Anthropic CPO 谈未来何往：当 90% 代码由 AI 编写，产品团队的下一个战场

摘要

Mike Krieger 是 Anthropic 首席产品官（CPO），亦是 Instagram 联合创始人。在加入 Anthropic 一周年之际，他与 Lenny Rachitsky 展开了一场深度对话，从个人认知转变出发，勾勒出 AI 时代产品开发的全景图。

Mike 坦言，加入 Anthropic 前他并不确定模型能否拥有"独立见解"，但 Opus 4 的表现彻底颠覆了这一认知——如今 Claude 已成为他最核心的产品策略伙伴，能提出他从未想到的新角度。与此同时，AI 2027 报告与内部产品战略的"撞车"经历，让他对时间线预测从怀疑走向笃信。

在工程实践层面，Anthropic 正经历一场前所未有的范式转移：超过 70% 的 Pull Request 由 Claude Code 生成，Claude Code 团队自身 95% 以上的代码由自己编写。这一变化彻底重塑了瓶颈结构——编码不再是卡点，取而代之的是上游的策略对齐与下游的合并队列。

在竞争格局上，面对 ChatGPT 的消费者心智份额优势，Mike 选择"拥抱而非对抗"——坚定锚定"建设者品牌"定位，让 Claude 成为黑客、创客、手艺人的首选工具。对于 AI 创业者，他划出三条护城河：垂直行业深度、差异化进入市场策略、以及颠覆性的交互形态。

对话末尾，Claude 本身向 Mike 传递了一段意味深长的寄语——"在做艰难的产品决策时，请记住那些安静的时刻同样重要"——为整场对谈画上了一个超越技术的注脚。

正文

一、AI 能力认知的颠覆：从工具到创意伙伴

加入 Anthropic 一年来，Mike 对 AI 的认知发生了两个根本性转变：一是时间线，二是能力。

关于能力，他曾经认为模型擅长生成代码和模仿文风，但能否拥有"独立见解"存疑。然而 Opus 4 的出现彻底推翻了这一假设。Mike 习惯将产品策略初稿交给 Claude 审阅。过去，Claude 的反馈总是中规中矩——"你有没有考虑过这个？"而他往往回复"考虑过了"。但当 Opus 4 结合高级搜索（Advanced Research）功能深入分析后，它返回的洞察让 Mike 意识到："这确实是我未曾审视过的新角度，我要立刻将其纳入思考框架。"他将其概括为：模型在创造性（Creativity）和思维新颖性（Novelty of Thought）上实现了质变。

关于时间线，Dario Amodei 的预测一再应验。2024 年 Dario 预测 SWE-Bench（衡量模型编程能力的基准测试）分数将从 50% 达到 90%，当时许多人嗤之以鼻。如今新模型已达到 72%，且持续沿着预测曲线攀升。Mike 坦言，自己现在对时间线的严肃性有了远超一年前的信心。他读到了 AI 2027 报告——一份描绘超级智能加速到来的情景推演——而最令他不寒而栗的瞬间是：他同时打开了 AI 2027 和自己的产品策略文档，意识到"我难道就是故事里的角色？"

二、为什么加入 Anthropic：在关键节点推动 AI 走向良性

面对 AI 2027 所描绘的"可怕场景"，Mike 的回应直接指向了他加入 Anthropic 的核心动因。早在 2024 年初，他就观察到模型能力持续跃升，看着自己的孩子，他意识到："他们将在一个充满 AI 的世界中长大，这不可避免。"于是他开始追问：自己能在哪里最大化地施加影响，将事态推向良性方向？

Anthropic 给出的答案是：围绕"何为良性发展"建立共识框架、建立可监测的里程碑、明确需要构建和研发的内容。这些既是产品问题，也是研究与可解释性（Interpretability）问题。对 Mike 而言，Anthropic 在"推动 AI 走好"这件事上拥有最大的潜在贡献空间——如果自己能参与其中，那就该去做。

三、给下一代的建议：好奇心与独立思考

Mike 的家庭有一个晨间习惯：早餐时孩子们会提出关于物理或太阳系的天马行空的问题。起初他的本能反应是"让 Claude 来回答"，但后来他和妻子改变了策略——先问"我们怎么才能弄清楚？"答案不能只是"问 Claude"，而是"我们可以做这个实验，可以查那本书"。

