AI 原生组织怎么建：Claude Code 产品经理 Cat Wu 的起步顺序

全文 3,000字 | 阅读约 8 分钟

（访谈片段：Cat Wu 谈成为优秀AI产品经理的方法）

自 2025 年 5 月以来，Claude Code 活跃用户增长近 3 倍，年化营收提升 5.5 倍。 Figma、Rakuten、Intercom 等公司，开始把它接入日常工作流：不是试用，是用起来了。

9 月 14 日，产品负责人 Cat Wu 接受采访。她没讲参数，也没讲多少功能上线。 她讲了一件更关键的事：

一款 AI 工具，怎么从小试验变成全公司都在用？ 不是靠画图规划，也不是靠制定时间表，而是让大家用起来、不断改进它，最后自然发展成了一个完整的生态。

她说，这不是公司的战略布局，而是工具自然成长的过程：

1. 工具先用起来，规范后面再补；

2. 做什么功能听用户的，不按既定计划走；

3. 好用不是因为功能多，而是帮到人；

4. 可持续的，不是堆功能，而是让用户自己创造新用法。

这，就是 AI 原生组织的起步顺序。

不是新建一个 IT 部门，而是让工具在实际应用中证明价值、形成口碑传播。

一、工具先应用起来

Claude Code 一开始不是为了发布，也不是谁定了战略方向。

它的起点，只是一个工程师试着把模型整合到自己的日常工具。

Anthropic 工程师 Boris 在使用内部 API 时，动手搭了一个命令行工具（CLI），想看看 AI 在写代码这件事上，能帮上多少忙。

Cat Wu 当时把自己 20% 的时间拿来加功能，比如接入强化学习环境。她发现这个工具和公司内部很多系统配合得很好，效率确实提升了不少。作为早期用户，她开始主动提供反馈。

她回忆：

“我给 Boris 发了很多产品反馈……我希望工具里这些地方能改一改。当我们决定要把它正式发布的时候，我特别兴奋，马上全职加入了这个项目。”

Claude Code 的成长路径就此展开，但方式很特别：不是写出来的，而是用出来的。

Cat 说：

“一开始用的是他团队的人，然后是整个组织开始用，最后连研究人员、数据科学家、产品经理、设计师……都用上了。”

• 不是先培训、再部署、再推广。

• 而是工具先被用起来，组织结构随之自然形成。

她特别强调一点：我们还没上线，组织内部就已经用开了。

主持人直接评价：

“它就像一个游戏……越用越像超级用户。”

这不是夸张，而是 Claude Code 有意为之。

Cat 解释他们的设计原则时说：

“我们的理念是：新功能不需要上手说明。只靠名字和一句话解释，就能知道它是干嘛的。而且你马上就能开始用。

这种“边用边学”的方式，让用户从自己熟悉的工具开始，自然过渡到高效的 AI 协作模式。

而最关键的是：

Claude Code 有个特别的设计思路。它让自己变得容易被使用，而不是要求用户学会使用它。

这就是成功的关键：

不是让工具去适应组织的旧流程，而是直接融入每个人的日常工作，组织自然就会接受它。

二、功能靠反馈迭代

Claude Code 的更新节奏很快，新功能一个接一个地出现。

但不是因为 Cat Wu 写了一堆 PRD（产品说明文档），也不是公司排了密密麻麻的产品路线图。

而是因为用户一直在提需求，团队立刻能动手试做。

Cat 表示：

“我们很多最好的功能，都是一个工程师原型化一个想法，丢到内部试用。用的人多了，反馈上来了，我们就继续改，最多两三轮就能定型。”

这就是 Claude Code 的迭代方式：先做个小版本，让内部几百上千个员工试用，然后看反应。

这个反应不是情绪，而是行为：

• 有没有人愿意一直用？

• 有没有人主动留言说“这个不错”？

• 有没有人说“还有这个能不能也做一下”？

工具有没有价值，不是你讲的，是用户反馈出来的。

✅ 待办清单功能的诞生过程

你现在看到的 /todo 功能，其实不是 Cat 或 Boris 一开始提的主意。

是团队工程师发现一个现象：

“很多用户用 Claude Code 让模型做 20~30 个修改任务。但模型常常做到一半就停了，比如做了前 5 个就忘了后面。”

