30 秒看懂
Nan Yu 预计 AI 不只会改变行政性工作，也能协助制定战略、分析数据和开展研究。Linear 的产品负责人认为，产品品味、同理心和责任感仍然重要，同时团队需要学会为智能体提供上下文并检查结果。他的团队力求用约 10% 的时间做出可用的核心功能，再逐步扩大反馈范围。他还演示了 AI 辅助整理问题和编程，同时保留人的责任。
- 1为长期责任而招聘Yu 说，Linear 避免仅为维护文档和更新而招聘产品经理。
- 2战略工作也会受 AI 影响Yu 预计有条理的推理和排序将不再那么能体现差异，但人仍要负责。
- 3为智能体提供正确上下文设计提供信息、发现缺口和检查输出的工作流程。
- 4用 10% 的时间做出可用核心Linear 通过早期可用版本和逐步扩大的反馈来提高品质。
- 5审阅 AI 对新问题的建议Linear 建议负责人和重复项；Yu 检查后批准合并。
- 6让人对智能体的工作负责Yu 将网站修改交给编程智能体，但会审阅生成的合并请求。
要点建议
- 尽早做出可用的核心体验，再逐步扩大反馈范围。
- 给智能体所需的信息和工具，并检查其工作。
- 从用户的激励、压力和顾虑出发练习同理心。
- 将 AI 辅助的战略和分析作为人负责的决策输入。
- 随着产品发展，把 AI 的实际失败案例转成评测。
按章节阅读整理后的全文
Linear 为何保持精简的产品团队
Yu 解释工程师和设计师分担的职责，以及为何避免为行政工作招人。
Peter Yang 说，Linear 当时只有两名产品经理。产品负责人 Nan Yu 解释，优秀的设计师和工程师也参与用户探索与商业判断，公司有意避免仅为维护文档和状态更新而招人。他预计计算机将越来越多地承担这些机械工作。
品味、责任与同理心
Yu 将产品判断与用户情绪以及对结果负责联系起来。
Yu 将产品品味描述为感受特定用户会如何体验某个交互：人们往往先有感觉，之后才能解释原因。他认为名称和第一印象等细小接触点构成品牌，个人或产品品牌甚至能在用户试用之前建立情感共鸣。
Yu 认为，主人翁意识既意味着追求好结果，也意味着经过权衡的风险失败时承担责任。即使在小公司，协调相关人员仍然重要：同事可能意见不同，产品经理需要理解自己有多大试验空间，也要知道何时采用他人的方案。
为了练习对企业客户的同理心，Yu 会设想自己处于对方的岗位，面对同样的激励、压力和顾虑。他认为，这种情绪层面的理解与产品品味、品牌和团队协作都有关联。
AI 可能改变哪些常见产品工作
Yu 认为推理、分析、研究和文档越来越适合 AI 协助。
Yu 质疑 AI 只会影响产品经理不重要工作的假设。在他看来，模型已经能够协助整理证据、推敲战略和优先级，因此这些活动可能不再那么能体现个人差异，但决策仍由人负责。Yang 分享了把文档交给 AI 并追问战略方案的做法。
Yu 认为，常规数据工作也有类似变化：模型可以帮助编写数据库查询，缩小懂查询语言的人与过去需要分析师协助的人之间的差距。他预计解释结果的价值会上升，同时指出 AI 在不同任务上的能力并不均衡。
Yang 说，自动研究可以替代部分初步市场调查。Yu 将这种对现有材料的第一轮梳理，与依靠长期关系和直接对话开展的深入研究区分开：后者能够获得尚未出现在公开报告里的信息。
许多项目管理工作需要追踪细节、发现变化并同步信息。Yu 认为，AI 让计算机获得一定的信息理解能力，从而发挥其持续、细致处理事务的优势。他把这些工作与判断设计给用户的实际感受区分开。
Yu 说，研究摘要与文档都是将来源材料整理成有用的形式；难点在于底层决策或事实变化时及时更新。Yang 会让 AI 纳入相关人员的反馈，并突出修改部分，以便自己检查。
上下文与智能体管理
两位嘉宾介绍如何提供信息并审阅智能体的工作。
新的技能包括判断模型需要哪些信息、评估其输出，以及设计能在适当时刻提供正确上下文的工作流程。Yu 建议让智能体能够发现信息缺口，并提供获取信息的工具。管理智能体也需要判断每项任务的指令应有多详细。
Yu 说，文档的读者越来越多地包括机器。带有清晰复现步骤的问题单可以帮助 Linear 的自动化功能查找相关工作并建议负责人，也能帮助阅读它的同事。Yang 则让主文档保持简短，把额外上下文放到附录。
用反馈打磨产品品质
