Created time
Feb 19, 2026 02:52 PM
category
library
date
Jan 8, 2026
status
Published
icon
password
slug
ai-product-managers-core-skills-nan-yu
summary
AI时代产品经理最重要的技能在于理解人类情感与AI协同工作能力，尤其是产品品味、品牌意识和情商等人性化技能。
tags
产品经理
type
post
刚刚刷到一个新鲜出炉的播客，Linear 产品负责人Nan Yu的访谈分享。很有启发，搬运一下文字总结⬇️（原视频在油管）
播客中提到，Linear 服务着包括 OpenAI、Ramp 在内的超过 15000 家公司，但自己却只有两位 PM。他说Linear很早就预见到许多传统 PM 工作正在被 AI 侵蚀，所以刻意放慢了招聘。
Nan Yu把AI时代产品经理的核心技能分为3类：
第一类：AI 无法取代的技能，核心是“感性”
这些技能都和人的情感、直觉、人际关系深度绑定，AI 短期内还摸不到边。
- 产品品味 (Product Taste)：这不是逻辑分析，而是一种近乎“蜥蜴脑”的直觉。你看到一个产品或交互，能立刻感觉到用户会喜欢还是讨厌，然后再反向推导出背后的原因。
- 品牌 (Branding)：这包括产品品牌和个人品牌。前者是如何通过命名、设计等微小触点，在用户心中建立情感共鸣；后者则越来越重要，尤其在 AI 领域，很多时候是创始人的个人影响力先于产品本身获得了市场认知。
- 主人翁意识和风险偏好 (Ownership & Risk Appetite)：只对结果负责是不够的，你还得敢于为了追求最佳结果而承担风险。这意味着你有时会失败，需要有爬起来再战的勇气，尤其是在大公司的政治生态里。
- 利益相关者管理 (Stakeholder Management)：无论公司大小，你都需要争取资源、管理预期、平衡各方势力。这需要你精确计算自己有多少“政治资本”可以挥霍，什么时候该坚持，什么时候该妥协。
- 情商 (EQ)：这是以上所有能力的地基。无论是理解用户，还是搞定内外部的合作者，本质上都是情商的体现。Nan Yu 提供了一个练习方法：把自己代入用户的角色，分析他们的动机、恐惧和激励因素，像经济学家一样思考他们的行为。
第二类：正在被 AI 颠覆的技能，核心是“理性”
这些工作依赖逻辑、推理和信息处理，恰好是 AI 的强项。过去，这些是 PM 的核心竞争力，但现在，它们正迅速商品化。
- 战略与优先级 (Strategy & Prioritization)：这可能是最反直觉的一点。很多人觉得战略是 PM 最核心、最“人性”的工作。但 Nan Yu 认为，所谓的战略思考，很多时候就是画一堆 2x2 矩阵，收集证据，进行逻辑推演。AI 在这方面远比人类更严谨、更高效、考虑得更周全。现在，AI 是你最好的战略“陪练”。
- 数据分析与整合 (Data Analysis & Synthesis)：让 AI 写 SQL、分析数据、找出洞察，已经不是什么新鲜事。过去懂不懂 SQL 是两个 PM 之间的巨大差异，现在这个差异消失了。
- 市场研究 (Market Research)：过去需要咨询公司或实习生花几个月做的行业扫描和初步研究，现在用 AI 工具几分钟就能完成。当然，那种需要和高管吃饭、建立长期信任关系的深度研究仍然有价值，但那已是另一门手艺。 项目管理 (Project Management)：最好的项目经理是什么样的？“注重细节”、“对所有事了如指掌”、“像一台机器”。这些描述听起来就像在说计算机。过去计算机不够智能，无法理解“紧急”这类语义。现在它们能了，AI 的一点点智能，解锁了计算机与生俱来的超强“勤奋”。
- 信息总结与文档撰写 (Summarizing & Documentation)：这两项工作基本已经被颠覆了。无论是整理用户反馈，还是根据代码变更更新文档，本质都是信息的搬运和同步。这种需要极度勤奋但智能要求不高的工作，正是为 AI 量身定做的。Linear 不愿意为此招人，就是想倒逼自己尽早用计算机来解决。
第三类：PM 必须掌握的新技能，核心是“人机协同”
- 上下文工程 (Context Engineering)：这比提示词工程 (Prompt Engineering) 更进一步。你需要思考，为了让 AI 更好地完成任务，应该喂给它哪些信息。
- AI 工作流设计 (AI Workflow Design)：如何设计一个动态流程，让 AI 在正确的时间、通过正确的工具，自动获取它所需要的上下文。
- AI 代理管理 (AI Agent Management)：未来你可能同时管理多个 AI 代理。你需要判断，对某个任务的指令需要多详细？是给个大方向就行，还是需要微操？这直接决定了人机协作的效率。
此外，他还分享了Linear产品里目前如何用AI辅助PM的几个场景：
- AI 作为研究伙伴：通过 Linear 的 MCP（机器可读协作协议），可以直接在 Claude 里对 Linear 项目中的用户请求进行分析。只需一两句指令，AI 就能自动抓取所有相关 issue 和客户反馈，并提炼出核心主题。
- AI 自动化项目管理：Linear 新推出的“产品智能 (Product Intelligence)”功能，可以在问题分类 (Triage) 环节大显身手。当一个新 issue 进来，AI 会自动建议负责的团队和个人，并解释原因（比如“他是这个项目的负责人，处理过很多类似问题”），甚至能直接找出重复的 issue，建议合并。
- AI 成为开发队友：他演示了如何直接在 Linear 的 issue 里 @ 一个名为 Charlie 的第三方编码代理。
- 首先，他问 Charlie 一个关于现有代码逻辑的问题（“我们的系统是否支持周期同步到日历？”）。几分钟后，代理翻遍代码库，给出了肯定的答复。这省去了打断工程师工作的麻烦。
- 然后，他把一个“为个人网站增加深浅色模式切换按钮”的需求，直接指派给另一个编码代理 Codegen。
- 代理自动理解需求、规划步骤、编写代码、修改 CSS，最后提交了一个 Pull Request。PM 的角色从写 PRD，变成了给 AI Agent 下发明确的指令并验收结果。