勤奋，如果你善良、沟通能力强，你有巨大的不公平优势，你能给公司带来的价值超过很多有 20 年经验的人。”

他停顿了一下，语气变得轻松：“我从哥哥那偷来的人生格言是：没人知道自己在干嘛。我觉得这让你更轻松地面对人生。”

核心要点：当工具民主化时，最重要的不是你会什么，而是你愿意学什么。

要点总结

1. 把 AI 想象成不同性格的人 — Claude 是沟通型 CTO，Codex 是沉默的天才，Gemini 是疯狂的艺术家
2. 渐进式学习 — 从 GPT Projects 开始，逐步升级到 Cursor + Claude Code
3. 建立可复制的工作流 — 七个 Slash Commands 覆盖从想法到上线的完整周期
4. 让 AI 互相审查 — 多模型交叉验证弥补单一模型的盲区
5. 持续迭代工具 — 每次 AI 犯错都是改进提示词的机会

尾声

Zevi 在采访最后说了一句话，我觉得可以作为这篇文章的结尾：

「如果你听完觉得这人真厉害，那这篇文章就失败了。如果你现在就想打开电脑试试，那才是成功。」

他的 Slash Commands 已经开源分享，所有人都可以下载使用。链接在这期播客的 Show Notes 里。

祝你构建愉快。

整理自 Lenny’s Podcast: How a Meta PM ships products without ever writing code | Zevi Arnovitz