产研团队正在经历一次底层重构——翻译链正在消失。
翻译链是最大的组织负债
传统产研分工的本质是一条翻译链（Translation Chain）。PM 把业务意图翻译成 PRD，设计师把 PRD 翻译成视觉稿，前端把视觉稿翻译成页面，后端把需求翻译成接口。每一次翻译都有信息损耗，每一次交接都是等待和误解的温床。
这条链路在过去是必要的，因为”把想法变成可运行的实现”需要专业技能和大量时间。但 AI 正在让这个前提失效。
Jenny Wen 在 Anthropic 观察到的变化已经很具体：设计师花在设计稿上的时间从 60-70% 降到 30-40%，与工程师直接配合的时间从 20% 升到 30-40%，还多出了一块——自己写代码。Boris Cherny 每天发出 20-30 个 PR，没有手动写过一行代码。Anthropic 内部甚至取消了固定头衔，所有人都是 Member of Technical Staff，因为边界已经模糊到不值得区分。
这不是个别公司的激进实验。这是当翻译成本趋近于零时，组织结构必然发生的相变。
这种重构最先在运营后台、企业内部工具这类翻译链成本高、翻译难度低的场景里跑通。2026 年 Q1 之后，模型对复杂前端、视觉与交互的处理能力又跨了一档，toC 前端也进入了这套分工的射程——边界正在持续向外扩。
两个角色，一条更短的链路
重构后的分工只需要两个核心角色——产品塑造者（Product Shaper）和产品工程师（Product Engineer），取代原来至少三到四个环节的串行链路。
当代码越来越便宜，真正变得有价值的是决定写什么。
Cat Wu 这句话点中了重构的根问题——稀缺资源已经从”实现”切换到产品判断力（product taste，行业里也叫”产品品味”）。但这种判断力要落地到组织里，仍然需要拆成两个角色：AI 消除的是翻译成本，不是两类判断的差异。“该做成什么样”和”怎么在生产环境稳定跑起来”需要不同的能力和关注点，前者靠业务判断，后者靠系统能力。混在一个角色里，结果要么是方向不够贴业务，要么是交付质量不够生产级。
| 产品塑造者 | 产品工程师 | |
|---|---|---|
| 谁来做 | PM 或产品向研发 | 后端工程师成长而来 |
| 核心产出 | 可执行规格（可运行的方向定义） | 生产级代码与系统 |
| 对什么负责 | 产品方向、业务意图表达 | 生产级交付、系统可维护性 |
| 简单改动 | 直接验收发布 | 专注高复杂度交付 |
| 核心能力 | 产品判断力 + 编程 Agent + 基本设计直觉 | 领域判断力 + 全栈交付与验证 |
产品塑造者定义方向并直接验证
不再停留在 PRD 和原型图。产品塑造者具备扎实的产品判断力，能用编程 Agent 直接把判断表达为可运行的原型，具备基本的设计直觉。小功能可以从想法做到上线，大功能产出可执行规格（Executable Spec）——可看、可点、可验证的可运行版本——交由产品工程师接手。
需求文档没死，但形态变了。重型 PRD 让位给更轻、更频繁的对齐工具：周度的 metrics readout、一份列出核心用户和取舍原则的 team principles，加上可执行规格本身，足以替代过去厚重的需求文档；只有特别模糊或重度基础设施项目，才需要写一页纸 PRD。
产品判断力落到日常工作里有具体形态：能在 LLM 几乎能做任何事的诱惑里，钉死一个具体用户、一个具体问题、一个具体目标。比如”核心用户是运营，问题是配置三个系统才能上线一个活动，目标是配置时间从 30 分钟压到 5 分钟”——方案在这种约束下会自然收敛，可执行规格才有意义。判断越糊，规格越散，下游评审越累。
这个角色通常由 PM 担任，但不限于 PM。很多技术项目本身就是有产品判断力的研发在主推，研发在早期天然承担了定义需求和验证方向的角色。谁离业务意图最近、谁对”这个功能该做成什么样”有判断，谁就是产品塑造者。当下还有一个时间窗口：有工程背景的产品塑造者格外值钱——能判断一件事多难，简单的一小时做掉，复杂的提前知道成本好排优先级。这个红利不会持续太久，每次模型升级都会重排技能价值，但接下来几个月仍然成立。
可执行规格不是生产代码，但它必须做到：
- 页面结构清晰，核心流程能跑通
- 字段和文案可直接体验
- 能在真实或接近真实的数据下暴露问题
- 产品侧看了就能指出”哪里不对”
这件事的意义远比”PM 学点前端”深刻得多。当需求可以直接在最终介质上被表达和验证时，围绕”你理解错了我的意思”的沟通成本不再是主导成本。 团队不再需要在静态原型上反复对齐，而是在真实页面上收敛问题。
同时，产品塑造者也自然承担一部分简单改动：文案调整、字段增删、布局微调、基于现有组件的小功能拼装。这些改动如果足够简单，可以直接验收发布，不需要再经过产品工程师。最理解业务意图的人获得了直接落地的能力，工程师则腾出精力专注更高杠杆的事。
