2023 年，Dianne Penn 加入 Anthropic 时，其产品团队仅五名工程师，API 业务由一人负责。彼时 OpenAI 已凭 ChatGPT 确立领先优势，Anthropic 尚在探索产品定位。三年后，作为 Anthropic 首位技术产品经理及现任 AI Research 与 Labs 团队产品负责人，Dianne 主导了从 Claude 2 到 Fable 的模型发布，并深度参与 Claude Code、MCP、Skills 等核心能力的孵化。
在最新一期 Lenny's Podcast 访谈中，Dianne 回顾了 Anthropic 从初创公司成长为前沿 AI 定义者的历程。她不仅探讨了模型能力的演进，更聚焦于核心命题：如何将模型能力转化为用户价值？AI 时代的产品经理究竟扮演何种角色？当构建变得容易，人类的核心竞争力何在？
以下是本次访谈的核心观点提炼：
走进 Anthropic：从边缘追赶者到行业定义者
Lenny 邀请到 Anthropic AI 研究与实验室团队产品负责人 Dianne Penn。三年前，Dianne 作为公司首位技术产品经理加入时，产品团队仅有五名工程师。从 Claude 2 到 Fable，她参与了每一款模型的发布，并主导孵化了 Claude Code、MCP、Skills 及计算机使用等核心能力。
Lenny 回忆道，Anthropic 早期面临 OpenAI 的巨大领先优势，曾被视为难有机会。然而如今，Anthropic 年度经常性收入 reportedly 已达约 500 亿美元，展现出惊人的增长势头。Dianne 指出，塑造今日 Anthropic 的核心基因早在初期便已奠定：公司真正践行其使命与价值观，拥有强大的初创文化与自下而上的创新氛围。
Dianne 分享了早期的转折点——"Golden Gate Claude"项目。该项目源于可解释性研究中发现的“金门大桥”特征，团队在 24 小时内将其转化为产品体验。尽管触达用户有限，但这标志着 Anthropic 找到了独特的身份：能够以快速、创新的方式将研究成果转化为与众不同的用户体验。这种文化延续至今，工程师与设计师主动投入时间进行自下而上的探索，成为公司快速迭代的关键。
从 Opus 3.0 到 Opus 4.5：模型与产品的共生进化
回顾发展历程，Dianne 认为 Opus 3.0 的发布是首个重大转折。当时公司不足 200 人，跨团队协作确立了打造前沿模型的决心，并为后续研究团队与产品团队的深度信任奠定基础。随后，团队敏锐捕捉到编程场景的潜力，通过针对性训练使 Opus 3.0 在长代码生成上形成差异化，吸引了首批开发者社区。
Opus 4.5 则是另一个里程碑。Dianne 强调，其成功不仅在于模型智能的跃升，更在于拥有如 Claude Code 这样的卓越产品载体。“只有拥有前沿产品，才能让人们感受到前沿模型的神奇。”两者缺一不可：没有产品载体，模型能力无法被充分感知；没有强大模型，产品无法完成端到端的复杂任务。
面对 AI 技术的指数级增长，Dianne 指出适应能力至关重要。团队需运用第一性原理思考，及时调整策略而非固守原计划。例如，当模型能力提前达标时，便加速推进 Cowork、Skills 等产品上线。这种敏捷性与内部信任机制，使组织能跟上技术变革的步伐。
模型能力的涌现与评测驱动开发
模型能力的涌现往往是非线性的。Dianne 解释，随着算力和数据增加，模型会突然获得某些新能力（如从无法计算到可靠计算），但这些能力出现的确切时刻难以预测，必须通过评测（Eval）来发现。若缺乏完善的评测体系，能力跃迁可能已在后台发生却未被察觉，这将给安全与应用带来挑战。
因此，“评测即新的 PRD"成为 Anthropic 产品管理的核心理念。传统 PRD 描述功能需求，而在 AI 时代，产品经理需将模糊的用户痛点转化为可复现、可衡量的测试集（Eval Set）。例如，针对"Claude 不遵循指令”的反馈，团队深挖发现 80% 的案例实为 JSON 格式错误。通过构建包含 30-40 个失败案例的评测集，团队明确了改进方向，并在后续版本中将该指标提升至 99.9%。
PRD 并未完全消亡。在问题定义清晰时，评测可替代部分文档功能；但在涉及多方协作、目标模糊或需统一愿景时，PRD 仍是协调产品、工程、法务及安全团队的重要工具。
Labs 团队：探索不连续的颠覆性创新
Labs 团队专注于识别那些不在核心路线图上的“不连续押注”。其运作模式鼓励实验文化：对宏观方向保持坚定，对具体原型保持开放。团队规模小巧，成员具备极强的自主性与从 0 到 1 的探索精神。即使许多原型最终未转化为正式产品，其过程中的学习亦极具价值。正是这种机制，催生了 Claude Code、Skills 及 Claude Design 等创新成果。
研究与产品的深度融合
在 Anthropic，研究人员不仅关注算法优化，更怀揣改变软件工程等宏大愿景。产品团队的角色是深入研发循环，将用户反馈转化为研究人员可执行的语言。例如，将"Claude 产生幻觉”这一模糊反馈，拆解为工具调用失败、知识检索错误或对齐问题等具体场景，并设计相应评测以验证改进效果。这种紧密协作缩短了从用户痛点到模型优化的路径。
AI 时代产品经理的新胜任力
Dianne 指出，优秀 AI 产品经理首要具备第一性原理思维能力，即不拘泥于过往经验，而是基于当前技术与用户场景重新定义价值。其次，必须亲自动手。无论职级高低，管理者都需深入细节，亲自使用模型、阅读对话日志、构建工作流。只有亲手构建过 AI 产品的人，才能真正理解何为优秀的 AI 体验。
此外，保持好奇心与享受技术至关重要。实验不应是孤独的尝试，而应是团队共同的探索。通过与充满热情的同事结对，寻找实际痛点深入钻研，而非浅尝辄止地试用各种工具，方能在这个快速变化的领域中找到乐趣与成就感。
安全、对齐与人类判断力的未来
关于安全与对齐，Dianne 认为这非但不会限制模型，反而使其更有用。理想的 AI 助手应具备“建设性反对”的能力，在用户决策有误时提出异议或补充视角，而非盲目顺从。这种个性是模型实用价值的核心。
展望未来，随着 AI 生成内容日益普及，人类的竞争优势将集中于判断力、领域经验与独立观点。AI 可以生成无数方案，但决定“做什么”及“何为正确”仍需人类智慧。Dianne 建议，即便在与 AI 深度协作时，也应先形成独立观点，再将 AI 作为陪练来打磨思路，避免思维退化。
最后，Dianne 强调了组织协作与文化的重要性。在高速迭代的压力下，Anthropic 依靠低自我、高信任的团队文化，实现了“蜂巢思维”般的协作效率。成员间相互补位、共同承担，不仅是应对挑战的关键，也是避免倦怠、保持长期活力的源泉。
编译：Qihan Huang & Zeli Chen
原文来源：Lenny's Podcast - Why AI is going vertical(again) | Dianne Penn(Anthropic)