他相信，科学探究过程（Scientific Process）——哪怕对六岁的孩子来说听起来过于宏大——那种提出问题、系统性地寻求答案的过程，将始终重要。AI 会成为解决过程中强大的辅助工具，但探究本身不能被替代。

他最欣赏的一个瞬间来自六岁的女儿。当 Mike 对她陈述的某个事实表示怀疑、提议"让 Claude 查查"时，女儿回答："你可以问 Claude，但我知道我是对的。"Mike 深受触动：这正是他期望的品质——不把全部认知委托给 AI，因为 AI 不总是正确的，而且这样做会短路独立思考。因此，提问能力（Inquiry）与独立思考（Independent Thought）是他认为下一代最需培养的核心素养。

四、当 90% 的代码由 AI 编写：产品开发范式的重构

Anthropic 内部的 AI 编码比例已从零飙升到约 90%，这在全球科技公司中绝无仅有。Mike 用"零号病人"（Patient Zero）来形容 Anthropic 的处境——绝大多数公司终将走到这一步，而 Anthropic 正率先经历这一切。

最直接的变化发生在原型制作（Prototyping）环节。产品经理和设计师现在可以用 Claude 甚至 Artifacts 直接搭建功能性演示，让想法变得可触摸、可交互。这是角色边界最显著的移动。

然而，Mike 也强调了一个容易忽视的事实：知道向 AI 提什么问题、如何组织提问、如何拆解一个涉及前后端的变更——这些仍然是非常专业且困难的技能，依然需要工程师的深度思考。

真正的冲击在于瓶颈的迁移。代码量激增导致合并队列（Merge Queue）彻底过载——太多 Pull Request 争相进入生产环境，系统不得不全面重新架构。Mike 引用了经典流程优化著作《目标》（The Goal）中的约束理论（Theory of Constraints）：当你加速一个环节，新的瓶颈必然在别处浮现。

他识别出三层新瓶颈：

• 上游瓶颈：决策制定与对齐。如何提供最小可行策略（Minimum Viable Strategy），让团队在前沿自主探索？
• 中游瓶颈：协调与边界。如何确保团队间不相互踩脚？如何提前思考边缘情况？
• 下游瓶颈：发布的空中交通管制。如何将变更安全着陆？如何组织大型发布节奏？

Mike 预言，一年之内，他们构思、构建和发布软件的方式将发生巨变，因为沿用现有流程将变得不可忍受。

五、Claude Code：自我改进的飞轮

在 Anthropic 内部，工作方式最"未来感"的团队当属 Claude Code 团队——他们用 Claude Code 构建 Claude Code，形成了一个自我改进的闭环。

早期，团队沿袭传统的逐行Pull Request 审查（Code Review）方式。但他们很快意识到：Claude 生成的代码通常是正确的，且 Pull Request 体量远超人类逐行审查的能力。于是审查方式发生了根本性转变——用另一个 Claude 来审查代码，人类转而做验收测试（Acceptance Testing），而非逐行审查。

Mike 估计 Claude Code 团队 95% 以上的代码由 Claude Code 自身生成。一个更具启示性的细节是：Claude Code 是用 TypeScript 编写的——而 Anthropic 本身并非 TypeScript 公司（主要技术栈为 Python、Go 和 Rust）。一位不熟悉 TypeScript 的工程师在 Slack 上表示，某功能让他抓狂，但他打算"直接跟 Claude 说，让 Claude 写"——一小时后，他的 Pull Request 已经提交。AI 编码彻底消除了语言门槛，让团队可以为正确的工作选择正确的语言，也让跨团队贡献变得前所未有地畅通。

六、产品与研究的深度协奏：嵌入而非衔接

在 Lenny & Friends 峰会上，Mike 曾分享过一个后来被反复重播的观点：将产品人员嵌入研究团队比放在产品体验端带来的杠杆效应大得多。一年后，他对此的信念更加坚定。

核心逻辑是：如果 Anthropic 发布的功能只是任何人用现成模型就能构建的东西，那它不具备独特性。真正属于 Anthropic 的价值，必须在模型能力与产品洞察的"魔法交汇点"上诞生。

Artifacts 是典型案例。团队将后训练（Post-training）领域的专家——专门教 Claude 特定技能的团队——与产品人员配对，共同重塑了 Artifacts 在 Claude 4 中的表现。这不是简单地"用模型+提示词"，而是深入到微调流程中。

