流程倒置：实现成本趋近于零，品味成为核心瓶颈
在 AI 前沿团队如 OpenAI，产品开发流程正经历一场根本性反转：实现本身已不再是成本最高的部分，取而代之的是筛选、判断与整合的高维能力。Andrew Ambrosino 作为 Codex 应用的产品与工程负责人指出，过去依赖 PRD、文档与原型层层过滤的瀑布式流程，其底层假设是“实现昂贵”，因此必须前置风险控制；而如今，任何人只需与模型对话，就能快速产出可运行的功能原型——OpenAI 内部甚至出现“九十种互不协同的探索方向并行推进”的常态。这并非岗位消失或角色模糊，而是流程本身被彻底倒置：从“先思考再实现”变为“先实现再筛选”。
“我斗胆说一句，是品味，是筛选的过程。”
“现在大家很容易直接跳到做原型这一步……如果实现变得极其充裕，那选对表达观点的形式就变得非常重要。”
品味的多维解构：不止于审美，更是系统判断力
当被问及“什么是好品味”，Andrew 拒绝将其简化为视觉层面的审美偏好。他强调，真正的品味是系统性的判断力，涵盖多个维度：对语义与动效匹配度的敏感（如动画过快与表达意图冲突）、对抽象层结构的把握（如组件间语义关系而非仅视觉相似）、对文化语境与新颖性的权衡（避免陷入“Lenny 网站翻版”陷阱），以及最根本的——在无限可能性中锚定目标、选择路径的能力。尤其在 AI 能轻易生成大量候选方案的当下，人类的价值恰恰在于：知道不该做什么，以及为何不该做。
“设计中新颖性的重要程度比软件工程中高得多……软件工程里，你几乎希望它过度依赖已知模式，而设计需要随机性和新颖性。”
AI 的设计困局：为何模型仍难替代人类的判断闭环
尽管 AI 在编码领域已高度成熟，但在设计层面仍显乏力——Andrew 认为这源于双重障碍：技术层面，设计缺乏清晰、可量化、可规模化标注的反馈闭环（“好设计”远比“可编译代码”难定义）；发展路径层面，AI 研究资源长期向“加速工程产出”的能力倾斜，设计尚未进入该飞轮。更深层的挑战在于抽象层的缺失：模型可模仿视觉风格，却难以理解“浅层更新两百六十三个组件”与“深层重构语义关系”的区别；当品牌重塑发生时，人类设计师能识别跨组件的交互模式一致性，而模型仍停留在表层参数匹配。因此，人类判断力的核心优势，仍在于对‘为何如此设计’的深层理解与价值权衡。
“品味中人的那一面本身就是我们需要的反馈机制的一部分……它不在那个飞轮的直接路径上。”
设计流程的崩塌与重构
在 AI 技术加速落地的背景下，传统设计流程正面临根本性挑战。这套流程诞生于实现成本高昂、开发周期漫长的时代，其核心假设是：必须在动手前穷尽问题空间与解决方案空间，以确保一次成功。然而，Figma、Origami 等工具的出现，使可交互原型提前进入流程，甚至催生了“高管问‘能不能就做个原型直接上线？’”的现实场景——原型即成品的错觉悄然蔓延。更进一步，当整个实现环节都能被纳入早期探索（如 Baby Cursor、Baby Codex 这类高保真可运行原型），流程与媒介的绑定便显露出危险：人们误以为“打磨精良的原型 = 可发布状态”，实则仍处于早期设计探索阶段。
如果某个东西走了这套流程，那两件事就成立了。第一，它会很好，流程能保证质量和影响力。第二，如果东西本身是好的，哪怕你并不喜欢它，也没人用它，但因为它走了用户研究、发散、收敛那套流程，它就是对的框架。
把设计流程跟媒介绑定，这才是可怕的地方。
因此，所谓“设计流程已死”既对也不对：死的是僵化的步骤与工具依赖；活的是对流程阶段的清醒意识——即你此刻处于探索、收敛、验证还是交付阶段。这种意识比以往更关键，尤其在角色边界模糊、工具能力跃迁的当下。
角色崩塌：从职能分工到能力融合
在 Codex 团队，角色边界显著消融，这源于其面向工程师的技术产品属性：设计师能讲技术语言、产品经理会写代码（如 Alexander 拥有计算机科学硕士学位），团队成员不再被“设计结束、工程开始”的围栏定义，而是以工作内容的平均分布为角色锚点——你的角色是你花时间所做事情的平均值。这种融合并非空谈：设计工作大量通过在 Dogfooding 循环中直接使用应用推进，问题发现与解决嵌入真实使用流；产品工作则呈现“区域防守”特征——成员主动拉开距离、覆盖全貌、填补缺口，而非重复重叠劳动。
