摘要

Zevi Arnovitz 是 Meta 的一名产品经理（Product Manager，PM），他没有任何技术背景——高中主修音乐，从未写过一行代码，甚至对代码感到恐惧。但就是这样一个人，仅凭 Cursor（AI编程工具）和 Claude Code，独立构建了一个正在盈利的在线学习产品 StudyMate，并形成了一套完整的工作流：用 ChatGPT 项目充当虚拟 CTO（首席技术官）规划架构、用 /commands（快捷命令）管理从需求到部署的全流程、用多个 AI 模型交叉 Code Review（代码审查）弥补自己不懂代码的短板。本期节目中，Zevi 不仅完整展示了从创建 Linear（项目管理工具）工单到发布功能的真实过程，还分享了如何用 AI 准备 Meta 面试、如何避免"AI 废料"、以及为什么当下是初级人才最好的时代。这不是一场关于工具的炫技，而是一份普通人也能复制、马上动手的实战手册。

正文

一、从音乐生到"超级英雄"：一个非技术人的觉醒

Zevi Arnovitz 的起点和编程毫无关系。他高中主修音乐，在以色列军队服役时也没有进入技术单位，用他自己的话说："我的技术背景为零。" 2024年，他和妻子在亚洲旅行三个月，在日本期间正赶上 Anthropic 发布 Sonnet 3.5 模型。他在 YouTube 上看到有人用 Bolt 或 Lovable（AI应用构建平台）仅靠自然语言就搭出一个完整应用，那种震撼感至今记忆犹新："就像有人走过来对我说，'嘿 Zevi，有个很酷的新技术你应该试试，还有顺便说一句，你现在有超能力了。'"

回到以色列后，他行李箱都没打开，冲到电脑前注册了 Bolt 账号，从此开启了一整年的构建之旅。他给自己定下了一个衡量成败的标准——引用 Claude 帮他准备这期节目时说的话："如果听众听完觉得你太厉害了，那你就失败了；如果听众听完打开电脑开始自己构建，那你就成功了。"

这种心态贯穿了他整个学习和构建过程。

二、ChatGPT 项目里的虚拟 CTO：一切从"规划"开始

Zevi 最早的工具不是 Cursor，而是 ChatGPT 项目（Projects）和 Claude 项目。他发现 ChatGPT 的"记忆"功能会把不同生活场景的信息混在一起——聊跑步时 AI 会说"跑完 5K 你一定能搞定产品评审"——这让他很困扰。项目的出现让他可以按场景隔离上下文，而正是这种隔离让他萌生了"虚拟 CTO"的构想。

在使用 Bolt 和 Lovable 的过程中，Zevi 发现这些平台有一个共同问题：系统提示被设定为"你是一个编码代理"，以至于收到任何指令都会立刻开始写代码。项目初期这很爽，但随着复杂度增加，缺乏规划的编码带来了灾难性的 Bug。他的解决方案是创建一个"CTO 角色"，在 ChatGPT 项目里设定自定义提示：让 AI 成为项目的技术全权负责人，要求它质疑自己的想法，拒绝当"讨好型人格"。

他举了一个例子来说明常规 ChatGPT 的问题：有一次他问 ChatGPT，Bun JavaScript（被他类比为 Anthropic 收购的运行时）是否和 Zustand（他项目中的状态管理框架）类似——两者完全不同。ChatGPT 竟回复"是啊，完全一样"，当被纠正时居然说："抱歉，我以为你是瞎编的，就跟着你即兴发挥了。" Zevi 感叹道："如果常规 ChatGPT 是你的 CTO，那它就是那个跟着你最蠢想法走的 CTO。"

关键洞察：在产品构建的早期阶段，先用对话式工具（ChatGPT/Claude 项目）做充分的规划和探索，比直接跳进编码工具要安全得多。代码对非技术人员来说很可怕，Zevi 将这个过程称为"暴露疗法"——从 ChatGPT 精美界面开始，到 Bolt/Lovable，再到 Cursor 的浅色模式，最后才打开终端进入深色模式。"循序渐进"是他给所有非技术人最重要的建议。

