再给我甩 AI 直出的文档就让我无痛暴瘦 20斤！对于对文字有要求的人来说，简直是酷刑。

傲慢地把 AI 生成的内容直接丢给下属，美其名曰“你也可以这样提效，AI 生成很快的” 的老板们，怎么只提供半成品呢？把 AI 生成的东西全部看完改完，拿成品出来试试啊，你也可以这样提效。

AI 时代的职场霸凌：老板发来的 AI 直出文档，再抽象再晦涩也只能硬着头皮往下看。同事发来的 AI 生成文档干脆打回，说什么玩意看不懂，不要制造垃圾。

一觉醒来，Codex 的额度又又又重置了，资本主义的羊毛根本薅不完。

和实习生做了一轮长谈，她表示不管她做什么尝试肯定都做的不如AI，为什么不能用AI交付呢？AI可能更能让我满意。AI声称这个方案是“排列组合了四万多种，从中选出最好的”，她人工又没办法穷举所有方案。所以干脆放弃，也不怀疑AI是否有幻觉，或者为了省token根本没有排列组合四万多种方案，或者再让AI跑一次又是另一种结果。

我和leader让她加入自己的思考，她觉得结果已经很好了，她再怎么思考只是把这个故事讲得更好而已。

好像我们最大的区别是对AI的态度。有工作经验的人会把AI当做自己的增强和辅助。但对于初入职场的新人，AI就是他们不可推翻的标准，完全无法逾越，也不能质疑。

但如果真是这样，我还需要她做什么呢？

最近在带的实习生，大学起就习惯凡事找AI，拿到的结果也很少核对，一问就理所当然：“AI说这个最好。”也给过她思路，转头就放弃了，说往前试了一点就跑不通了，还是用了AI的方案。

开始我觉得是不认真，聊了几次发现还真不是态度问题。他们还没来得及从那些重复的、琐碎的基础工作里一点一点长出手感和经验，这些活就被AI取代了。地基没打，直接空中盖楼，自己也没信心，更喜欢用AI反复润色包装。

而我们这些带人的，也越来越失去耐心。赶进度的时候，我+AI一两个小时就能搞定，谁还愿意花一星期手把手教？

这样下去，他们变成了AI的传声筒，没有能力去质疑AI。因为没经验就看不出好坏，没被鼓励过就不敢说“我觉得AI说的不对”，下一次依旧会战战兢兢地交出AI给的东西，一问三不知。

最近在带零经验的实习生，倒逼我把之前 “感觉对”但死活说不清的那些经验得说清楚。

第一个最直观的感受：以前产品行业卷 product sense，现在大家张口闭口聊大模型产品经理要有 taste。一开始我还觉得挺虚的，整这些玄乎的词干嘛。但其实 taste 根本不是什么玄学，是实打实的硬功夫，核心就是你能不能把 “这个回答好不好”的模糊直觉，拆成一套能反复用的评估标准。天天泡在模型优化和实验指标里，反而比专职做模型评估的产品更能快速摸透“这模型到底好不好用”。

OpenAI 天天在强调写 eval，Anthropic 面试直接让候选人上手改 prompt，本质都是同一件事：把个人直觉变成可复用的标准。

而判断力这东西，真的是靠堆量慢慢磨出来的。每周高强度看实验，拆指标，对比 case，久了自然就能分清楚：哪些是指标涨了但体验一点没改善的虚假繁荣，哪些评测分没动但用户就是更喜欢了，还有哪些模型数理能力提上去了，但给人的感觉反而更疏远了。

最后是带新人之后最实在的感悟：对于零经验的新人，真的不存在 “先做好传统 PM 再转行 AI”这条过渡路径。写 eval，看case，摸透模型的行为逻辑，抓准用户的真实偏好，这些才是核心功夫。甚至反过来讲，PRD，画原型这些PM传统技能在大模型时代反而是最没门槛的事。生产力爆炸之后，真正稀缺的就只剩下品味。

给没经验新人的建议也特别简单，刷一刷 Karpathy 的 YouTube，看看 Andrew Ng 的入门课把基础框架搭起来，剩下的就是等看过足够多真实模型的输出，做过很多次对比分析后，慢慢沉淀下来的那点东西，大概就是大家说烂了的 taste。

以前找会议室是为了开会，现在找会议室是为了方便语音输入，还是没办法突破在工位上直接语音输入的羞耻感。

催促我每天下班的理由：今日份Claude的份额用完了。

每次看到一些所谓的行业内幕、深度分析、专家解读，我都哭笑不得。

很多被包装成“精妙设计”的功能，其实只是资源错配下的将错就错；被解读成“战略收缩”的决策，可能只是组织斗争后的自然结果；看起来像“长期布局”的方向，往往是多个赛马机制跑出来的幸存项；而“增长迅猛”的数据背后，有时甚至已经因为合规问题准备下架。

很多外部分析试图从结果理性推导，但真实职场里，大量决策并不是在一个干净的逻辑真空中发生的。很多看似离谱的产品功能，往往用组织架构和季度考核就能解释。

就像当年有人认真研究甚至在面试时考察“为什么微信头像是方的”、“为什么飞书消息只在一边”。站在外面看是设计哲学，站在里面看，可能只是路径依赖或偶然事件。