但这套模式有两条硬约束。一是产品塑造者的判断力直接决定杠杆方向——判断力越强，团队越快；判断力不足，低质量的规格会以更高的频率涌入评审环节。二是只剩”传话和对齐”价值的 PM 会被稀释——AI 已经把这两件事的成本压到接近零，不亲手验证方向、没有产品判断力的人，下一轮组织调整就会被绕过。Cat Wu 面试上百名候选人后判断”多数候选人还活在旧世界”，Anthropic 的内部常态已经是”工程师端到端，几乎不需要 PM”。这是当前最锋利的产品角色压力测试。
产品工程师对生产级交付负责
可执行规格解决了”意图表达”，但上线、稳定运行、可持续维护，由谁负责？
产品工程师接住可执行规格，判断哪些实现可以保留、哪些必须重构、哪些不该上线，打通前后端链路，补齐权限、异常处理、埋点、日志，确保系统具备持续维护和演进的能力。当 AI 把实现成本压到接近零，瓶颈从”写出来”转移到”审得动”——Cortex 2026 基准报告显示团队的变更失败率上升了 30%，正是这个迁移的直接后果。产品工程师的核心能力之一，就是高效评审 AI 产出，并把评审能力固化为基础设施。
这层基础设施有两面。一面是质量护栏：编译检查、静态分析、契约测试、自动化回归套件——构成 AI 工作流的反馈回路，让明显问题在 PR 层面就被拦住。另一面是发布流水线：CI/CD、灰度、文档自动化、回滚预案——让”做完到上线”零摩擦。产品塑造者敢直接发布简单改动的前提，正是这两层护栏足够厚。护栏越扎实，产品塑造者的活动半径越大；护栏松，30% 失败率就是代价。
评审本身也可以借助 AI。Cat Wu 提出过一条具体方法：让模型反思自己的行为。看到 AI 做了出乎意料的事——比如改前端却没做 UI 验证——直接问它为什么。模型常会承认”系统提示有歧义”或”委托给 subagent 却没检查”，这些答案直接告诉产品工程师怎么修 harness。评审不只是 review code，更是 review the review process。
这个角色的核心不是”会用 AI”，而是能借助 AI 高效完成生产级交付，并持续为线上质量兜底。 AI 是杠杆，判断力和系统能力才是根基。这个角色更可能从后端成长出来——长期面对领域复杂度、系统稳定性、可演进性的工程师，更容易把 AI 当成放大器来用；而当 AI 把视觉与交互的实现成本压低后，全栈交付能力是自然的延伸，不再需要另外一个前端岗位来填补。
每个人都离价值创造更近了
容易把这套分工理解成”AI 替代了前端，省了人”。这是最大的误读。
真正发生的事情是：团队里的每个人都离价值创造更近了。
| 维度 | 传统模式 | 重构后 |
|---|---|---|
| 产品塑造者 | 写 PRD、画原型、反复对齐 | 直接在最终产品上表达和验证方向 |
| 产品工程师 | 还原设计稿、翻译需求 | 以 AI 为杠杆，专注领域深耕与生产级交付 |
| 反馈循环 | 需求 → 评审 → 开发 → 验收 | 做出来 → 看一眼 → 改 |
| 团队瓶颈 | 人手不够 | 判断力不够 |
Boris 的印刷机类比在这里同样成立：印刷机出现后，scribes（抄书吏）没有消失，他们变成了作家。印刷品在百年内增加了 10,000 倍。软件也一样——当构建界面的成本趋近于零，需要被构建的东西会指数级增长，而决定”构建什么、为什么构建”的人会变得更重要。
这套模式的边界
绝大多数业务场景都已落入这套分工的射程，但仍有几类场景明显不合适：
- 品牌级强视觉差异化产品——苹果官网、爱马仕这种像素级把控、需要建立独特视觉语言的产品。AI 能做出”好看”，做不出”独此一家”，这部分仍需要顶级设计与前端工程的合作。
- 安全、合规、审计零容错系统——金融核心、医疗、政务这类系统，每行代码都要可追溯、可审计，AI 产出对评审与验证基础设施的要求会高到让杠杆失效。
- 极致性能或底层基础设施——浏览器引擎、数据库内核、操作系统级组件，至今仍是少数专家的领域，与翻译链问题无关。
- 真正全新的交互范式——AI 训练数据里没有先例的东西，模型只能模仿已有模式，原创性必须来自人。
另一条边界在反方向：足够小、且每个人产品判断力都足够强的团队，可以把两个角色彻底融合到同一个人身上——这正是 Anthropic 那种”所有人 Member of Technical Staff”的极端版。多数团队的规模和判断力分布不支持这种激进融合，两个角色仍是更稳的结构。
落地的两条主线
- 让离业务最近的人成为产品塑造者。 目标是：产品侧能独立产出可执行规格，不再需要工程师翻译意图。基础设施和工具训练是手段，独立表达和验证方向的能力是结果。
- 让后端工程师长成产品工程师。 目标是：对生产级交付端到端负责。在接住可执行规格、补齐生产级交付的过程中，全栈能力自然生长。