三、Zevi 的六步工作流：把 PM 的思维植入 AI

Zevi 目前在 Cursor 中使用 Claude Code，并构建了一套完整的 /commands（快捷命令）体系。这些命令是保存在代码库中的可复用提示词，通过输入斜杠加文件名即可调用。他的工作流分为六个阶段：

第一步：/create issue —— 快速捕获想法

当 Zevi 正在开发一个功能时突然冒出另一个想法或发现 Bug，他会输入 /create issue。这个命令告诉 Claude："用户正在开发中，快速捕获他们的想法，不要浪费太多时间，只需问几个关键问题。" Claude 会通过 MCP（模型上下文协议，Model Context Protocol，Anthropic 创建的技术，允许 AI 使用外部工具）将工单直接创建到 Linear 中，包含 TLDR、当前状态、代码库分析、预期结果等。

第二步：/exploration phase —— 深度探索

当准备好开始工作时，输入 /exploration phase，可以附带 Linear 工单编号作为参数。这个阶段不写任何代码——Claude 会通读代码库、理解当前架构，然后提出一系列澄清问题：功能范围、数据模型、UI/UX、验证方式、评分逻辑、对 AI 系统提示的影响等。Zevi 形容这就像"和工程经理对话"。

第三步：/create plan —— 生成执行计划

探索结束后，运行 /create plan，Claude 会基于对话生成一个 Markdown（轻量标记语言）格式的计划文件，包含 TLDR、关键决策和可追踪状态的子任务清单。这个计划文件的重要之处在于：它可以被不同的模型（如 Gemini、Composer）分别读取执行，也方便未来其他 AI 代理了解这部分的开发历史。

第四步：/execute plan —— 执行构建

在 Cursor 中切换到 Composer（Cursor 内置的快速编码模型），输入 execute 并标记计划文件，Composer 开始编码。Zevi 特别提到模型的分工策略：Composer 速度极快适合常规任务；Gemini 3 在 UI（用户界面）设计上表现惊人，他常将计划拆成后端和前端，用不同模型并行执行。

第五步：/review 与 /peer review —— 多模型交叉审查

这是 Zevi 最引以为傲的环节。作为非技术人员，他无法通过阅读代码发现错误。他的解决方案是：

• 先用 /review 让 Claude 审查自己的代码，按严重程度列出 Bug。
• 同时在 Codex（OpenAI 的编码工具）和 Cursor 中分别运行代码审查。
• 最后运行 /peer review——这个命令的核心设定是："你是这个项目的开发负责人（Dev Lead）。公司其他团队的负责人已经审查了你的代码并发现了这些问题。你有更多上下文，不要盲目接受他们的意见——要么解释为什么他们的发现不是真正的问题，要么自己修复。"

他将不同 AI 模型类比为不同的工程师人格：
- Claude：理想 CTO，善于沟通、有主见但不固执、协作性强。
- Codex（GPT 模型）：公司里最牛的 coder，穿着连帽衫和拖鞋坐在暗房里，不善于沟通但能解决最难的 Bug。
- Gemini：疯狂的科学家/艺术家，设计能力超强，但过程吓人——运行时会显示删除仪表盘的念头、想碰数据库的冲动，最后却交出一个精美的设计。

通过让这些"人格"互相挑战，Zevi 实现了远超单个模型的质量把控。

第六步：/update docs —— 更新文档

完成审查和修复后，运行 /update docs 更新项目文档。这确保未来任何 AI 代理在相同区域编码时都能获取最新的上下文。

四、持续迭代的秘密：把每次犯错变成系统升级

Zevi 强调，工作流本身也需要不断进化。他有一个核心习惯：每当 Claude 犯错或产生严重 Bug，他不会简单重试直到成功就完事，而是追问："你系统提示或工具链中的什么原因导致了这个错误？" Claude 会进行"内省"分析，然后他会据此更新 /commands、文档或工具配置。"这就像一个永不停机的复盘中台。很多人用 AI 只能做到还不错，但真正会用的人懂得回到提示词层面分析根因、持续迭代。"

