“软件不是房地产，砸钱砸不出好产品。” OpenAI产品总监聊 AI 的第三纪元：从“划桨”到“掌舵”|agent|openai|tara|产品总监|产品经理|房地产|疯狂

别把方案写太完美，顶尖高手根本懒得看你。

编译 | 王启隆

出品丨奇点折射（ID：rgznai100）

如果将 ChatGPT 的对话框视为 AI 产品的“第一纪元”，将各类针对单一任务的 Agents 协作称为“第二纪元”，那么我们正在快速跨入第三纪元——一个拥有常驻、主动、能随时随地与你协同推进复杂工作的“常驻 AI 协作者（Persistent Coworker）”的时代。

但在这个模型能力周周跃进的周期里，做产品正面临着前所未有的残酷撕裂：如果你只针对当前的模型能力做开发，产品上线即落后；如果你试图瞄准一年后的模型做规划，又极易沦为空中楼阁。

每天在风暴中心直面这种技术落差与研发节奏的人，正是Tara Seshan。她目前在 OpenAI 全面负责Codex 与 ChatGPT Work两大核心业务。在加入 OpenAI 之前，Tara 是 Stripe 最早的 5 位产品经理之一，操盘过多款百亿美元级业务的早期扩张，随后出任气候科技独角兽 Watershed 的产品负责人，同时也是泰尔学者（Thiel Fellow）与初创企业创始人。

在最新一期 Lenny Podcast 对话中，Tara 撕掉了外界对前沿实验室的诸多滤镜：OpenAI 内部根本没有藏着标准答案的“秘密作战室”，反而呈现出一种全员像创始人一样抢滩的去中心化状态。当写代码和基础执行以惊人的速度被 AI 抽象掉，传统的“写万字长文做战略推演”瞬间贬值，产品构建的方式、人与工具的边界，乃至产品经理自身的存在价值，都在被底层技术彻底重写。

金句速览

瞄准 2~3 个月后的模型做产品：瞄准现在的模型做，上线即淘汰；瞄准一年后的模型做，全是画大饼。唯一的生路是锚定 2 到 3 个月后的模型能力，并在产品架构上主动“给模型让路”。
从“划桨”转向“掌舵”：未来，AI 负责在水下卖力划桨，人类的核心价值跃迁为航向校准、审美偏好以及带有强烈主观意志的决断。
原型胜过文档：长文档已不再是深度思考的凭证，因为任何人都能用 AI 在三秒内生成万字长文。能跑通的原型和实证测试，才是今天唯一的“工作量证明”。
“野心”成了最大的新天花板：当 AI 抹平了基础的执行门槛，团队之间唯一的差距只剩野心的大小。激发团队敢于想象 10 倍可能性的野心，已成为现代 PM 最核心的职责。
以写作为思考 vs. 以写作为汇报：汇报类写作可以全盘外包给 AI，但推演思考的写作绝不能交给模型。思考的起点和终点必须留在人手里，大脑才不会退化。

没有秘密指挥室，每个人都是自己的创始人

主持人：今天的嘉宾是 Tara Seshan。Tara 目前在 OpenAI 负责 Codex 和 ChatGPT Work 的产品业务。在我看来，这可以说是目前面向知识工作者增长最快、也极具分量的一款 AI 产品。

加入 OpenAI 之前，Tara 在 Stripe 待了六年多，是公司最早的五位产品经理之一，并连续多年被评为全公司最优秀的员工之一。之后她带领过 Watershed 的产品团队，创过业，也是一名 Thiel Fellow。

Tara，你加入 OpenAI 大概刚满一年。在绝大多数地方，一年算很短的时间，但在 AI 行业，一年漫长得像过了一辈子。我想你刚进 OpenAI 时，肯定对在前沿实验室工作有些自己的设想。那真正置身其中后，最让你意外的是什么？好的、挑战性的方面都可以聊聊。

Tara Seshan：在 OpenAI 工作，很多事情对我来说其实很熟悉。我之前待过不少高增长、高人才密度、高强度且经历疯狂扩张的公司。像“身边同事极其优秀”，或是“全员紧迫感极强”这种状态，我早就习以为常了。

最让我意外的是，我以前待过的所有公司全都是“创始人主导型”（Founder-led）。但 OpenAI 呈现出一种“去中心化、没有单一创始人绝对拍板”的状态（Founderless），这意味着公司里的每个人——尤其是在各自负责的领域里——本质上在某种程度上都是创始人。相比我之前工作过的地方，OpenAI 自上而下的指令少之又少。

刚进公司时，我既觉得兴奋又感到亲切。因为我之前创过业，当时心想：“太好了，在这个产品方向和团队里，我依然能像创始人一样去掌舵。”我和市场之间的距离变得极薄、极近。

在规模更大的公司里，你往往很容易被层层机制隔绝，感知不到真实的用户诉求或市场呼声；但在 OpenAI 绝非如此。你必须像创始人那样，拼尽全力为自己的产品去撞出 Product-Market Fit（产品与市场契合点）。

另一个更让我意外的地方是，我原本以为进公司后能接触到一份如同宝库般的 OpenAI 绝密战略。就像以前加入其他公司，大家会告诉你“这是我们的支付圣经，这是我们对业务底层逻辑的全部思考”。但现实是，OpenAI 名副其实，真的非常“Open”。

内部关于未来世界该是什么样、产品该如何搭建、模型该如何运行的每一种想法，几乎都会以极快的速度演化为公开产品或对外发声。这让人非常惊喜，也切实改变了我的做事方式。

这里根本不存在一间藏着运转中的 AGI、写满所有标准答案的绝密作战室——至少我不在那间屋子里。真正让人受触动的是，OpenAI 内部所探索的绝大部分想法，都能在极短时间内转化为用户在产品中可感可知的功能，这种迭代节奏比我见过的任何地方都要快。

Tara 说的“第三纪元”，11 月 20-21 日在北京万达文华酒店——2026 奇点智能技术大会，大模型与 Agent 落地、AI 原生软件研发等 18 大专题、70+ 一线实战技术嘉宾，把常驻 AI 协作者这件事彻底讲透。

扫码领取 Łukasz Kaiser 历届演讲视频、Agent 实战训练营录播课大礼包

在狂飙的 AI 时代，原型比万字长文管用得多

主持人：你在很多公司做过 PM，长期担任产品团队负责人。在这个全新的 AI 时代里，有哪些过去的工作方式已经不再适用了？

Tara Seshan：当一个市场相对静态或变化较慢时，你大可以去做宏观的战略规划，因为局势更容易预测，各个环节也都能看得很清楚。

拿支付行业来说，虽然它在某种程度上一直在变化，但总体上是一个成熟市场。你可以推导出“如果我押注这个方向，竞品可能会做另一番应对”，或者从第一性原理出发，一步步推演接下来的所有动作。这种市场的特性决定了你必须这么做，赢家往往是那些思考比别人更严密的人。如果你想得不够严密，就会显得粗心大意，因为很多决策本来就是可以提前预判的。

但在当下的 AI 市场，你极难预判未来会涌现出什么。这个领域变化极快、高度动态，充满了涌现性。最重要的是，你必须时刻紧跟前沿 Research。保持高产并坚持以实证说话，远比纯粹的学术论证或理论推导重要得多。