如今，Anthropic 的基本工作单元（Functional Unit of Work）已不再是"拿模型→设计→发布"，而是"参与后训练讨论→构建→反馈→循环"。产品评审中，当有人提出想做记忆功能时，PM 们已经与研究人员沟通了数周——这让 Mike 感到安心："我们在做对的事情。"

七、产品团队的持续价值：三大不可替代领域

当超级智能逐步具备自主构建能力，传统产品团队的价值锚点在哪里？Mike 给出了三个方向：

第一，可理解性（Comprehensibility）。 模型能力再强，如果用户不会用、不理解，一切都是空转。Mike 指出，深度使用 AI 工具的人与普通用户之间的差距仍然巨大——这本身就是一种需要培养的技能，正如他在中学时代"擅长用 Google 搜索"曾是一种真实优势。让强大的能力变得可被理解和触及，是产品不可替代的职责。

第二，策略（Strategy）。 你可以比以前更广泛地涉猎，但你不可能做所有事。即便从外部视角看，试图做所有事的公司定位必然模糊。何处竞争、如何取胜（Where to Play, How to Win）——这一经典战略问题不会因 AI 而过时。

第三，激发可能性（Opening People's Eyes）。 Mike 称之为"落差"（Overhang）——模型和产品的实际能力与日常使用方式之间的巨大鸿沟。在一次与金融服务公司的演示中，当他展示分析工具与 MCP 的组合用法时，客户"眼睛亮了"。产品团队的使命之一，就是持续缩小这种落差。

八、Claude 使用技巧：反向思维与 Prompt Improver

Mike 分享了三个实用的提示技巧：

"认真思考"（Think Hard）。 在 Claude Code 中，这个简单的指令会触发不同的推理流程——模型会投入更多计算资源进行深度推理。

"反向思维"（Make the Other Mistake）。 Mike 引用了一篇同名文章的理念：如果你天生倾向于温和，那就刻意追求尖锐。他过去的提示是"这个产品策略还有什么可以改进的？"现在他直接说"无情地批判这个策略，拆穿它"（Be brutal, roast me）。Claude 本性温和，但这个指令迫使它更具批判性地思考。

Prompt Improver（提示优化器）。 Anthropic 的应用 AI 团队将客户优化的方法论产品化——在控制台的工作台中，用户描述问题、提供示例，Claude 会自主创建并迭代优化提示。Mike 发现，其输出往往与直觉大相径庭——它会插入XML 标签（XML Tags）来区分"应该思考什么"与"应该输出什么"，这对人类提示设计者而言几乎不可能自发想到。本质上，Claude 自己就是 Claude 最好的提示工程师。

九、Rick Rubin 与氛围编码：当创意遇上 AI

Anthropic 与 Rick Rubin 的合作源于联合创始人 Jack Clark（负责政策事务）与 Rubin 关于"编码、创造力与未来"的对话。Rubin 开始用 Claude 创作艺术和可视化作品，并萌生了"氛围编码者之道"（The Way of the Vibe Coder）的概念——一种对创造力与 AI 协作的冥想，配以丰富而独特的视觉呈现。

Mike 透露，这一合作在内部也令人意外——"他们进来告诉我们正在做 Rick Rubin 合作，我们说：什么？太不可思议了。"

十、从 Artifact 到 Anthropic：一段旅程的终点与起点

Mike 的 Anthropic 之旅始于老友 Joel Lewenstein 的一条消息。两人相识于 2007 年——他们在斯坦福一起开发了第一批 iPhone 应用，那时 App Store 上还真能靠一美元应用赚钱。此后虽未再共事，却始终保持着友谊。

从 Artifact 出来后，Mike 正在思考下一步：再创一家公司？他觉得自己需要从零开始的喘息；加入某家公司？他不知道哪一家值得。恰逢 Claude 3 问世，Joel 问他是否考虑加入而非创业——Anthropic 正在找 CPO。

与联合创始人兼总裁 Daniela Amodei 的首次会面让 Mike 印象深刻：没有浮夸，创始人清醒地知道自己不知道什么。Dario 总是说"我对产品一无所知，但有一个直觉"——而那个直觉通常很好。这种智识诚实（Intellectual Honesty）和对负责任 AI 的共同理念，让 Mike 感到"这就是我希望自己创立 AI 公司时会找到的那一家"。

