7.8
深览指数
产品人人都是产品经理·杨森··AI 生成
别再把Claude当聊天框了，Anthropic工程师已经把它用成工作台
Anthropic工程负责人Felix Rieseberg的实战案例揭示，AI落地的关键不是更强的模型或更巧妙的提示词，而是任务拆解、工作流设计和权限管理的系统思维。文章从户型图自动建模、承诺追踪器、硬件权限按钮等案例出发，论证AI产品应从'聊天框思维'向'工作台思维'跃迁——让AI自己去读数据、在后台跑任务、仅在需要判断时叫回用户。适合已入门AI应用、正在探索如何将AI深度嵌入具体工作流的产品经理和团队负责人。原文 ↗
核心观点
- ▍AI产品落地的关键不在于模型能力或提示词技巧，而在于将任务从'一次性动作'抽离为'可复用的系统'，完成从聊天框到工作台的认知跃迁。
- ▍产品经理的核心能力应从写Prompt转移到'把模糊需求拆解为可执行工作流'：明确数据源、执行步骤、审批节点和刷新机制，让AI自己跑完大部分流程，只在关键判断点叫人回来。
- 01Felix搬家案例：他给Claude Co-work一个包含户型图、贷款文件、车库许可的文件夹，Claude通过车库尺寸反推全屋比例，生成带尺寸的2D图，进而生成了一个可拖动家具的3D交互规划器，并主动要求从邮件购买记录中提取家具尺寸。
- 02承诺追踪器案例：Felix让Claude读取Twitter私信，记录自己答应过的跟进事项。Claude自行创建了SQLite数据库和文本文件来管理这些承诺，Felix认为只要两周后能提醒他兑现承诺，实现细节不重要。
- 03权限硬件案例：Felix用一个19美元带屏幕和Wi-Fi的小设备，做成一个物理按钮。当Claude Code需要写入磁盘等操作时，请求会发送到这个硬件上，他按下按钮才通过权限。
- 04Felix指出大多数日常任务用Sonnet模型已经足够，Opus应仅在用户还没想清楚自己到底要问什么时使用。探索期用Opus重构问题，定义期拆任务，执行期交给更快的模型。
- 05Animatic参考Slack和iMessage的异步体验理念，认为AI Agent产品的延迟反馈应从'正在努力'变为更具体状态：读了哪些文件、准备调用哪些工具、下一步改什么、哪些需要批准。
反方 / 局限
- — 文章承认AI工作台模式存在前提条件：数据源不能太脏、任务起点不能太模糊、需要有dry run和可检查的中间节点。当这些条件不满足时，AI仍然会表现不稳定，问题不一定出在模型上，而是工作流设计太粗。
- — 作者暗示，当前多数AI产品仍在'空转'——需要用户反复复制材料、补充上下文、解释业务背景，本质上是一个'很聪明但刚入职的新同事，每次都要重新带它熟悉公司'。这反映了当前AI产品在上下文入口和刷新机制上的普遍缺失。
ClaudeAnthropicFelix RiesebergClaude Co-workClaude CodeClaude for ChromeSonnetOpusSQLiteSlackiMessage
15 分钟 · 4 卡片 · 9 资料
读原文 →