我之前待过的很多公司，内部风格都偏学术和理论化。过去我习惯写上一份长篇论证文档，像写博士论文一样去阐述未来一段时间的规划；而现在却要转变成思考“怎样才能用最快速度做出一个能拿给用户试用的东西？”这种从理论推演到动手实证的转变，起初让我很不适应。

我甚至一度自我怀疑：“我是不是前期调研没做到位？是不是想得不够深？难道我不该把所有细节都严谨地推演一遍吗？”

但事实上，你唯有不断动手去试，尽可能多地获取认知。你真正需要聚焦的思考，是把自己的核心假设提炼得尽可能精准。明确这个假设才是最关键的事。

借用 Shishir Mehrotra 的说法，就是要找到那个最根本的“关键问题”（Needle Question）——到底什么是唯一最需要验证的事？除此之外，任何你凭空构想的宏大战略，都无关紧要。

主持人：我很想接着这个话题聊聊。关于产品经理这个角色，很多东西都在变，世界也在变，但有些底层本质反倒变得更重要了。具体来说，你认为大家现在更应该专注于什么？

Tara Seshan：产品经理这个岗位常常附带着很多条条框框，比如盯项目排期、写各种特定格式的文档和 PPT。

但这个角色的核心从来没变过：针对你的产品，你需要提出的最核心问题是什么？决定产品成败的关键又是什么？你如何去验证？如何分析结果？又如何把这些结果形成闭环，不断打磨假设并再次测试？

这一直都是产品经理的本职工作。你需要把对用户、市场以及底层技术的理解融合在一起，提出尽可能犀利的假设，然后用最快、最有效的方式完成验证。

这一点不仅没有变，反倒成了全公司最关键的事。现在不仅是产品经理，工程师、数据科学家和设计师都在按这个逻辑思考。所有人都在将精力集中在“定义问题与测试验证”的闭环上：我们到底在做什么？我们怎么知道它奏效了？

从 PM 的角度来看，这是件好事，因为产品经理向来都在把精力花在这些根本问题上，这本来就是本职所在。很多浮于表面的细枝末节都在逐渐退场，剩下的始终是每一次都必须做对的核心。

人类负责掌舵，AI 负责划桨

主持人：你提到了“闭环”（Loop）这个概念。最近关于 Loop 的讨论非常多，似乎成了整个知识工作领域都在关注的焦点。我的理解是：人类负责定义成功的标准，然后把任务交给 AI，让 AI 去构建、调试、探索，直到达成目标。你如何看待这种闭环从软件工程逐步扩展到产品管理以及所有知识工作领域？你认为这会成为未来的必然趋势吗？

Tara Seshan：我认为未来的工作形态确实会越来越像“掌舵（Steering）”，而不是“划桨（Rowing）”。未来会有各种 agents 协助你承担大量划桨的重活，而人类的角色则日益转变为掌舵者，负责校准航向、确保船只驶向正确的方向。

掌舵的抽象层级会越来越高。过去可能停留在“我写了一行代码，按一下 Tab 补全”的微观层面；而现在，你是在更高维度上做定向引导，可能是在目标级别，甚至是更宏观的战略级别。

掌舵会沿着抽象层级不断向上跃升，但归根结底，依然需要由人来决定我们究竟该朝哪个方向进发，并在接收到反馈和新数据时，决定下一步该拐向哪里。

掌舵的一部分工作当然是依据数据做出反应，但很大程度上，它依赖于你带有鲜明主张的决断（Opinionated call）。我们有时低估了直觉的力量，或者低估了对未来世界的积极确定性（Positive determinism）：“我希望产品呈现出这种形态”——并不是因为相反的路径就不可行，而是因为我渴望推动世界朝着我所主张的方向演进。

至少在现阶段，这种强烈的审美主张与方向决断，必须由人类给出。

闭环是非常强大的。让 agents 在越来越大的闭环中自主运作、承担更多划桨的工作，这非常棒；但现阶段你依然需要牢牢把握方向舵。

未来的工作还会体现为：人类团队共同协作，去掌舵一组协同作战的 agents。让你、你的队友与 agents 共同形成交互——agent 负责划桨，人类负责领航——这种模式蕴含着巨大的价值。

主持人：这个比喻太精辟了。这让我想到两点：如果所有人使用的底层工具都一样，那么最终拉开差距的就是人本身。否则大家做出来的东西千篇一律，人类大脑反而成了最不可替代的非对称优势。

Tara Seshan：这让我想到了时尚行业。市面上有很多功能性服装，谁都能穿，也能满足保暖遮体的基本需求；但你穿什么衣服，很大程度上是在表达你的个性主张，以及你希望向世界呈现怎样的自我。而这种表达之所以动人，正是因为它与其他人的选择形成了对比。一件衣服能成为某种风格的宣言，恰恰是因为它与众不同，或者代表了你所属的群体认同。

我们构建的软件产品同样带有强烈的个人主张与艺术属性。

Patrick Collison（或者 John Collison）曾对软件做过一个非常精彩的论述：软件不像房地产，你投入多少资金并不等于能线性产出多少价值；它更像拍电影，即使给一部电影砸下巨额预算，也绝不能保证它一定成功或成为佳作。软件构建中蕴含着艺术表达与主观意志，它高度依赖于你或你的团队对这款产品是否有独特、深刻的见解。

主持人：Marty Cagan 也常强调一个观点：当你对一个产品或功能产生某个初始构想时，最终成型的产品几乎很少会和最初的想法一模一样。你必须经历一个完整的探索流程，才能弄清楚它最终究竟该是什么形态。

作为人类，你必须亲自经历这个探索过程，去理解事物的本质以及用户的真实渴望。绝不可能存在“行，我全想明白了，你们直接去把这东西做出来，我从一开始就是对的”这种情况。

Tara Seshan：确实如此。而且这个迭代闭环转得越来越快了。能否快速形成敏锐的直觉、获取支撑这些直觉所需的信息，并协同团队与 agents 将其付诸实践，才是制胜的关键。

AI 协作者正在变成常驻同事，瓶颈往往在工程基建上

主持人：放眼更广泛的知识工作领域，你认为接下来的核心转变会是什么？你日常能接触到最前沿的工具，身边也都是全球对 AI 探索最深的一群人。OpenAI 内部目前有哪些工作方式，是你觉得在未来三到六个月里会变成大众日常习惯的？

Tara Seshan：主要体现在两个方面。

第一，我们正在更高层级的抽象维度上与 agents 协作：给 agent 更多独立发挥的空间，人类负责把控方向，让 agent 放手去跑并在更高维度上交付细节。

大家越来越把常驻型的 agents 当作真正的团队成员或同事来看待。你可以像和真人同事合作一样与它们共事：它们处理大量具体任务，你给出反馈输入，它们据此继续推进；你们在不同节点对齐进度，审阅各自手头进行中的工作并做进一步沟通。