Linear 尽早做出可运行的核心功能，再分阶段扩大使用范围。
谈到 Linear 如何平衡速度与品质，Yu 说软件可以通过反复发布改进。他的经验法则是：用约 10% 的预算时间做出可以工作的核心体验，让团队能够亲自使用，并根据结果作出判断。
Linear 按层扩大使用范围：先由开发者试用，再到公司内部、受邀测试客户、更广泛的测试群体，最后进入正式环境。第一版不必覆盖所有边界情况，但主要用户路径应能工作；实际使用反馈会显示接下来需要处理什么。
Yu 说，团队开发 AI 功能时，最初不会建立庞大的评测集；随着用户增加，他们会把实际失败案例和用户预期转成测试。这让团队可以调整提示词，并围绕已经遇到的问题建立检查。
有意识地进行产品取舍
Yu 解释 Linear 在哪里设置默认值、在哪里保持灵活。
保持企业产品简洁需要逐项取舍，而不是始终对客户说“是”或“否”。Yu 说，Linear 对公司层面的高层决策保留灵活性，同时为一线员工的日常操作提供更明确的默认设置，因为他们是用户中的多数。
分析客户请求并整理问题
Yu 演示连接系统进行分析，以及对新问题的建议。
Yu 通过 MCP 将 Claude 连接到 Linear，让 AI 工具访问外部系统。他要求它分析一个发布管理项目的客户请求。助手找到 28 条请求、整理主题，并为后续追问提供起点；Yu 说结果与他在客户访谈中听到的内容一致。
Linear 的产品智能功能为新请求建议团队、负责人、项目和标签，并解释一个可能重复的问题。Yu 审阅并接受重复建议，将客户请求汇总到已有问题下。他说，这让部分待办整理工作从手动调查转为审阅建议。
委派代码调查和修改
智能体检查代码库并提出网站修改，由人负责结果。
针对另一条请求，Yu 请 Linear 中的第三方智能体查看代码，确认日历同步是否已经存在。智能体回答说该功能存在。这个演示展示了一种调查产品问题的方法，无须立即打断工程师。
演示修改代码前，Yu 切换到个人工作区。他编写问题单，要求添加一个纯文字的明暗主题切换控件并记住用户选择，然后交给 Codegen。他强调，即使智能体执行工作，结果仍必须由人负责。
智能体生成代码合并请求。Yu 检出分支并试用新链接，网站外观随之切换。他说，工程师可以异步委派多个合适的问题，再检查结果或要求修改。Yang 补充，智能体的工作需要仔细核查。
Yu 预计工作管理工具会同时协调人和智能体：智能体可以决策、执行任务并汇报，但人仍须参与，因为不能像要求人负责一样要求智能体对结果负责。
同频道的其他文章
46:40EN → 简体中文
Peter Yang· 2026年11月8日播客 · 2 人对谈Ashley Alexander：我如何用 AI 照顾患癌的父母嘉宾 Ashley Alexander · 主持 Peter Yang一位照护者用 AI 准备就诊、整理病历和提出更好的问题，治疗仍由医生主导。
17:50EN → 简体中文Peter Yang· 2026年11月4日播客Peter Yang 用 AI 帮助照顾母亲的五个步骤Yang 用共享照护摘要和整理好的病历协调就诊，同时为家人留出时间。
15:03EN → 简体中文Peter Yang· 2026年11月3日播客Peter Yang 如何用 AI 电话助手协商网费AI 打电话谈到了更低价格和更快网速，但 Yang 仍需亲自批准套餐变更。
33:09EN → 简体中文Peter Yang· 2026年11月1日播客 · 2 人对谈Jaclyn Konzelmann：AI 能做的更多，更要选择值得做的事嘉宾 Jaclyn Konzelmann · 主持 Peter YangGoogle Labs 将简短的策略文档与原型、用户共创及结束实验后的经验结合起来。
13:05EN → 简体中文Peter Yang· 2026年10月28日播客Peter Yang 测试 Genie 4：场景逼真，游戏性仍不成熟五个现场演示展示了响应提示词和声音的场景，也暴露出动作不稳定、游戏机制有限的问题。
1:06EN → 简体中文Peter Yang· 2026年10月26日播客Peter Yang 谈为个人企业设置工资发放在一次付费合作中，Yang 介绍了自己遇到的手续，以及与企业账户整合的工资发放产品。