我特别喜欢这个观点，就是你的角色是你花时间所做事情的平均值。如果你大部分工作都是 PM 的活，那好，你目前就是个 PM；如果是工程，那你目前就是个工程师。
但作者警示：盲目鼓吹“人人皆 builder”可能抹杀专业领域的最佳实践。取消产品角色、仅以“builder”统称，易导致整套被验证的方法论、流程与经验被抛弃。真正的危险不在于边界消失，而在于忽视技能深度与领域认知的不可替代性——就像你会用 Excel 却不能替代财务团队。未来价值更属于高能动性+高品味判断力的个体：能在无限内容中识别信号与噪音，从概念一路守护至完成，并具备“做出好东西的执念”。
规划的重构：拥抱模糊性与耐心等待
在模型能力快速迭代的当下，长期精确规划已成“虚假的精确”。Codex 团队的策略是：短期细节明确，长期保持模糊——九个月后的计划若强加精确度，只会浪费时间。他们转而采用“原型先行、动态筛选”模式：将未来一两年想探索的方向全部原型化，再根据当前模型能力判断哪些可快速落地，其余则耐心等待技术追上构想。
你可以在 Operator → Atlas → Codex → ChatGPT 之间画出一条线，本质上他们是同一个功能，但用不同的智能水平重新发布，结果就完全不同。
这一策略揭示了关键认知：某功能“跑不通”不等于“是烂功能”，而可能是“还没到时候”。Codex Web 初版交互体验不佳，但其核心理念（模型自主完成任务）极具前瞻性；真正失败的是过早发布超前形态，而非构想本身。因此，真正的野心不在于当下做到极致，而在于构建能随模型进化持续演进的骨架——这需要规划者具备对技术曲线的直觉、对产品阶段的清醒认知，以及对“等待价值”的深刻理解。
产品节奏：超前的野心与市场的滞后
在 Codex 的早期版本中，团队曾试图以极强的 AGI 色彩推出产品——它假设模型能独立完成任务、无需用户干预，但交互体验极差。问题不在于模型写不出好代码，而在于任务完成形态过于超前，远超当时用户可接受的认知与使用习惯。直到 Cloud Code 以更克制的方式出现：本地运行、有限交互、不pretend AGI，才真正被市场接纳。这揭示了一个关键教训：技术成熟度与用户接受度之间存在显著错位。如今，产品失败不再仅反映形态或沟通问题，而可能只是“发布六次才能成功”，且形态未必改变。正如一位工程师所言：“我们当时是太 AGI 化了，超前于那个时刻。” 这种错位并非缺陷，而是 AI 时代产品演进的常态——模型能力、用户认知与产品形态必须同步共振，否则再强的功能也会被误判为“烂功能”。
从编码者到引导者：AI 重塑工作范式
AI 正在彻底重构“编程”这一行为的本质：过去是手写代码，现在是引导 AI 编码；代码产出量不再是瓶颈，引导的精准度与抽象构建能力成为新核心能力。团队内部已形成“Vibe Coding”文化——通过直觉式协作、快速试错与自我迭代，让 AI 成为思维延伸。例如，Codex 负责人曾用自身工作流反哺产品迭代：他构建每日简报自动化、邮件过滤器，甚至让模型接管 Google Cloud 控制台完成 API 配置——Computer Use 功能正是在这些“亲眼所见的疯狂操作”中诞生的。他坦言：“我必须把它做的在开发方面足够好，好到我能用它来构建 Codex 应用本身。” 这种“dogfooding 循环”不仅加速产品进化，更倒逼团队思考：哪些能力应内化为产品一等体验（如 memory），哪些应保留为个人工作流？答案取决于品味与判断力——即在模糊地带中识别通用性、可规模化与真正价值的能力。
浏览器之争：工具、界面与未来入口
应用内浏览器的演进，折射出 AI 产品对“入口”的深层争夺。从早期 Electron 的粗糙开发者工具，到如今支持多标签、企业级安全登录的 Atlas 驱动浏览器，团队不断权衡：它该是 Agent 的私有沙盒，还是用户日常的主浏览器？问题远不止技术——键盘快捷键映射 VS Code 还是 Chrome？Linear 还是 Notion？ 每个细节都牵扯用户体验的肌肉记忆迁移。更关键的是，AI 是否会取代传统 SaaS 入口？Dan Schaper 曾预言：未来我们将在 Codex 内直接运行 Notion、Salesforce，而非打开 Chrome。团队对此持开放但审慎态度：技术路径在探索，但“大多数浏览器顶层就是浏览器”的现状，意味着入口之争不仅是功能竞争，更是交互范式的重构。最终，谁能提供最自然的“引导—执行—反馈”闭环，谁就可能定义下一代工作流。