这种“Coworker（协作者）”模式正是未来的发展方向，也是与 agents 交互时更自然、更顺畅的形态。在 OpenAI 内部，我们已经能明显看到这种趋势。

第二点在于，目前我和 agents 的交互大多还是一对一的：我自己和一个 agent 配合，虽然它可能会派生出几个 subagents 来完成任务，但始终是我和我的 agent 封闭互动，这和同事与他们各自 agent 正在做的事情是割裂开的。

之前有一段时间，内部大家经常在 Slack 上互相发各自的 Codex 对话截图：“我想给你看下我是怎么算出这个数字的，这是推导过程。”但这显然不是最理想的协作形态。

随着 agents 承担的工作越来越多，我们难道不应该让各自的 agents 彼此协同、共同把事情办成吗？能促成这种协作的最自然界面究竟该是什么样？这些正是我们目前在探索的方向。

主持人：我脑海里浮现的画面更偏向于 Chat（对话形态）。比如这里是 Tara 的 agent，那边是我的 agent。她那边做完了一份分析，我就可以对自己的 agent 说：“嘿，Lenny 的 agent，去检查一下这份分析是否靠谱，看看它和我对这件事的理解能不能对得上。”

在理想状态下，工作应该像一场多人游戏，大家一起把事情搞定，人类负责把控方向，agents 则去承担越来越多具体、繁琐的执行工作。

在这个过程中，我们对 AI 的信任和理解其实是在慢慢累积的，比如开始觉得“可以让它跑更长时间了，它能接手更多任务了”。过去大家常聊到 AI 的“慢起飞（Slow-takeoff）”和“快起飞（Fast-takeoff）”假说，担心 AI 突然变得极度聪明带来失控。现在看来，我们更像处于一种稳步推进的慢起飞状态，这反而是好事——虽然进展并不慢，但我们面对的不是一个智商爆表到 300 的不可控 AI。

Tara Seshan：现在的模型确实非常聪明，但要实现多 agents 协同，或者让 agents 接管更高层级的抽象任务，光靠聪明远远不够。这不仅需要模型具备长时间稳定执行任务的能力，更取决于一系列非常实在、甚至可以说是柴米油盐般基础的工程问题。

在本地运行的 agents 很方便，因为它们能直接读取你电脑里的所有数据。但要把一个 agent 放到云端跑通，背后需要极其庞大的云基础设施来支撑。

另外就是系统权限问题。如果你把一个 agent 锁在房间里，不给它开放 Google Docs、Slack 或公司数据库的权限，它根本发挥不了作用。同理，一个与世隔绝的云端 agent 也是没有意义的。

要让 agents 真正好用、实现我们设想的未来，提升模型智力只是一部分，另一大部分全是战术工程层面的硬活：数据权限、云基础设施和运行可靠性。这些东西听起来远没有宏大的通用智能那么性感，但对于实际能否落地，起着完全同等重要的决定性作用。

为什么野心成了所有人最大的新天花板

主持人：这正好切中了我们播客最近频繁聊到的一个主题：野心（Ambition）。我知道你平时也一直在琢磨这个词。

有了这些 AI 工具，我们固然能够更有野心，但现实往往是：我们几乎必须逼着自己更有野心——而这对很多人来说并不是一种本能。现在所有人都能轻而易举搞定基础的事情：简单的事情变得毫无门槛，困难的事情也变得容易上手，最终拉开人与人、公司与公司之间差距的，唯有野心的大小。能聊聊为什么大家突然这么需要“野心”吗？

Tara Seshan：我们发现，那些把 AI 工具用得最好的人，绝不仅仅是用它去把重复琐事自动化；他们是在借此拓宽自己能做事情的边界。

在这一切发生之前，所谓的“独角兽型全能人才”，往往既有极佳的产品感，本身又是工程师，甚至还懂设计。这类人之所以千金难求，是因为他们消除了不同职能之间层层转译的损耗：能迅速构想出方案、亲手把原型跑起来，再带着团队基于此快速推进。

我用这些工具时最核心的追求，以及在那些优秀同事身上看到的最亮眼之处，就是他们借助 AI 大大拓宽了可能性的边界。他们能像过去的通才那样，把脑子里的构想以极高的保真度在现实中快速落地。

现在我们每个人都拥有了这种超能力：我可以快速拉出一套设计、搭出初始原型、推导出合理的定价模型，并模拟出各种业务场景。可能性的空间被急剧拉大了。

在推进项目、高保真实现自己的愿景时，我拥有了更强的主导权。在探索新想法和新产品时，这自然会放大你的野心。你不再受限于自己亲手执行或向外沟通的速率。最难的反而是打开思路，敢去想象在不可思议的极短时间内究竟能把事情推到多远。

Patrick Collison 在他的个人网站上专门建了一个页面（patrickcollison.com/fast），列举了许多野心极大且在极短时间内完成的项目。令人感慨的是，这些项目全都发生在 AI 出现之前——那时你还无法在一瞬间学会如何搭建新东西、无法输入一句提示词就提炼出一本大部头专著，也无法直接为一个构想秒建 CAD 模型。

过去那些我完全够不着的能力，如今都在射程之内。如果说凭着过去有限的工具都能干出那些极速交付的奇迹，那么在 AI 的加持下，这种超快、超高效的执行案例难道不应该迎来指数级的爆发吗？

主持人：最难的其实是建立起下意识的条件反射：“对了，让我看看 Codex 能不能帮我把这事办了。”这需要在大脑里重新训练出一种新习惯。

Tyler Cowen 曾在他网站上写过一个观点：大多数人都低估了直接走到别人面前问一句“这件事能不能做个野心大十倍的版本？能不能加快节奏、或者把规模做大十倍？”所带来的影响力。

当我思考当下产品经理究竟能带来什么高价值贡献时，我认为：激发他人的野心、不断提醒团队眼下到底有哪些可能性，已经成了 PM 这个角色中极其核心的一环。

当有人说“我们可以这样搞，按这个排期，第一版先做成这样”时，你的部分职责正是去拉高大家的预期：“可能性的天花板难道不应该高得多吗？我们能不能再大胆一点？能不能跑得更快一点？”能在这个时代做产品，看着能做的事情越来越多，整个工作都会变得极具吸引力。

主持人：Nick Turley 之前也上过我们节目，在转去做企业级业务之前，他可能负责过你现在接手的部分业务。他提到过 OpenAI 内部有一个很出名的文化梗（Meme）：“这达到极限加速了吗？”（Is this maximally accelerated?）

Tara Seshan：没错，Slack 里好像还有对应的 Emoji。“这达到极限加速了吗？”完全是 OpenAI 最地道的内部黑话。

我和 Andrew Ambrosino 特别喜欢在团队里问另一个问题：“你把它当日常主线重度用了吗？”（Are you mainlining it yet?）——意思是：你是不是每天从早到晚都在用这款产品来推进自己的日常工作？

把“我们是否足够有野心？”（关乎做事的目标与规模）、“这达到极限加速了吗？”（关乎推进的节奏与速度）以及“你把它当日常主线用了吗？”（关乎你是否真正深度自用、倾注自己的审美去检验它是否好用、用户是否需要，并尽可能收紧反馈闭环）结合在一起，正是我们眼下做产品必须贯彻的三大核心原则。

