Andrew Ambrosino 在 OpenAI Codex lead on the new shape of product work 里，把 AI 对产品工作的影响概括成一次流程反转；产品经理PM还会存在吗 的中文解读进一步放大了其中关于 PM、品味和专业分工的争议。Codex 从 2026 年 1 月以来使用量增长 6 倍，周活跃用户超过 500 万，OpenAI 内部接近 100% 员工每周使用，且不只是工程师。这个背景很关键：Ambrosino 不是在抽象讨论 AI 时代怎么做产品，而是在一个几乎全公司都能亲手构建原型的环境里观察组织变化。
实现不再昂贵，混乱开始昂贵
过去的软件流程建立在一个前提上：实现很贵。团队先调研、写文档、画原型，把风险尽量前置消掉，再投入开发。即使敏捷开发已经替代瀑布式流程，底层逻辑仍然是”动手之前先证明值得动手”。
Codex 团队看到的是反面。只要会和模型沟通，非工程师也能从零搭出可运行的东西；对某个急需的功能，公司里可能同时出现 90 个互不协调的探索版本。昂贵的部分不再是”能不能做出来”，而是从这些尝试里判断什么值得留下、哪些可以合并、应该放进哪个产品主题里，甚至一个开关要分成几段。
这也是 Ambrosino 不认同”PRD 已死，原型当立”的原因。媒介成本都下降以后，选对表达形式反而更重要。模糊方向、底层逻辑和业务取舍，仍然适合用文档；需要让人上手验证的交互模式，才适合做原型。问题不在于文档或原型谁取代谁，而是高保真原型已经不再天然代表流程走到了后期。第一天想出来的方案半天就能像成品，团队很容易被它锚定，沿着第一个形状继续修，而忘了更大的方向还没有被充分探索。
品味不是审美，是系统判断
“品味”在这里不是界面好不好看。Ambrosino 借 Paul Graham 穿工装短裤的例子说明：品味有审美层，但更深的是系统思维和方向判断。一个动效的节奏是否符合语义，是品味；一个功能应该属于哪个更大的产品主题、会不会和系统里其他模块冲突，也是品味；当什么都能做时，选择到底做什么，更是品味。
AI 现在写代码进步很快，做设计却经常差一点，原因不只是训练投入。代码更容易打分：能不能编译、测试能不能过、行为对不对，都有相对清晰的反馈。设计的反馈里有人的主观判断，还涉及文化和新鲜感。模型每次都生成 Linear 风格的网站，看起来可能”有品味”，但设计不能永远套模板；软件工程更希望模型多用成熟模式，设计却需要恰当的新意。
更难的是视觉和代码之间的抽象层。一个公司改品牌，浅层做法是逐个改 263 个组件；深层做法是理解哪些组件在语义上同属一类、传达同一种交互暗示，再把变化落到系统规则上。这不是单纯的视觉能力，而是把界面、语义和代码抽象连起来。
死掉的是旧流程，不是流程本身
传统设计流程默认团队通常只负担得起真正构建一次，所以必须在动手前把问题空间和方案空间尽量走完。Figma 把交互原型提前拉进流程，AI 又把完整实现提前拉进来。流程旧形式会失效，但”我们现在处于哪一段”比以前更重要。
Codex 团队内部有 baby Codex：一个大幅简化、但能近似生产交互的代码库，用来快速尝试侧边栏、面板、群聊等变化，而不用每次都碰正式产品。角色也在融合：设计师懂工程，PM 懂技术、会写代码；一个人的角色越来越像”平均时间花在哪里”。但可运行原型不是成品，行为重叠也不等于专业失效。
别把专业岗位扔进垃圾桶
Ambrosino 最担心的是一些公司把”人人都能构建”理解成”专业角色可以取消”。直接砍掉产品角色是糟糕决定，因为产品是一套有实践、失败经验和方法论沉淀的专业学科。会用 Excel 不等于能做财务；会让 AI 写代码，也不等于拥有产品纪律。真正会消失的是以工具熟练度为核心的门槛，比如记语法、熟悉某个工具界面；边界变松是好事，把最佳实践一起扔掉不是。
在这种环境下，产品人的工作更像区域联防。混乱里到处都是点子和原型，自上而下排一年路线图不再可靠；产品人要分散覆盖不同区域，发现空缺，策展、引导、对齐。团队招聘也因此看重能动性和品味：给你无限 token，不是让你制造更多平庸内容，而是要能分辨信号和噪音。
路线图变成等待模型成熟的库存
AI 产品规划的难点在于，功能好不好用越来越取决于底层模型够不够聪明。Ambrosino 的原则是：越短期越细，越长期越模糊；九个月后的精确计划大多是虚假精确。
更实际的做法，是把未来一两年可能做的功能都做出原型，判断哪些以当前模型能力已经可用，先上线；跑不通的先放着，每次模型跃迁后再试。Codex App 如果在 2025 年 11 月以同样形态发布，他判断会失败；2026 年 2 月能成功，关键变量不是外壳，而是模型能力跨过了门槛。
这也带来一个反直觉：一个功能现在不好用，不一定是坏主意，可能只是生不逢时。但过于超前同样危险。早期 Codex Web 偏向”把任务交给模型，等它回来交付结果”，形态太 AGI-pilled（过度押注通用智能），而当时模型支撑不了这样的自由度；更低姿态、会询问用户、留在本地辅助工作的形态反而更适配。一个功能可能要发布六次才等到模型成熟，外形甚至不需要大改。
Codex 想成为工作主基地
Ambrosino 自己使用 Codex 的方式也从写代码转向管理工作系统。早上他会看一份从几千个 Slack 频道里提炼出的日报，让 AI 列出最需要关注的五个问题；2026 年 5 月一系列版本发布时，他用 Notion 列任务，再让 Codex 自动拉取 PR 和 Slack 更新，维护状态追踪器。
这些个人工作流会反向塑造产品。OpenAI 内部很多人都在用 Codex 搭邮件过滤、资料整理、记忆系统；产品团队要判断哪些只是个人流程，哪些应该沉淀成一等功能。Codex 的边界也在扩张：它可以用连接器、内置浏览器、Chrome 扩展或 computer use（直接操作电脑界面）完成任务。一个摄影师用 Codex 剪辑 Premiere Pro 项目：Codex 先直接改底层工程文件，做不到的地方又给自己写了一个 Premiere Pro 扩展，通过扩展控制标记和剪辑动作。这个故事指向两条路径：AI 不一定要取代专业软件，但可以操作现有工具；也可以把网页工具打开在 AI 环境里，再叠加更高阶的能力。
最终愿景不是把所有工作塞进一个聊天框，而是把 Codex 变成开始工作、结束工作、自动化工作的主基地。做表格时连接 Excel，写代码时展开开发环境，处理普通知识工作时隐藏不必要的代码细节。AI 对专业的冲击，不是把专业抹平，而是把门槛从”会不会做”抬到”选什么做、什么时候做、做到什么程度”。