从开发者工具到通用知识工作平台的演进
Codex 最初被定位为一个命令行工具，随后转向开发 App 形态——它既不是传统 IDE，也不是纯聊天机器人，而是一个尺寸刚好的界面，能展示代码但不支持直接编辑。在 OpenAI 内部 dogfooding 阶段（2024 年初），工程与研究团队迅速采纳并高度热情地使用它，验证了内部 PMF（Product-Market Fit）。更令人意外的是，市场部、财务部、法务部等非技术职能员工也开始主动使用 Codex App，尽管其原始交互逻辑对非开发者极不友好（例如频繁弹出代码、请求执行二进制文件）。这一现象促使团队思考：Codex 的核心能力是否可抽象为更通用的“知识工作代理”？于是他们尝试将 Codex 能力嵌入 ChatGPT 桌面 App、Atlas 浏览器等产品中，目标是把 Codex 的经验提炼为通用知识工作基础设施。
我们发现……在工程和研究工作流上，我们正在收敛到相当清晰的内部 PMF。
有人管他叫超级 up，我真希望他没说过这话。因为现在我每天每时每刻都得听人提超级 up，我们会熬过去的。
工具整合的深层逻辑：连接而非替代
团队很快意识到，强行将 Codex 与 ChatGPT 合并为单一“超级 App”并非最优解。真正的方向是构建一个中央工作枢纽（home base）：用户在此启动任务、追踪进展、自动化流程；当需要深度操作时，它会智能调用外部专业工具（如 Excel 插件、Premiere Pro 扩展），而非试图在自身界面内重造轮子。一个典型案例是内部摄像师 Brent 用 Codex 剪辑视频——他并未期待 Codex 成为视频编辑器，而是通过理解 Premiere Pro 的底层文件结构，为其开发了一个扩展插件，实现对时间轴标记的编程控制。这揭示了关键模式：AI 工具的价值不在于替代专业软件，而在于成为“协调者”与“连接器”。当前团队正同步推进两大路径：一是强化 Computer Use 等连接能力；二是推动 Dan Shepard 团队的 Web App 交互协议，让 Codex 能在外部应用中执行子任务。
这算是早期那种“哇，大家拿这东西在干什么”的时刻。
你可能不知道，也许他们能做这件事，差不多就是去试试，去试试，看他能不能搞定。
失败是常态，而成功是时机的馈赠
受访者坦言，自己职业生涯前十年几乎处于持续“失败”状态：早期创业公司在强监管领域艰难求生，后加入另一家 AI 初创公司仍困于封闭行业壁垒。直到 Codex 项目，技能、热情与市场时机才首次精准共振。即便在 OpenAI，产品迭代也伴随高频内部批判——“两千条消息的讨论串骂我们蠢”是常态，但这种严苛反馈循环恰恰保障了外部产品品质。他强调：“你可以有很多事情不顺利，然后事情开始变得超级顺利”，关键在于持续学习与保持能动性。当被问及人生格言时，他自嘲并非格言爱好者，但同事指出他常强调“别死守流程，要死守成果”，并提醒年轻从业者：“要在 AI 时代成功，需要的自我认知程度高得离谱。” 这一反思，正是对技术快速迭代下职业生存法则的凝练总结。
流程可变，成果不可妥协
在快速变化的AI时代，死守既定流程是危险的——哪怕你精通Figma自动布局这类当前热门技能，也未必能抵御技术迭代的冲击。真正值得坚守的，是你独特且可稳定交付的核心成果。这意味着：流程应作为工具被持续迭代，而非信仰被固守。当AI在特定技能维度上迅速超越人类时，唯有聚焦于“我能给出什么”，而非“我擅长怎么做”，才能保持长期竞争力。正如一句点睛之语：“别死守你现在的流程，要死守的是你独特能交付的成果，然后去改流程，去尝试。”
要在 AI 时代成功，需要的自我认知程度高得离谱。
自我筛选与适配性决定长期发展
播客中提到，“来这里的人是自我筛选过的”——即主动思考下一步、乐于探索新事物的个体。这与大众形成鲜明对比：大多数人并非新事物的早期采用者，尤其当涉及重复学习时（如教师重学工具），心理阻力显著。职业发展的关键在于找到“产品契合度”：即你的性格、能力与所从事工作的节奏、内容高度匹配。例如，有人因“讨厌重复”而难以成为优秀媒体人，却可能在创始人角色中焕发活力——只要工作内容能持续提供新鲜感。这种适配性，远比通用技能清单更具决定性。
我没法谈判，因为我就是不想干别的。