主持人：太到位了。这就是新时代的“吃狗粮”（Dogfooding）。不仅是内部自测，而是把它作为主线日常离不开的工具。

Tara Seshan：确实如此。这也深深体现在大家的推文中。这正是我常看到的团队状态：大家对产品极度痴迷，时刻在琢磨哪里能做得更好、眼下还有什么细节让人不爽。每个人都像自己产品的创始人一样思考，同时又保持着外部观察者的挑剔。

Tara Seshan：我再想想还有哪些有趣的文化特质。当然，还有一个很关键的共识就是“感受 AGI”（Feeling AGI），也就是时刻意识到 AGI 的临近。关于它未来会长成什么样、该如何看待它，大家有着各种不同的想象。

吸引大多数人加入这家公司的核心纽带，正是对“实现造福人类的 AGI”这一使命的坚信，并竭尽所能去促成它：既要把它做出来，又要确保它对人类真正有益。

在做产品时，我脑子里必须时刻牢记的另一句话是：我们是否在瞄准两到三个月后的模型能力来构建产品？如果你只针对当前的模型能力做开发，你会失败；如果你试图针对一年后的模型做开发，你也一样会失败。这两种做法错得毫无二致。太超前会落空，过度迁就现有模型的局限更是满盘皆输。

唯一可行的开发方式，是锚定两到三个月后的窗口期，并坚信模型会大幅进化。我必须把模型能力置于产品的核心，在产品结构设计上主动“给模型让路”（Get out of the way of the model），不给它设限。我该如何确保眼下的产品结构能完美承接两到三个月后的模型？

主持人：你怎么知道两到三个月后的模型会长成什么样？身处这种指数级曲线上，预判未来太难了。这是靠直觉，还是研究团队会给你们明确的方向？

Tara Seshan：与研究团队（Research）保持极度紧密的沟通至关重要。这些进展并不完全是黑盒。大家很清楚：“我们正在集中精力，针对性提升模型在某些特定维度的编码能力，或者在某些特定维度的写作能力。”

我们有着非常聚焦的攻关目标。了解这些进展的具体位置，并确保产品研发与研究团队的路线图紧密咬合，真的非常重要。

主持人：Kevin Weil 还在做首席产品官时说过一句让我印象极深的话：“眼下的模型，是未来所有模型中最差的一代。”话听着简单，但真正想通并不容易。虽说现在快成老生常谈了，但确实是大实话——细想起来甚至让人觉得不可思议。

“完成好过完美”的产品法则

主持人：我想稍微聊聊 ChatGPT 这款应用本身。我现在正好开着它，看到顶上有 ChatGPT，有一个包含 ChatGPT 和 Codex 的下拉菜单，还有一个在 Chat 和 Work 之间切换的开关。Tara，这到底是怎么回事？这些功能都是干什么用的？未来会往哪走？它会一直保持这样，还是你们已经在规划下一步了？

Tara Seshan：我们的北极星目标，是让用户根本不需要在这么多选项之间做选择。未来不应该有任何需要你手动去选的开关。你只要输入你的任务，比如“我想做个很酷的应用，帮我的播客嘉宾在录制前做调研”，系统就会自动为你匹配最合适的 harness 和模型。

理想情况下，用户既不需要去操心自己要怎么一步步实现，也不用去管我们产品的各种能力与局限。这是我们短期内想达到的状态。

目前在 ChatGPT 和 Codex 之间做选择，其实选的是一个更偏开发者的界面，还是在 ChatGPT 里体验同样强大的能力。如果你本来就是 Codex 用户，继续用 Codex 就好，你什么都没落下；如果你是 ChatGPT 用户，想试试新的 agent 能力，那用 ChatGPT 模式可能更合适。

在 ChatGPT 里，如果你想聊天或搜索，Chat 模式就够了。它还是你熟悉且喜欢的那个 Chat 模式，只是模型更强、能力更新。

但在 Work 模式下，底层其实就是 Codex。我们去掉了一些写代码专用的界面，比如你在 Work 模式下看不到代码工作树（work tree），但它解决问题的能力完全一样。比如在 Work 模式下，生成一个复杂的财务模型完全做得到。

我们看到很多人——尤其是我们内部的财务团队——在用 Work 模式做一些很厉害的事。这些工作过去要么全靠手动操作，要么需要某个人具备极深的专业知识，而现在整个团队都能搞定。在交付时间、个人能力以及能做事情的边界上，这切实拔高了团队中每个人的野心。

主持人：所以目前其实有三种模式：工程模式、Chat 模式和知识工作模式。知识工作模式底层其实是 Codex 在跑，但大家可能不知道 Codex 是什么，或者对写代码有点发怵。在 Work 模式里，除了 Codex 之外还有别的东西吗？是有专门调整过的 harness，还是仅仅换了一套 UI？

Tara Seshan：其实主要就在 UI 层面。Work 模式和 Codex 模式的能力是一模一样的。如果你去 Codex 里让它生成一个财务模型来给产品定价、或者预测未来六个月的营收，Codex 的表现和 Work 模式毫无二致。

关键在于模型在跑的时候你想看到什么样的界面，以及你希望展示多少技术细节。两者的能力同样强大，所以 Codex 用户完全不用担心不切模式会少掉什么。

我们希望大家留在 Codex 里做想做的事，同时根据用户的需求来展示合适的 UI。

我们的终极目标是把所有这些东西合并起来，让用户不用再做选择。现在的区分，是为了照顾大家目前所使用的产品以及对不同概念的熟悉程度，让每个人都能享受到与 agents 协同的优势——这种方式已经改变了所有开发者的工作形态，我们想把同样的体验带给知识工作。

主持人：行业跑得太快了。有人试了 Codex，它火了，一下涌入千万月活；接着大家就会琢磨：“我们现在既有 ChatGPT 又有 Codex，这到底该怎么理解？”所以产品在一段时间里让人觉得不够直观、不够完美，这很正常，在把用户引向超级应用（Super App）愿景的过程中，必然会有过渡期。

主持人：你工作中最难的部分之一，肯定是要在两端找平衡：一边是有着十亿月活、可能是有史以来最成功的消费级产品 ChatGPT，另一边是 Codex 和你想尝试的新方向。十亿人在用着它，你没法大改大动，你如何在保持团队高速创新的同时兼顾这种体量？

Tara Seshan：我们在 ChatGPT 网页端和桌面端推出 Work 模式，并把这些产品串在一起，核心目的之一就是面向使用 ChatGPT 的这十亿人，把越来越强大的 agents 能力交到他们手上。

AI 产品的第一个时代是 Chat，第二个时代显然是与 agents（主要是 coding agents）协同。我们希望把这种能力拓展到更多领域，特别是知识工作。让十亿 ChatGPT 用户都能用上 Work 模式的能力，正是这个目标的一部分。

做产品的难点不仅在于把能力带给用户，还在于让使用过程变得自然顺畅、容易上手。我们不希望这是一个需要用户刻意思考的抉择，而是应该顺理成章地帮他们把事情做对。我们必须把它彻底简化，不能让十亿普通消费者去理解像 harness 这种对他们来说过于晦涩的概念。

不久之后可能到来的第三个时代，则是与能跟你一起把事办妥的常驻协作者共事，甚至实现多人协同。而在眼下，我们要把 agents 带给这十亿可能从未体验过它们的人，而且必须用最简单、最自然、最好用的方式交到他们手里。

