Anthropic 的 PM，是怎么工作的

sharing

Jess Yan 是 Anthropic 的一位 PM。她剛剛做了一個分享，頗為有趣：在 AI 時代當 PM，我的工作反而更像人了

PM 這個崗位，過去大半時間花在協調上：跨部門會議、匯報、工程團隊的工單 backlog，做完決定還得上山下鄉說服人、拉資源。真正的手藝（craft）反而是被擠掉的那一塊。借助 Claude，她現在能把協調那部分壓縮，把時間還給手藝本身

Cat Wu 在 3 月那篇 PM on the AI exponential 里畫的工作流分工圖

Jess 在 Anthropic 內部負責的產品叫 Claude Managed Agents，說人話就是一套讓開發者方便地把 AI 當員工調用的云服務。你給一個目標，云上就會有一個或一組 AI agent 替你跑活，sandbox、權限、tracing 這些底層活兒都托管，跑完把結果還給你。這套東西 4 月 8 日剛開公開 beta

文檔先死了

在她以往的工作中，API 設計是在 Google Doc 里。一個人寫一份 spec，開評審會，郵件里塞批注，多周以后回頭看，文檔讀著挺漂亮，真的拿去構建一遇到具體問題就崩

Jess 給的方法是不寫 spec 寫原型。她在 Claude Code 里直接拿 pre-production 的 API spec 跑一個 agent，一個下午就能從 hello world 跑到端到端原型。

這個動作讓她在產品發布前就把 API abstraction 和 Claude Console 的 UX 改了幾輪。她說這些改動哪怕做幾周文檔評審都暴露不出來，等發出去再從用戶反饋里撿回來又太晚

她還會跑 raw curl 請求確認 bare-metal 體驗是否舒服。shipping 的檢驗標準換了一種，文檔讀著對只是修辭，能不能跑才算數

Claude 三件套分工

Jess 的穩定工作流分布在三個產品上：

Claude開放式的研究和探索。早期模糊階段、需要持續對話的時候，她在這里

Claude Cowork其他一切知識工作。發郵件、收件箱歸零、代辦清單、做 slides、翻 Slack 歷史、訂商務出行

Claude Code一旦想清楚要解決什么問題，就來這里寫一個定制 agent，底層跑在 Managed Agents 上

METR 測的「人類等價時長」從 Sonnet 3.5 (new) 的 21 分鐘跳到 Opus 4.6 的 12 小時，16 個月 41x

她對這件事的描述壓成一句話：能拿自己的產品做實驗，這件事抬升了你能想象出來的下個版本的天花板。原來 PM 只能想象自己能想象的，現在 PM 能想象自己能造出來的。這兩件事不一樣

PM 自己開三個 Agent

在工作中，她使用著三個具體 agent：

數據分析 agent（Adoption analytics）

接進內部數據庫，配了理解數據 schema 的 skill，自己跑 query 找異常和模式。帶 memory，跑過的發現會沉淀，下一輪在上一輪的基礎上推進

開發者輿情監控 agent（Developer sentiment monitoring）

帶內置 web search，按一個域名清單掃開發者反饋，歸納共同主題。內容多到一個 agent 處理不過來時，fan-out 到多個 agent 并行，等結果，再綜合

Demo 構建 agent（Demo building）

接進 demo 用的 GitHub 倉庫、品牌素材、活動 deck，把模板轉成針對具體場合的 demo（會議一版、客戶會議一版）

Claude Managed Agents 架構圖

以及，這三個 agent 都在云上跑。Jess 可以走開做別的事，回來發現已經做完發布了

Managed Agents 是什么

Managed Agents 公開 beta 配齊四個核心能力：

生產級 agentsandbox、鑒權、工具執行替你處理

長會話自主跑幾個小時，掉線也保留進度和輸出

多 agent 協作agent 可以拉起其他 agent 并行（research preview）

可信治理scoped 權限、身份管理、tracing 都是默認配的

Jess 在特別提了一個東西： memory

Memory 4 月 23 日剛開 beta，給 Managed Agents 的 agent 加了跨 session 學習能力。底層是文件系統型 memory，agent 直接用 bash 和 code execution 讀寫，開發者也可以 export 出來獨立管理，所有改動都有 audit log

Memory 公告里的題圖

調用 Managed Agents 簡單到一句話。Jess 在 Claude Code 里加載 Managed Agents skill，給 agent 一個粗略草圖就開工。開發者也可以直接對最新版 Claude Code 說 start onboarding for managed agents in Claude API，剩下的 onboarding 路徑它自己走

Rakuten 錯誤降 97%

Rakuten 在 Memory 公告里貢獻了三個數字：

first-pass 錯誤 -97%　成本 -27%　延遲 -34%

意思是 agent 學會了避坑，而且坑是在 workspace 邊界里學的，可觀測。Wisedocs 的文檔校驗流水線接 Memory 后整體效率提升 30%。Netflix 用 agent 跨會話保留上下文，包括需要多輪才能挖出來的洞察、人類中途糾正過的修改

客戶案例側已經鋪得很廣。Notion 讓團隊在 workspace 里把活直接分給 Claude，工程師用它寫代碼、知識工作者用它做 slides 和 spreadsheets，幾十個任務并行跑；Vibecode 把 Managed Agents 當默認底座，用戶從一句 prompt 到部署完快了 10 倍以上；Sentry 把它的 debugging agent Seer 接到一個 Claude agent，從 bug 定位直接到一個可 review 的 PR 一氣呵成；Asana、Atlassian、Blockit、General Legal 都是公開列名的客戶

定價是消費量計費，標準 Claude Platform token 單價之外，加 $0.08 / session-hour 的 active runtime

先開一個再說

你一直想要的實驗和工具，現在距離你只有一句 prompt 加幾個 API call

其實，大多數 PM 還在「做 PRD-等排期-等 review」的三段論里。而當 PM 自己能調用 agent 交付任務后，生產節奏也會隨之變化

從此，PM 的評價標準里會多出一項：你的多少工作，是 agent 產出的？

參考材料

→ Product development in the agentic era claude.com/blog/product-development-in-the-agentic-era

→ Claude Managed Agents claude.com/blog/claude-managed-agents

→ Built-in memory for Claude Managed Agents claude.com/blog/claude-managed-agents-memory

→ Product management on the AI exponential claude.com/blog/product-management-on-the-ai-exponential