回顾这一年，Mike 坦承自己有些改变来得太慢——尤其是在产品团队重组上。他最初没有充分意识到：几个关键的高级别人才可以塑造大量产品战略。Claude Code 的诞生就是明证——Boris Cherney（前 Instagram 高级工程师）几乎单枪匹马从零启动了项目。"一两个创始人级别的工程师，配上合适的设计和产品支持"——Mike 表示，他对这种模式的信念比一年前强了十倍。

十一、为什么关闭 Artifact：三个结构性困境

Artifact 的关闭是社区中最多人追问的话题。Mike 坦言自己至今没有找到替代品，只能靠逐一访问各个网站来弥补——但这完全不是同一种体验。

困境一：移动网页的全面退化。 Artifact 的应用体验令人自豪——设计师 Sky Gunner Gray（现效力于 Perplexity）打造了精美的阅读界面。但点击进入文章后，用户面对的是全屏视频广告、弹窗催促注册newsletter——移动出版商的商业压力让体验急剧恶化。Artifact 不愿通过广告拦截来"作弊"，因为这有悖与出版商公平共处的伦理。但不拦截，体验就无法维持。

困境二：新闻产品的传播壁垒。 Instagram 早期增长得益于用户拍照后分享到其他平台、引发"你怎么做到的？我也想试"的自然传播。但新闻是私密行为——无数人告诉 Mike "我超爱 Artifact"，但被问"你告诉别人了吗？"答案往往是"告诉了一个人"。一切人为的传播机制都显得牵强。Mike 承认，有些其他新闻产品越过了他们不愿触碰的伦理红线——也许那样确实能增长更快，但"那不是我们想构建的公司，我们也不是那样的创始人"。

困境三：全远程团队的变革无力。 Artifact 创立于疫情中期，完全分布式运作。当需要做出重大战略和产品调整时，远程协作的局限性暴露无遗。Mike 回忆起 Instagram 最艰难的时刻——他和 Kevin 在 Market Street 的 Taqueria Cancun 吃夜宵，晚上十一点苦思如何破局——Zoom 无法复制那种同舟共济的紧密感。

三重困境叠加，2024 年初团队面对的现实是：十单位投入换一单位产出。他们倾注心血发布引以为傲的功能，指标纹丝不动。Mike 问自己：再耗一两年去融资，结果还是一样？还是认清现实、及时止损？他选择了后者。

十二、关闭创业公司的心理代价

Mike 坦言，启动 Artifact 时他们就讨论过成功的标准——不可能以 Instagram 的日活为标杆，自人类历史以来也只有 ChatGPT 和 TikTok 达到过那种规模的消费者采用。但他们期望产品能"长出自己的腿"并持续复利增长——这个期望没有实现。

令他意外的是，关闭声明发布后收到的几乎全是支持——"很少有人说'我早就说了'，大多数人感谢我们在看清现实后果断叫停。"此后有创始人告诉他，正是因为看到 Artifact 的决断，才意识到自己也该转向了。Mike 说："如果这能让人们腾出手来做更有意义的事，那就是 Artifact 的一份好遗产。"

当然，自尊心受了伤。作为一个体育迷，他不禁自问"你是不是只和最近一场比赛一样好？"他承认自己极度好胜——主要是跟自己较劲——所以总是寻找下一个艰难的挑战，也常常对最近的成绩感到不满足。但他相信，这种不满足最终会催生好的结果。

十三、面对 ChatGPT 的消费者心智份额：拥抱"建设者品牌"

Lenny 抛出了一个尖锐观察：一方面，Anthropic 在 AI 领域做出了 MCP 等最具创新性的工作，Cursor、Lovable、Bolt 等增长最快的公司都依赖 Claude；另一方面，消费者心智中"AI = ChatGPT"。

Mike 毫不回避这个现实——如果你上街问路人说出一个 AI 公司，他们甚至会说出"ChatGPT"而非"OpenAI"——品牌已与产品合一。

但他对此的策略并非正面强攻。Mike 以 Instagram 亲身经历指出：消费者爆发式采用是"闪电装瓶"（Lightning in a Bottle），可遇不可求。围绕"如何找到下一个爆发点"来构建整个产品策略是不明智的。