结合我过去在 AI 之前做产品的经验，以前在那些公司里，打磨（Polish）才是王道。把每一个交互细节、每一处 UI 扣到位，比尽早发布要重要得多，因为时间差并不会对结果产生太大影响；如果细节没打磨到极致，你还不如不发。

但在这个时代做产品让人感到震撼的地方在于：带着坚定的信念把一款颠覆性的产品尽早交到用户手里，远比等待所谓的完美更重要。紧迫感和尽早推向市场才是关键。

要让它更好用、更容易上手，特别是对那些不是用来搞生产力而是处理日常需求的用户，我们还有大量工作要做。“完成好过完美”（Done is better than perfect），我们要做的事情还很多。

主持人：应用刚推出时，确实有不少人感到困惑。但看到团队如此迅速地根据反馈进行迭代，正好印证了我刚才听到的：先发布出来，看看哪里不行、大家是怎么用的，然后快速迭代。这感觉正是现在的研发模式。

Tara Seshan：发布前当然也可以不断迭代并收集反馈，我们永远有做得更好的空间。但无论在发布前还是发布后，尽可能快地迭代并听取正确的信号，才是最核心的事。

悟前挑水劈柴，悟后劈柴挑水

主持人：过去几个月我注意到一个很有意思的风向转变：大家似乎正从 Claude Code 转向 Codex。前阵子感觉所有人都在用 Claude，但最近在 Twitter 上，大家明显开始更多地倒向 Codex。

我很想知道，在过去的这三到六个月里，除了你加入并理顺了团队之外，OpenAI 内部到底发生了什么变化？是你们搞明白了什么、调整了什么，还是砍掉了什么，才让 Codex 变得这么受欢迎？

Tara Seshan：有句话叫：“开悟前，挑水劈柴；开悟后，劈柴挑水。”

对 Codex 来说，最初把它跑起来的团队就极度贴近用户，迭代闭环抓得非常紧。他们疯狂吃自己的狗粮，尽可能把它当成主力工具来用，想把所有细节都做对。

后来外界和 Twitter 上的人开始意识到这点，用户也逐渐觉察到了。但团队自始至终都在专注服务用户、高频迭代。所谓的变化，只是市场终于追赶上了团队的节奏。

在公司内部，这种做事方式从来没变过。大家依然天天都在重度使用这款应用。开发它的团队本身就是工程师，每天都用它写代码，在不断解决自己痛点的同时，也在随时听取公司其他同事和外部用户的反馈。

运作模式一直没变，还是我前面提到的那几点：野心够不够大？推进速度有没有极限拉满？有没有把它当主力工具来用？用户和 Twitter 能注意到固然很棒，但功劳完全属于团队——我们的做事方式从第一天起就是这样。

主持人：这里面最耐人寻味的，恰恰是“人”的因素。是你、Andrew、Tibo 和整个团队对用户与产品的极度痴迷。AI 并不是唯一的答案，真正拉开差距的是人。

Tara Seshan：这完全是团队的功劳。大家思考都极深，且非常独立。在 OpenAI 内部有很多人像创始人一样工作；团队里的每个人——尤其是桌面端团队——都像创始人一样琢磨事情，在乎每一个细节。

当他们发现哪里还不够好，就会自己动手做出来、跑通并在内部测试。如果大家不用或觉得不好用，就继续迭代，然后再发布给外部。这个闭环完全归功于团队里的每一个人。

主持人：你刚才提到了角色重叠的问题：工程师在做 PM 的事，你作为 PM 会做原型甚至直接发到生产环境。这也会带来挑战。我听到不少人问：“作为设计师，我现在的工作到底是什么？作为市场营销，哪些归我管、哪些不归我管？”你平时有注意到这种现象吗，或者怎么去应对？

Tara Seshan：在创业公司工作（包括我之前自己创办过一家后来意外变大的公司），我最喜欢的正是角色之间几乎没有死板的边界。什么都是你的责任，什么又都不完全是你的责任；归根结底，你要对最终的成败负责。

Stripe 当时就是这样。工程师、产品经理或设计师之间没有明确的界限，任何人都可以做任何事。我向来很喜欢这种做事方式，而现在 AI 工具的能力终于跟上了这种工作状态。

总归需要有人对结果负起核心责任（DRI）：用户有没有在用这个产品？大家需不需要它？质量高不高？到底有没有效果？

不管这个人是工程师、设计师还是 PM，只要他是那个直接责任人（DRI），剩下的具体工作大家就可以根据各自的兴趣和能力随时认领。我喜欢那种不在意角色边界的团队，所有人都在奔着同一个结果去努力。

不过我也很热爱 PM 这个岗位的专业手艺（Craft）。像 Shreyas、Marty Cagan 和 Shishir 倡导的很多 PM 技艺与方法论，我都觉得非常棒。

很多人的顾虑其实来自这里：“我很热爱自己专业领域的技艺，但如果采用这种高度流动、角色边界模糊的协作方式，我还能把自己的本行手艺磨练得更好吗？”

说实话我也没有确定答案，这是我们所有人正在共同经历的事情。我们传统手艺中的一部分，正在被模型高效地抽象掉——模型在这类任务上做得甚至比个人还要好。

你的手艺重点发生转变了：不再是重复过去那些具体的单点操作，而是把这种审美和判断力迁移到产品的其他部分或不同领域中。

这也是我一直在琢磨的问题：一方面我渴望身处团队中、使用这些工具并沉浸在极高的效率里；但另一方面，我又很留恋纯手工写代码的乐趣。对工程师来说，一直敲代码本身很有趣，但现在这种工作方式确实越来越少了。

主持人：这正是我接下来想说的。工程师这个角色发生的变化大得令人难以置信。你以前整天都在写代码，那是你的本职工作；而现在那不再是你的核心任务了。这一切来得太快，很多人都在怀念亲手写代码的那种心流状态。

Tara Seshan：这确实是个艰难的转变过程。有人很喜欢，也有人感到不适应。

人类大脑不可替代的价值

主持人：你觉得未来人类大脑的价值究竟体现在哪里？长远来看很难预测，但至少在接下来的两三年里，人类最不可替代的价值在哪些方面？

Tara Seshan：人类最核心的价值，依然是作为最终对结果负责的主体（Accountability）。

到底由谁对最终结果负责？你可以把 agent 看成你的下属，但最终交付的东西由谁来背书？质量过不过关？它做出来的东西、表达的观点是不是你真正想要的？至少目前为止，这必须由人来把关。在强监管行业，或者需要人与人直接打交道的场景中，这种责任归属尤其明显。

其次，人类大脑的价值在于个人主张与审美表达。软件不像房地产，投了钱就能有对应产出；它更像拍电影，投再多钱也不保证能出好片。影史上最伟大的电影往往不是预算最高的那批。