他灵光一闪：

“我们能不能像人一样，让模型先写一份待办清单，然后提醒它任务没做完不能停？”

结果惊人。

Cat 分享了观察结果：

“模型真的就照着清单把所有任务都完成了，连顺序都跟清单一样。而且，它的稳定性提升得非常明显。”

但这个功能并没有直接上线。

因为团队发现了一件事：用户用得多，却用得不稳定。

Claude Code 原来只是把清单短暂显示在屏幕上。

Cat 说：用户其实想看清模型的进度，但清单一闪而过，他们想再看时只能向上翻找，很麻烦。

于是，Boris 又做了一个实验版：让待办清单可以随时查看，还能加快捷键，能看到当前进度。

这就是现在你看到的 /todo 指令。

Cat 的总结是：他们不写繁琐的产品文档，也不搞复杂的评审。因为做这些功能，难的不是编程，而是设计出用户真正需要的界面。

✅ 在 Claude Code 团队，筛选代替审批

什么功能值得保留？

标准很简单：真的有人用，能重复使用，遇到类似问题还会想到它。

你会发现，他们的节奏非常像“直播带货”里的选品：

有人下单 → 看谁复购 → 看谁留言 → 看是否适合放进货架

Cat 强调：

“当用户真的喜欢一个功能，这就是一个强烈信号，我们要公开发布。而有些功能我们试了，但最后决定不推出来。”

团队内部怎么收集这么多反馈？

反馈来源不是客服团队，而是 Anthropic 员工的自发参与。他们有个内部聊天室，大概一千人左右。每 10 分钟就有人发反馈，质量都非常高。

甚至工具上线后，很多早期企业客户，也加入了这套反馈机制。

他们告诉客户，请大声说问题，不用夸我们。他们欢迎负面反馈。说出来，我们才知道要修什么。而修 bug 的速度也很快，一般能在一两周内处理完。

在外部社区，他们也用了 Claude Code 自己的功能来做反馈整理：

• Slack 反馈自动汇总

• GitHub 问题自动去重

• 文档更新先由 Claude Code 写第一版，再人工校对10%

举个例子：

“我问 Claude Code：‘哪个客户也提过这个问题？’它会自动去查反馈历史、GitHub issue，然后告诉我相关信息。这样当我们改好了这个功能，就能立刻通知对的人。”

Claude Code 的产品节奏不靠规划驱动，而是一套轻盈密集的反馈回路：

1. 功能先在内部快速试

2. 用户真实使用并主动反馈

3. 工程师直接上手改

4. 验证有效后向外推广

总之，先让工具真正好用，再谈其他。

三、变成组织的接口

很多人以为 Claude Code 就是个写代码的 AI 工具。

但 Cat Wu 看得更深：它不是在堆功能，而是在搭建组织工作的接口。

什么是“组织接口”？

就是让不同角色的人，都能用自己熟悉的方式与工具交互，工具也能适应每个人的工作习惯。

这些接口，有一个很明确的标准：

• 工程师能用，设计师也能用；

• 不只是用一次就完，还能持续使用；

• 不只是人告诉工具做什么，工具也能主动反馈进度。

✅ 简洁界面，个性化体验

Cat 解释为什么选择命令行：终端几乎能访问开发者能触达的一切。只要你用过命令行工具，就知道 Claude Code 能干嘛。

更重要的是，命令行的限制反而成了优势：

• 没有按钮，只能打字，

• 每个功能都得做到简洁、精准、能相互配合。

让用户刚开始不会信息过载，但随着使用深入，会发现它越来越强大。

Claude Code 有个叫 Claude.md 的记忆文件。

每次启动时自动读取，就像快速上手指南。

Cat 说：

“你可以在里面告诉 Claude 你的架构、测试方法、团队习惯……它就像是你的技术简历，帮助 Claude 马上进入状态。”

更有意思的是，你还可以设置个人版。

比如产品设计师 Megan 在自己的 Claude.md 里写：“我是产品设计师，你要把事情解释得更清楚一点。”