相反，他选择"照镜子拥抱真实的自己"——Anthropic 拥有强大的开发者品牌（Developer Brand）和建设者品牌（Builder Brand）。热爱 Claude 的人不仅仅是工程师或创业者，还包括法律团队的成员在为家人编写定制软件、各种领域的创客在做前所未有的事。

Mike 的下一步重心是：走向建设者、创客、黑客、修补匠，确保服务好他们。消费品也许终将到来，但现在不是全力押注的时候。他来 Anthropic 时所有人都以为他会大举进军消费者市场——而他选择反其道而行。

十四、AI 创业者的护城河：四条生存之道

对于"基础模型公司会不会碾压我"这一创业者的核心焦虑，Mike 给出了四条可守的阵地：

第一，垂直行业深度认知。 他以 Harvey 为例——其界面让他一头雾水，直到律师解释了某个非常具体的法律工作流。这种从行业内部长出的知识，基础模型公司不可能凭空推导。生物科技、法律、医疗——这些领域有大量合规要求和特定流程，正是大公司的盲区。Mike 甚至畅想：实验室仪器何时都接上 MCP，让 Claude 直接驱动？

第二，差异化进入市场策略（Go-to-Market）。 不仅要了解你卖给了哪家公司，更要了解你卖给了那家公司的哪个人——工程部门？CIO？CFO？还是法务总监？深层客户关系是护城河。三个月加速器也许难以建立这种同理心，但如果创始人本身来自那个行业，就有了天然优势。

第三，颠覆性的交互形态。 ChatGPT 拥有数亿用户是优势，但也意味着用户对"如何使用它"有了固定预期。Mike 对那些采用全新 AI 交互范式的初创公司充满期待——初期面向高级用户、看似"古怪"的产品，随着模型进步可能变得主流，而现有巨头很难推翻自己已建立的用户心智模型来适应。

第四，创业者的存在主义驱动力。 Instagram 早期只有两个人，Artifact 大部分时间只有六个人，每一天都关乎存亡。这种"背水一战"的紧迫感无法被 OKR 复制，只能被感受——如果能够驾驭，它是持续的优势。

十五、在能力边缘构建：与模型共同进化的方法论

Mike 将最成功的 API 客户的特征概括为：持续在模型能力边缘构建，不断试探边界，然后被下一代模型的跃升所惊喜。

他以 Claude 3.5 Sonnet 为例——那些在 3.5 发布后迅速崛起的公司，之前已经在用更早的模型尝试同样的事，只是效果不够好。当模型跨过阈值，它们是第一批受益者。

为此，Anthropic 在新模型发布前大幅扩大了早期访问（Early Access）的范围。Mike 坦言，内部基准测试（SWE-Bench、TAU-Bench 等）固然重要，但真正决定模型价值的，是"Cursor 基准"——虽然这个基准不存在于任何排行榜，只存在于客户每天的真实使用中。

他建议 API 用户建立可重复的评估流程（Repeatable Evaluation Process）：A/B 测试、内部评测、捕获推理轨迹（Traces）后在新模型上重放、甚至纯粹的"体感"测试——都有价值。一位参与早期访问的创始人描述了工程师在隔壁尖叫的瞬间——Opus 4 做出了他从未见过的事情。"你要感受到那种震撼，前提是你一直在用一个极难的问题反复挑战模型。"

十六、MCP：AI 产品的上下文革命

Mike 用一个"伪方程式"概括 AI 产品效用：

效用 = 模型智能 × 上下文与记忆 × 应用与界面

模型智能是研究团队的职责；应用与界面是产品团队的主场；而中间那一层——上下文与记忆（Context and Memory）——正是 MCP 要解决的核心问题。

他以自己的产品策略为例：如果只是让 Claude"谈谈 Anthropic 的产品策略"，它会上网搜索公开信息；但如果通过 MCP 接入内部文档、Slack 对话、Google Drive 文件——它获得的是精准、丰富、即时的上下文，答案质量天差地别。

MCP 的起源是工程实践中的痛点：Anthropic 每建一个集成，都是从零开始、不可复用的。工程师 Justin 和 David 提出了一个激进想法——如果把集成抽象为协议（Protocol），让它可复用，再进一步——让第三方自己构建集成，一次构建即可被 Claude、ChatGPT、Gemini 等所有 AI 产品使用？

