AI产品经理 VS AI时代的产品经理——两条路，找准了才不焦虑
有一个很现实的逻辑：
全世界每家公司，都需要”AI时代的产品经理”。但并不是每家公司都在做AI产品。
谁才是产品经理最大的威胁？
威胁的本质是：当AI把你80%的执行工作都能接手的时候，你剩下的那20%，能不能撑起你的职业价值？
能的人，会在AI时代如虎添翼——因为他们把省出来的80%时间，用在了AI做不了的20%上，质量和深度都上去了。
不能的人，会发现自己的工作被一点一点蚕食，最后发现自己除了”写文档”什么都不会，而文档这件事已经不需要人了。
Cowork&OpenClaw撞在一起，发现了一些有趣的事
最近顺手把 Anthropic 的 Cowork 和最近在 GitHub 上狂飙的 OpenClaw 放在一起比了一遍。越看越觉得——这两个产品像是两种完全不同的”世界观”碰撞出来的结果。
Anthropic大佬分享如何使用Skills[译]
Anthropic 内部工程师 Thariq Shihipar 撰写，深入探讨了 Claude Code 中“Skills”（技能扩展）的本质与应用。作者指出 Skills 不仅仅是 Markdown 文件，而是包含脚本、资源和配置的文件夹，是 AI 智能体发现和使用工具的核心载体。文章将 Skills 划分为库与 API 参考、产品验证、数据获取、业务自动化等九大类别，并分享了关键编写技巧：避免陈述显而易见的信息、建立“踩坑点”章节、利用文件系统实现渐进式披露、以及通过 description 字段精准引导模型触发。此外，文章还讨论了 Skills 的分发机制及如何通过钩子衡量其使用效果，为开发者构建高效 AI 辅助开发流提供了系统化指南。
字节的 DeepResearch 框架，我替你拆开看了个遍
字节跳动 2025 年开源了 DeerFlow，在 GitHub 上发布后直接冲到了 Trending 第一。然后大多数人看了一眼 README，觉得「哇好厉害」，然后关掉了。
这篇文章想做一件不一样的事：把 DeerFlow 怎么实现 DeepResearch 的，逐模块拆给你看。
DeepResearch 到底是什么？一个 PM 用人话解释清楚
DeepResearch 是一个能替你做调研苦力活的 AI Agent。
但它不是那种你问一句它答一句的普通 AI，更不是搜索引擎加强版。它更像一个会自主思考、会拆解任务、会多轮搜索、最后帮你写出完整报告的数字研究员。
Agent 框架那么多，产品经理到底该学哪个？
最近有个问题困扰了我挺久：LangChain、LangGraph、AutoGen、CrewAI、Dify、Coze……光是听到这些名字就头大。是专注深学一个，还是每个都了解一点？
如果专注学一个，万一选错了呢？如果广泛学，又怕学得很杂、没有逻辑，到最后每个都是皮毛，用不上。
这个问题困扰了我挺久，后来想通了一个关键点：这些框架不是竞争关系，是分层关系。