这就不是通用工具，而是能懂你的个人助手。

✅ 开放扩展，人人能动手

用户可以添加自定义命令和触发器。比如有人希望 Claude 等待回应时发 Slack 提醒，就可以设置短信、邮件、弹窗提醒。

还有一个重要功能是“子代理”。

Claude Code 可以设定多个子任务代理，比如你要部署、重命名、写测试……每个动作都可以变成一个子代理，在后台并行处理。

用户不用等官方升级功能，自己动手就能马上实现想要的能力。

这套工具设计，正在让不懂代码的人也能动手做事。

Cat 自己就是个例子：

“我作为产品经理，很多小功能我自己动手加，比等工程师来写还快。”

设计师Megan 也一样：

“她原来从不提交代码。但现在可以用 Claude Code 给 Console（API 管理后台）提功能修改建议，还能自己改。”

工具不是变复杂了，而是变顺手了。人人都会用，这就是组织接口的真正价值。

四、从工具到生态

Claude Code 并不止步于命令行。

Cat Wu ：

“我们不是在做一款写代码的助手，而是在做一套可以帮人搭建 AI 代理的工具箱。”

✅什么是工具箱思维？

意味着别人可以用 Claude Code 的基础能力，快速搭建出自己的 AI 助手：法律助手、健康助手、行政助手、财务助手。

这，就是 Claude Code 下一阶段的重心：SDK（开发工具包） 和生态建设。

Cat 说：

“已经有不少外部公司在用这套 SDK，搭建自己的 AI 工具。等这些团队真正把产品做出来，我们会去讲他们的故事。”

✅ 如何确保 AI 会判断？

要让别人基于 Claude Code 搭建各种助手，关键是要让 AI 知道什么时候该做什么。

Cat 举了个例子：

“你问'React 最新版本有哪些更新'，模型应该主动联网搜索。但如果你只是写个函数，就不该查网络。”

为了测试这种判断能力，团队主要关注两个方面：

• 端到端评估：比如跑 SWEBench（一个自动写代码的测试集），看整体表现有没有变差

• 触发评估：看模型能不能在正确的时候调用正确的功能，比如什么时候该搜索网络，什么时候该制定计划

他们会记录模型的每个决定：有没有做该做的动作，做得对不对，是太积极了还是太保守了。

这听起来很技术，但背后其实是一个常识问题：

工具到底懂不懂人说话、会不会自己多想一步。

这就是 Claude Code 的商业逻辑：

从命令行工具，到开发工具包，到企业应用，再到非技术用户。

不追求控制生态，而是成为生态的起点。

结语｜工具会走，组织会变

Claude Code 之所以能成功，是因为有人用，有反馈，有实际应用场景。

从 CLI 小工具，到 SDK 平台，到设计师、产品、营销都能动手的入口，它创造的不只是功能，而是：

• 一套用户愿意复用的能力设计

• 一套组织内部自然传播的协作节奏

• 一套企业外部可以二次开发的共建基础

工具的未来不是叠功能，而是融入工作节奏，适应组织习惯。

Cat 最后说：

“我们不画愿景图，只造自己也想要的工具。”

这句话说的，不只是 Claude Code，也是 AI 原生组织真正的起点：

先做出好用的工具，组织节奏自然就跟上了。

本文整理自Claude Code产品负责人Cat Wu在2025年9月14日的访谈内容。未经授权，不得转载。

星标公众号， 点这里 1. 点击右上角 2. 点击"设为星标" ← AI深度研究员 ⋮ ← 设为星标

参考资料：

https://www.youtube.com/watch?v=jmHBMtpR36M&t=625s&ab_channel=PeterYang

https://www.elenaverna.com/p/the-rise-of-the-ai-native-employee

https://creatoreconomy.so/p/inside-claude-code-how-an-ai-native-actually-works-cat-wu

https://venturebeat.com/ai/anthropic-adds-usage-tracking-to-claude-code-as-enterprise-ai-spending-surges

https://venturebeat.com/ai/anthropic-adds-usage-tracking-to-claude-code-as-enterprise-ai-spending-surges

https://x.com/petergyang/status/1966487035281367177?utm_source=chatgpt.com

来源：官方媒体/网络新闻

排版：Atlas

编辑：深思

主编: 图灵