做软件本身带有很强的艺术性、鲜明的个人态度和自我表达，你能感受到作品背后来自某个人或团队的创作意志。你选择做什么、它的交互质感如何，这完全取决于人。

最后，人类大脑的价值体现在我们如何互相关心、彼此连接。在我的工作中，这一块始终非常有人性温度，而且比以往任何时候都重要：跟团队成员交流、激发大家对某个领域的探索热情、一起学习共事、拔高彼此的野心。这些都深深植根于人性之中。我不敢预测未来模型会进化成什么样，但这些部分纯粹属于人类。

主持人：现在的 AI 实际具备的能力，和我们真正用它做到的事情之间，存在着明显的落差（Overhang）。大家常问：“我到底能拿它来干嘛？”你在工作中一般怎么用 AI，能给大家一些启发吗？因为 AI，你的 PM 工作发生了哪些最大的改变？最近有没有发现什么有创意的用法？

Tara Seshan：在工作中让我最兴奋的一种用法，就是我现在随时随地都在搭Sites。不知道你之前有没有试过做 Sites。

Sites 是个特别好玩、也很惊艳的功能。在 Work 模式下，你完全可以把一个 Site 当作动态的汇报呈现物，但我几乎什么事情都用它来做。

比如我之前给团队做了一个联机小游戏，大家能一起玩，因为 Sites 背后自带数据库；最近一次重装徒步回来后，我顺手搭了个 Site，记录了我们沿途的海拔变化，大家还能在上面登记各自带的口粮。整个过程又快又好用。

Sites 真正实现了 Alan Kay 在 20 世纪 60 年代提出的“可塑性个人软件”（Malleable Personal Software）的设想：真正的个人电脑，应该配有专属的个人软件。Sites 把这种设想变成了现实。

过去大家都渴望能自己做个人软件，像 Notion 这类工具试图通过积木块来实现；但现在用 Sites，你只要输入一句提示：“帮我做个具体的工具来把这事办了”，它就能立刻做出来。

Sites 支持一键分享，还能自动更新。你可以调取内部数据搭一个带业务指标的看板。与其费劲熬夜做一堆幻灯片，Site 提供了一个动态得多的交互展示界面。

主持人：具体怎么用呢？是直接告诉 Codex“帮我团队搭个狼人杀游戏”，它就直接搞定吗？你指的是首字母大写的 Sites 吧，我猜它本身知道 Sites 是什么。过去一般是“给你一段源码，你自己想办法部署”；而按你的说法，它直接帮你托管好了，你还能选是公开发布、团队共享还是仅自己可见。

Tara Seshan：这种随时随地轻松搭一个 Site 的便利，彻底改变了我的日常。以前我得做大量的文档和表格，现在我随时随地都在搭 Sites。

主持人：在 Work 模式、Codex 还是全平台都能做？

Tara Seshan：在 Work 模式或 Codex 里都可以，网页端、手机端随时随地都能用。

主持人：我刚顺手搭了一个关于 Tara Seshan 的 Site。顺便确认一下，你名字是这么念吗？

Tara Seshan：Tara Seshan，发音就像 Session 前面加了个 S。

主持人：聊到这个，还有什么立竿见影的使用小技巧吗？这个 Sites 的技巧太棒了，因为很多人其实还不知道。

Tara Seshan：Sites 确实很好用。另一个我特别喜欢的是 Codex 里的/visualize指令。你用过/visualize吗？

主持人：没用过。

Tara Seshan：/visualize极其好用。你可以输入/visualize，然后说“把我目前的 ChatGPT 使用情况可视化出来”，它就会调取所有历史记录，做出一张非常漂亮的图表。我以前总琢磨怎么拉取数据、做成易懂好用的图表来辅助汇报，Visualize 让这件事变得极其简单，用起来特别顺手。

主持人：这些都是绝佳的例子，说明系统里其实有很多我们还不知道、也没完全搞懂的强大功能。这也是为什么这类播客很有意义——这些细节很难全都写进产品说明里。接下来我想换个完全不同的方向：聊聊写作。

以写作为思考 vs. 以写作为汇报

主持人：录制前我问了很了解你的 Brie Wolfson，请她推荐些有意思的话题。她强烈建议我和你聊聊写作与思考。大家都知道你写的 Brief 极具个人风格、很有代表性。能和我们分享一下，是什么让你的文档这么出色？对于想提升文档写作能力的人，你有哪些实用的建议？

Tara Seshan：在工作中，我非常明确地把写作分成两类：以写作为思考（Writing as thinking）与以写作为汇报（Writing as reporting）。

“以写作为思考”通常是写一份 Brief，探讨我们为什么要立项某个产品、为什么采取某种战略，或者提出一个犀利独到的观点。“以写作为汇报”则是汇总团队这周做了什么、同步项目进展，或者起草一份发布和宣发计划。

对于“以写作为汇报”，我很乐意用 AI 去做自动化，或者借助模型把它变得越简单越好。但“以写作为思考”，我绝不会交给 AI。列出大纲、把想法组织成通顺的段落、删改润色并反复迭代，这一套动作是我理清自己思路最关键的步骤。

大多数人习惯一刀切：“我写东西绝不用模型”，或者“我所有文档全靠模型写”。这两种极端都不可取。

做汇报类写作时，能多用模型就多用；但如果你和我一样是靠写作来推演思考的，你绝不能用模型来替代自己的思考。

过去，我会找个安静的地方闷头写一份关于新想法或新产品的 Brief，花很多时间去打磨，然后拿着它四处找人聊，让大家来挑刺、找漏洞，把论点磨得更扎实。接着我再带着改好的版本去找下一个人，重复这个过程。

在 Stripe 时我经常这么干，无论是启动一个新的产品方向、提议一次重大调整，还是分析某个难题并给出解决路径。

Stripe 有着非常棒的文档文化。像 Jeff Weinstein 这样的人非常喜欢在内部写 Brief、分享 Brief。在 Stripe，一份出色的 Brief 是能在全公司引发病毒式传阅的。“以写作为思考”在那里备受推崇，我的绝大部分写作习惯也是在那儿培养出来的。

在 OpenAI，我依然时刻把写作当作思考的工具，但拿出来分享的成果，通常不再是一篇长篇大论或所谓的“工作量证明”。

时代变了：长文档不再能证明你把事情想透了，因为现在任何人都能轻而易举生成一份长文，反而暴露了你根本没过脑子。

我日常工作中感受最深、最不习惯的一个变化是：过去我习惯在文档里推演，把它转成演示文稿，以此证明自己想明白了；而现在，我更聚焦于“要看原型，别看文档”（Mocks, not docs / Prototypes, not docs）。

如果大家能实际去上手操作某个原型，或者我们已经有了 A/B 测试的结果，这些东西的沟通效率远胜于文档本身。我私下依然会写成百上千篇文档，但那只是写给我自己看的，不再是我向他人沟通的核心载体。

主持人：我很认同你说的“多去收集反馈”。一份真正标杆式的 Brief，往往是通过在反复迭代中不断吸取反馈磨出来的，而不是一上来就给出一份看似无可挑剔的终稿。

Tara Seshan：我之前的一位主管曾告诉我：先把文档写到七成，然后拿着它去找你需要争取支持的人，一起把它从 70% 打磨到 100%。我现在依然经常这么做。

真正优秀的人很少愿意去对接一个已经被打磨得滴水不漏的成熟方案。过于完美的方案往往会把别人的好想法弹开；而一个带点粗粝感的半成品，反而能给对方留出和你一起雕琢的空间。