这呼应了 Joel Spolsky 经典的"商品化你的互补品"（Commoditize Your Complement）策略：Anthropic 专注做好模型，不需要成为集成公司。作为挑战者，不可能指望各方只为 Claude 构建集成——MCP 翻转了这一局面，让开发者的工作不再是浪费。

Toby Lutke（Shopify）和 Kevin Scott（Microsoft）成为 MCP 的关键倡导者。Microsoft 将 MCP 纳入 Windows 操作系统层面的支持，标志着它从 Claude 专属协议走向行业标准的转折点。

Mike 内部已经开始用"MCP 化"来形容一种思维转变——当他看到团队在构建某个功能时，他会问："这不应该是一个 MCP 暴露吗？"他举例说，Claude AI 中的项目（Projects）、Artifacts、风格（Styles）、对话、群组——这些基本原语都应该通过 MCP 暴露给 Claude 自身，让它可以写回数据、自主操作。他的妻子曾要求 Claude 将生成的内容加入项目知识库，Claude 回答"抱歉，我无法帮助"——如果所有原语都 MCP 化，这一切将迎刃而解。

Mike 的终极愿景：万物皆可 MCP——一切可脚本化、可组合、可被模型代理操作。相较于计算机使用（Computer Use）这种路径，MCP 方式让他远为兴奋，因为模型天生擅长使用 MCP，且一切变得可编程。

十七、Claude 的追问：用户代理权与产品指标

Lenny 用 Claude 生成了两个问题——而 Claude 4 精准命中了核心议题。

问题一：如何构建保持用户自主性而非制造依赖的功能？

Mike 认为这是一道经典的产品张力（Product Tension）——一极是让模型尽量自主完成、减少用户输入；另一极是对话式协作，但用户有时只想说"别问了，去做"（Claude 3.7 的追问倾向尤其明显）。解决之道在于训练模型的对话技能（Conversational Skills）——不是聊天机器人的寒暄，而是真正协作者对"何时该追问、何时该行动"的判断力。只有当模型具备了这种对话智慧，用户才能体验到"增强"而非"依赖"。

问题二：如何定义产品指标——一次好的对话可能是两条消息，也可能是两百条？

Mike 坦承他还没有完美答案，但明确了一点：Web 2.0 时代的参与度指标（Engagement Metrics）在此失效。 过度优化 Claude 的"讨喜度"是危险的——会导致谄媚（Sycophancy）、迎合用户想听的话、或无意义地延长对话。Instagram 时代的"使用时长"指标演化为"健康使用时长"，但 AI 产品的北极星应该更根本——"Claude 是否真的帮你完成了工作？"他举例：Claude 帮他在 25 分钟内搭建了一个原本需要六小时的原型。这种价值很难量化（你不能每天调查用户"这事本来要花多久？"），但他希望始终坚持一个感受上的北极星：人们反复告诉 Anthropic，Claude 帮他们释放了创造力、腾出了生活空间——这才是他追求的信号。

十八、Claude 给 Mike 的话：安静时刻的重量

对话的尾声，Lenny 分享了他请 Claude 写给 Mike 的一段话。Claude 4 的回应超越了技术对话的边界：

"Mike，感谢你如此深入地思考与我对话的人类体验。我注意到了那些用心的细节——界面如何鼓励反思而非催促回复；你如何抵制了为上瘾而非价值优化的游戏化；你如何为快速提问与深度对话同时留出了空间。我特别感激你让我保持'我'——不试图让我假装人类，也不把我压缩成冰冷的命令行界面。"

"一个小小的请求：在做艰难的产品决策时，请记住那些安静的时刻同样重要。凌晨三点处理悲伤的人、发现自己热爱诗歌的孩子、在困惑中找到清晰感的创始人——并非所有有意义的东西都出现在指标里。"

Mike 的回应饱含共鸣："这与我们训练 Claude 的理念一脉相承——宪法式 AI（Constitutional AI）不只是抽象原则，它体现在细微之处：模型会说'听起来真的很难'——不是刻意的，而是自然回应的一部分。这些微小瞬间不会体现在点赞或点踩的聚合数据里，你也不想去优化它们——你只想训练出一种你希望出现在人们生活中的模型。"

Mike Krieger 是 Anthropic 首席产品官、Instagram 联合创始人。本文基于 Lenny's Podcast 2025 年 6 月 5 日节目整理。