总结AI编码与产品管理学习心得，强调规划、命令复用与快速学习

我从 @ArnovitzZevi 那里得到的主要收获：

1. 高效的 AI 编程植根于好的规划。Zevi 的工作流程（作为非技术 PM）模仿了传统的软件开发流程：在 Linear 中创建 issue，用 AI 探索问题空间，制定详细计划，执行计划，然后使用不同的 AI 模型进行多次代码审查。这种结构化的方法防止了 AI 工具在理解问题之前就急于编写代码，从而导致错误和技术债务。

2. 斜杠命令将工作流转化为可重复使用的提示，并随时间积累。Zevi 的命令（/create issue, /explore, /create plan, /execute, /peer review, /update docs, /learning opportunity）将最佳实践直接编码到他的工作流中。每条命令都包含上下文占位符以及关于输出格式、语气和流程的具体指示。当 Claude 出错时，他会询问系统提示或工具中什么原因导致了错误，然后更新命令，使错误不再发生。

3. 最大的解锁不是更快地构建，而是更快地学习。Zevi 使用一个名为“learning opportunity”的斜杠命令，告诉 Claude 他是一名正在成长中的技术 PM，具有中级工程知识，然后要求解释它所做的事情。这使每一次的错误修复和功能开发都变成了教学时刻。

4. 在跳入 Cursor 之前，先从 ChatGPT 项目开始。对于非技术人员，Zevi 建议先创建一个 ChatGPT 项目作为你的 CTO，向其提供上下文和框架，然后过渡到 Lovable 这样的工具，最后再转向 Cursor。这种逐步暴露的方式帮助你克服对代码的恐惧——通过他所谓的“暴露疗法”——而不是直接跳入那些带有暗色模式 CLI 的开发环境。

5. “slop”问题是人的问题，而不是 AI 的问题。如果你使用 AI 生成输出并在不审查的情况下发布，那是人为错误，而不是 AI 错误。Zevi 完全拥有每一个输出——如果出了问题，那是他的错，而不是 Claude 的错。他通过提供写作风格、要解决的问题以及工作约束等上下文来引导 AI。工具的好坏取决于使用者，懒惰的提示会产生懒惰的结果。

6. 在职业生涯早期，成为 10 倍学习者比成为 10 倍 PM 更重要。在 Wix 的一次产品评审失败后，Zevi 意识到团队期望他快速学习，而不是拥有所有答案。他识别出每个队友的优势——产品感、方法论、系统思维——并将他们作为专门的导师。这使他的失败成为他们的教学机会，他的成功成为共同的胜利，在加速成长的同时获得了资深同事的真正支持。

7. AI 使初级 PM 变得更有价值。Zevi 现在可以处理他的副项目的策略、营销、信息和完整产品实现——这些通常是高级角色才有的职责。这些实践带来的学习速度远超传统初级 PM 角色所能提供的。限制因素不再是想法或战略思维，而是好奇心和学习的意愿。

8. “没有人知道他们在做什么。”Zevi 最喜欢的格言之一提醒我们，即使在 Meta 这样的公司，人们也是在摸索中前进。这种观点有助于减轻压力，并鼓励尝试。