把文档作为载体，把大家拉进思考和共创的流程里，是我发现的最有效的协作方式之一。

主持人：你怎么看“AI 导致大脑退化”（AI Brain Rot）或者对 AI 的过度依赖？大家在享受这种魔法的同时，很多人都会面临丧失长文阅读和深度写作能力的挑战。你自己平时会做些什么来避免这种情况吗？

Tara Seshan：坚持“以写作为思考”，是我日常防止自己思考能力退化的核心习惯。汇报类的写作我尽量外包给模型，但用来推演思考的写作，我必须自己动手。

我有一个个人习惯：如果要让别人花时间读我的文档，我自己起码得提前读过等量的遍数。开会也是同一个道理：如果要召集大家开会，我在会前付出的准备时间，起码要等于所有人参会时间加在一起的总和。

为了保持思维敏锐，我一定会亲自起草第一版，确保自己投入的时间不少于读者阅读时花的时间总和。我不会指望模型来润色我的文笔（坦白说，我觉得它在这方面写得并不出彩），更绝不可能让它来写第一版草稿。

不过在中间环节，我确实会用模型来做总结、做格式转换、调研具体细节、补充或调取数据，以及让它向我的想法提出质疑和反驳。

主持人：也就是说：核心的想法、Brief 或方案必须由人亲自来写。不要让 AI 起头，也不要指望靠它来提高文笔，把这些纯粹留给人自己。

Tara Seshan：至少对我来说，我坚持“始于自己，终于自己”。中间过程可以借助 AI 来查资料、调用数据或挑毛病；但一篇文章的起点和终点必须在你自己手里，只有这样，你的思考能力才不会退化。

在动手做产品前，先打磨好商业叙事

主持人：关于 Sutter Hill Ventures，我还想问最后一个问题。你之前经历过一段挺特别的职业转折：从 PM 和创业者，转去知名风投 Sutter Hill Ventures 做了驻场企业家（EIR）。Sutter Hill 走出了许多非常成功的公司（比如 Snowflake），而且在创立和孵化公司方面有一套独特的打法。那段经历是怎么回事，你从中收获了什么？

Tara Seshan：Sutter Hill 是一家很有声望的机构，而且他们特意保持了一种“让人摸不透”的低调。去他们的官网上看，你几乎什么都看不到。他们做事不高调，尽量避开外界的注意，行事极其克制，但硅谷一些最具代表性的成功企业正是出自他们之手。

他们有一套不寻常的孵化模式，是由合伙人 Mike Speiser 开创的，并且接连取得了巨大的成功。

最让我触动的是，大多数人通常把找到 PMF 或打造一家几百亿美元规模的公司看作一种“玄学”——觉得全靠运气、机缘，或是各种偶然因素碰巧凑在了一起。但 Mike Speiser 却能把这件事反复做成好多次。这说明背后显然是有方法、有路径、有一套可以把成功不断复制出来的确定性动作的。它绝不只是运气或玄学。

这套打法确实存在于 Sutter Hill 内部。他们摸透了如何在做大决断、下大赌注时保持高胜率，也掌握了如何通过日常那些具有复利效应的具体动作去打造一家成功的公司：包括搭建企业级销售团队、做产品定位、组建最初的创始团队以及招人。

Sutter Hill 的招聘能力无与伦比。他们内部有一套名为 Reticle 的秘密工具，绘制了一张图谱，记录了他们接触过的所有人、以及这些人接触过的最顶尖的十个人。这让他们在招人时效率极高。

我之所以去 Sutter Hill，是因为我的职业生涯始终在尽可能多地去寻找 PMF：无论作为创始人、在 Stripe 开辟新产品，还是加入 Watershed 这样的初创公司。Sutter Hill 已经摸清了如何在 B2B 领域找到 PMF，我想尽可能向他们学习。

主持人：那你学到了什么？除了“他们确实有一套成体系的打法”之外，你最有体会的一点是什么？

Tara Seshan：寻找 PMF（产品与市场契合）固然重要，但我过去确实严重低估了Product-Marketing Fit（产品与营销定位的契合）——也就是说，你如何在市场上讲清楚这款产品、如何做营销，其优先级甚至可以先于产品的实际构建。

这种契合来自于把对底层技术、企业销售流程以及 Product-Marketing Fit（也就是叙事和定位）的深刻理解结合在一起。在真正动手做产品体验之前，最应该拿去测试的恰恰是这套叙事。

去跟 100 个人做推介（Pitch），尽可能打磨你的说辞，把“为什么这个东西具有变革性”的营销叙事讲透。只有把这点做扎实了，再去确定产品具体的形态。

Mike Speiser 在这一点上极其厉害。我过去总觉得产品营销（PMM）的工作没那么重要，以为它只是各职能之间的润滑剂；但后来我意识到，这个领域如果做得足够出色，对一家公司的发展会产生多么深远的影响。它很可能就是决定一家公司能否最终走出来的关键要素。

主持人：关于定位（Positioning）的重要性，我完全赞同。我们在播客里也经常聊到这个话题。

知识工作需要过程检验

主持人：你还有没有其他想深入聊聊的话题？

Tara Seshan：在做产品时，尤其是在当前阶段打磨 ChatGPT Work，我们一直在思考的一件事是：知识工作（Knowledge Work）与写代码（Coding）在底层逻辑上究竟有什么本质不同？

编程是非常结果导向的：当你让它去完成一个编码任务，你可以通过测试直接验证它做得对不对。你可以直接运行代码看看行不行，能够基于最终产出来检验结果。

但知识工作完全不同。我不能只看最后生成的 PPT 里的数字，就觉得差不多完成了 90%。我必须清楚中间的过程、输入了哪些数据、背后的推理逻辑，以及它是怎么一步步得出这个结论的。

所以在产品层面，我们必须不断针对知识工作的这一特点进行适配。

这意味着我们要更多地把 ChatGPT 塑造成一个协作者：让你能看到进行中的工作、引用来源和输入的数据；带你和模型一起走过得出结论的全过程；确保你清楚最终的结果是否准确、可靠且真正有用。

这不仅体现在交互体验（UX）上，也体现在推理和思维链的设计上。比如在推导过程中，是否应该展示更多引用来源来说明它是如何得出最终结论的？适合写代码的对话流界面，对知识工作来说是不是最好的呈现方式？

这里有很多重要的产品问题需要探索。当我们考虑把更多同事拉进协作网络的同时，也需要让模型成为能和你一起把事情办妥的协作者。

主持人：这让我想到在管理层会议上做方案汇报时的场景：“这是我认为我们该做的事情。”在那种场合下，汇报很大程度上是为了让管理层看到你为了得出这个结论所做的工作和每一个推导步骤。