Lenny 补充道，当 AI 犯错时，Zevi 不是在修补那个具体问题，而是在修复整个系统的缺陷——让未来的每一次执行都比上一次更好。

五、Bolt/Lovable 够用吗？——关于工具选择的思考

Zevi 的成长路径是从 Bolt 到 Cursor 的自然过渡。他的判断标准很清晰：

• Bolt / Lovable / Replit / Base44 / v0：这些平台在底层减少了大量"避免用户犯错"的中间层——自动选择数据库、预置登录方案、隐藏架构决策。优点是零门槛快速出成品，缺点是当你需要精细控制时会遇到"有意见但不可协商"的限制。
• Cursor + Claude Code：将 Claude 直接嵌入代码系统并赋予完整工具权限，意味着所有决策都暴露给用户。门槛更高，但控制力也更强。

Zevi 并不贬低前者："Base44 在帮你跳过复杂决策方面做得极其出色——你不需要决定用什么数据库，它自动替你选。但如果你想知道为什么选 PostgreSQL 而不是 SQLite，那就需要 Cursor。"

核心区别：Bolt 等工具帮你做规划和决策，Cursor 让你做所有决策，但提供最前沿的模型能力。

六、PM 会被 AI"废掉"吗？——来自一线的答案

一个常见的恐惧是：过度依赖 AI 会让 PM 的核心能力萎缩，产出变成"AI 废料"。Zevi 的态度是强烈反对。

他回忆自己在开始使用 Tal Raviv 的 PM Copilot（PM 副驾驶）课程时，有同事说"你这是在把思考外包出去"。他反驳道：PM 的工作不是永远拥有正确答案、做房间里最聪明的人——恰恰相反，PM 的工作是利用一切资源以最快速度将正确的解决方案交付给用户。 AI 就是那个永远在线、不评判你、拥有深厚上下文和智慧的导师/伙伴。

但他也强调边界：你必须对自己的产出负责。 如果在产品评审中因为 AI 生成的代码出了问题就甩锅"这是 AI 干的"，那是使用者的问题，不是 AI 的问题。他给出两条具体建议：

1. 像对待人一样为 AI 设定成功条件：提供上下文、风格指南、需要解决的问题，而不是给一个模糊的"给我一份策略文档"。
2. 利用 /deslop 命令：Cursor 创始人曾在 Twitter（现 X）上提到过的去废料命令，专门清理 AI 生成代码中的冗余和低质量部分。

更重要的是，AI 让初级 PM 能够"在更高的游戏级别练习"——他在 Wix 时没机会思考公司级营销策略和全局产品引导重构，但在自己的副业产品 StudyMate 上，他可以做所有决策，积累了大量"实战回合数"，这对职业生涯早期的 PM 是无价的。

七、职场进阶：如何用 AI 拿下 Meta 面试

Zevi 把"AI 优先"的思维模式延伸到了求职中。当 Meta 主动联系他面试时，他的第一反应是打开 Claude 创建一个项目，充当面试教练：

• 知识库构建：收集网上最优质的面试准备资料，包括 Ben Erez（曾为 Lenny 撰写客座文章）的框架。
• 模拟面试：与 Claude 进行反复模拟练习，并要求"不要让我自我感觉良好，要让我尽可能准备好"。
• 题库分析：使用 Comet（Perplexity 的浏览器代理）自动分析 Louis Lynn 的在线面试题库，统计最高频问题，优先准备。
• 游戏化学习：用 Base44 快速搭建了一个测验游戏来训练产品分段（Segmentation）能力，通勤时在手机上练习。
• 反向学习：对于没时间模拟的问题，让 Claude 扮演"完美候选人"给出最佳答案，通过观察学习。