所以，AI 也需要向人展示这种过程证据（Proof of Work）；而在写代码时，大家往往不需要知道每一个架构细节，只要代码能通过测试就行。

这点说得很到位，准确指出了两种工作流的差异。上下文同样关键：它有没有所需的上下文？能不能读取你的邮件、看到你的 Notion 文档以及其他内部系统？

Tara Seshan：正是如此。

主持人：确实是这样。我能体会到你工作中的挑战，要把这些全做进同一款产品里确实不容易。在进入快问快答之前，还有要补充的吗？

Tara Seshan：没有了，我们直接开始吧。

主持人：最近有没有发现什么特别有趣或好用的 AI 产品？尽量推荐非 OpenAI 旗下的产品，当然你想顺带提自家的也可以。

Tara Seshan：我最常用的 AI 产品当然还是 ChatGPT，比如用 Sites 功能和 Codex 里的 Visualize。

在 OpenAI 之外，我最喜欢的 AI 产品其实是身边的朋友们为我做的一些小工具——因为在现在的技术条件下，个人完全有能力自己做软件了。

我非常推崇“舒适软件运动”（Cozy-software movement）——也就是为身边的几个朋友做专属的小工具，大家一起用。

我有个叫 Sebastian 的朋友做了一款很棒的 AI 工具，能把任何文本内容转成播客音频，并同步到一个小巧的播客应用里；他还为我们几个朋友做了一个叫 Gats 的私密社交网络。这正是我认为未来该有的样子：大家亲手做软件，满足自己和朋友的真实需求。

主持人：Gats 这个名字是什么意思？是你们圈子里的暗号吗？

Tara Seshan：不是，或者至少就算有暗号我也不知道。它就像专属于小圈子朋友的私密版 Twitter，我在上面能学到很多有趣的新东西。

主持人：听起来有点像 WhatsApp，但又不太一样。

Tara Seshan：确实是这种感觉。

主持人：刚才提到的那个播客转换工具很有意思。我很想要一个这样的功能：能把平时想读的内容直接生成音频，作为新单集同步到我常用的播客订阅源里。

Tara Seshan：它实现的就是这个效果，可以直接把音频导入你的 Apple Podcasts 订阅列表里。

主持人：太想要了，怎么才能用上？

Tara Seshan：没问题，回头给你安排。

主持人：最后两个问题。在工作或生活中，有没有哪句话是你经常回想的人生座右铭？

Tara Seshan：我的座右铭来自 Toni Morrison 在《你做的工作，你成的人》（The Work You Do, the Person You Are）一文中提到的四点：

无论做什么工作，都要把它做好——不是为了老板，而是为了你自己。
是你定义了工作，而不是工作定义了你。
真实的生活在于你的家庭。
你并不等同于你做的工作；你就是你自己。

主持人：听得我起鸡皮疙瘩了，太有力量了。我记得这句话一直置顶在你的 Twitter 主页上？

Tara Seshan：是的。

主持人：我们稍后会把截图打在屏幕上。这确实是个很好的提醒方式：把它置顶在 Twitter 最显眼的地方，每次打开都能重新看一遍。

最后一个问题：你当年曾入选过 Thiel Fellowship。那真是一个人才辈出的圈子。回想起那段经历，有没有什么令你自豪的故事？当年的面试是什么样的？

Tara Seshan：Thiel Fellowship 是我人生的重要转折点。如果没有那段经历，我绝对走不到今天。

在人生的关键时刻，有时真的需要有人鼓励你把野心放大；当你真正迈出那一步时，整个人生都会发生改变。当年正是有人走到我面前，拉高了我的野心，告诉我：“不，你能做成这件事，你没必要走原来那条循规蹈矩的老路。”对此我永远心怀感激。

当年同期的 Thiel Fellow 中，有一位我现在依然每天紧密共事的同事——Ari Weinstein。他曾创办过一家叫 Sky 的公司，后来被 OpenAI 收购；在此之前他创办的企业被 Apple 收购，他在 Apple 也工作了挺长时间。

Ari 是我见过最具创造力的人之一，对 Mac 上的各种玩法了如指掌。Ari 目前在 OpenAI 负责许多 Computer-Use 方面的工作，主导上线了不少很棒的功能。他的创造力、对工作的热情以及对自己手艺的钻研一直激励着我。Ari 是个很酷的人。

主持人：趁你在回忆当年的事，我先向不太了解 Thiel Fellowship 的听众快速介绍一下背景，如果说得不对你随时纠正我：Peter Thiel 当年主张年轻人不一定非要上大学，而是应该直接去放手做自己想做的事。入选者可以拿到 10 万美元，条件是从大学退学，全力以赴去追逐自己的野心。大致是这样吧？

Tara Seshan：完全正确。当时每届选 20 个人，因为项目全称就叫“20 位 20 岁以下青年”（20 Under 20）。

主持人：这个项目办了多少年？现在还在继续吗？

Tara Seshan：据我所知目前依然在运作。前四五年里一直严格保持在每届 20 人的规模。

我们那届发生过一件挺疯狂的事：我是第二届入选者，当时 CNBC 决定拍一部纪录片。我当年为了争取入选在台上演讲介绍创业构想的全部过程，至今完整挂在 YouTube 上。如果有人想看一个 19 岁的年轻人在台上出糗的样子，搜一下就能看到。

我们那届最出色的代表人物之一是 Dylan Field，他不仅极具才华，为人也非常谦逊友善。能和这群优秀的人共同经历那段时光，我感到很幸运。

主持人：Dylan 确实是大家提到 Thiel Fellow 时最先想到的代表人物，太有辨识度了。Tara，今天的对话非常精彩！最后有什么想向大家推荐的吗？听众们可以在哪些方面帮到你？

Tara Seshan：大家一定要去试试 ChatGPT 桌面端应用和网页端，亲自体验一下全新的 Work 模式。虽然目前它只是一个小开关，但强烈建议大家切过去试试：让它做点好玩的事，比如为你量身定制一个个人专属 Site，或者用 Visualize 生成一张你的 ChatGPT 使用分析图。这是切身体会这些前沿工具能力的绝佳方式，应用场景非常广阔。

主持人：我有个更好的主意：直接让它生成一个 Site，专门告诉你“用 Work 模式都能做些什么”。

Tara Seshan：这完全可行！

主持人：直接解决所有问题。你刚才还想补充什么？

Tara Seshan：我最想推荐大家去下载 ChatGPT 移动端 App。坐长途地铁或者去没有信号的地方时，等重新连上网络，你会发现模型已经在云端把事情帮你办妥了。

那种感觉非常神奇。你再也不用整天抱着一台开着的笔记本电脑到处跑了，我们终于拥有了能在云端后台自主运行、帮你处理真实复杂工作的工具。

主持人：这一点绝对是目前移动端被低估的核心能力。这种云端异步处理是移动端独有的吗？

Tara Seshan：不是，全平台都可以。

主持人：在手机上打开 ChatGPT，切到 Work 模式，下发任务，你甚至不需要把 App 留在前台；它会在云端继续跑，直到任务完成，之后你可以随时回来继续跟它沟通。这个功能用起来很轻巧，但背后非常强大。

Tara，在结束之前，还有什么想说的吗？

Tara Seshan：没有了，今天聊得很开心！

主持人：太感谢了，今天的内容非常干货！很感谢你能抽出时间来，和你交流非常愉快。回顾你从当年获得奖学金一路走来的历程，确实让人感触良多，稍后我会在开场白里向大家详细介绍。再次感谢你的到来！

Tara Seshan：谢谢你，Lenny！