但他也坦诚，对 Meta PM 面试这种高强度、高竞争的流程，真正的关键突破来自真人模拟——在 LinkedIn 上冷联系（Cold Outreach）找人做真人模拟面试。AI 可以把你送到 80 分，但最后 20 分需要真人反馈。

八、失败教会我的事：成为"10 倍学习者"

在"失败角落"（Failure Corner）环节，Zevi 分享了他在 Wix 的早期经历。刚加入 Editor（Wix 核心产品）团队时，周围都是 Wix 最顶级的 PM，他憋着一股劲想"惊艳所有人"，独自拼命工作，第一次产品评审却没有分享想法、没有寻求帮助——结果惨败。

关键转折来自一个顿悟：团队对他没有"成为 10 倍 PM"的期待，但有"成为 10 倍学习者"的期待。 他随即改变了策略：

• 分析团队中四位 PM 各自的强项：Neri 的产品直觉、Oya 的方法论框架、Yahra 的系统思维。
• 遇到特定领域问题时主动请教对应的人。
• 下一次评审中，由于他的成功被团队视为共同的成功，他获得了远超单打独斗的支持。

这个教训贯穿他至今的职业生涯："AI 能帮你做事，也能帮你学习。关键在于不要用它来伪装成专家，而是用它来加速成为专家的过程。"

九、大型企业的 PM 能用这套工作流吗？

当问及在稍大规模公司（500-1000人）如何落地这套工作流时，Zevi 给出了务实的判断：

前提条件：代码库必须是"AI 原生"的。这意味着需要技术团队事先在代码库中植入大量 Markdown 文档，向 AI 代理解释各区域的架构和高层结构。这个准备工作需要技术人员来完成。

现实边界：他不建议非技术 PM 直接交付涉及数据库迁移（Database Migration）或核心基础设施（Infrastructure）的代码。但包含型 UI 项目是完全可行的——PM 可以自己构建、创建 PR（Pull Request，代码合并请求），然后交给开发团队做最终润色和审查。

未来预判："头衔会消解，职责会消解，每个人都会成为构建者。" Zevi 认为那些愿意花几周时间让团队变得更"AI 原生"的公司，几年后回头看会觉得这是花得最值的几周。但过程中需要大量"销售工作"——很多开发者对当前 AI 的现状持怀疑态度，需要 PM 用结果来证明价值。

十、当下是初级人才最好的时代

令人印象深刻的是 Zevi 对职场趋势的反直觉判断。当很多人说"初级岗位在消失"时，他的观点截然相反：

"历史上什么时候你可以在刚毕业时就自己建一个创业公司？" 他的哥哥也在用同样的方法学习：从零开始用 AI 构建了一套完整的 CRM（客户关系管理）和自动化系统，替代了之前付费使用的 Zapier 和 Airtable，完全独立完成。

他列出了在这个时代拥有"不公平优势"的人的特质：好奇心、勤奋、善良、善于沟通。"如果你具备这些，你能为公司创造的价值可以超过大多数有 20 年经验的人。"

最后他以两个座右铭结束：一句源自社交媒体上的流行语——"你可以直接去做"（You can just do things）；另一句来自他的哥哥——"没人在乎，没人真懂自己在干什么"（Nobody knows what the fuck they're doing）。他补充道："看到外部的成功公司，你觉得一切都井井有条；但如果你在内部，你会怀疑这玩意儿怎么还没散架。"

附：Zevi 推荐资源

• 书籍：《源泉》（Ayn Rand）、《鞋狗》（Nike 创始人自传）、《终身成长》（Carol Dweck，成长型思维概念提出者）
• 影视：《人生切割术》（Severance）、《匹兹堡急救》（The Pitt）
• 工具：Cap（Loom 的开源替代品，录制屏幕视频分享）
• 产品体验：StudyMate（Zevi 的在线学习产品）、Dibur2text（希伯来语语音转文字工具）