🎙️ How I AI: How this PM uses Claude to handle 70% to 80% of his workday
TL;DR · AI 摘要
产品经理通过Claude和Cowork构建的AI系统处理70%-80%工作，核心依赖架构设计与持续上下文学习。
核心要点
- 系统架构设计比AI工具选择更重要，需实现自动更新与工具集成
- 上下文需持续维护，通过定期更新保持AI认知与实际业务同步
- 自我改进机制通过对比AI初稿与人工最终版本实现能力迭代
结构提纲
按章节快速跳转。
- §引言
介绍Daniel Blum通过AI系统处理大部分工作日的实践
强调架构自主更新和工具集成的重要性
通过持续输入和定期更新保持AI认知同步
通过对比AI初稿与人工版本实现能力迭代
- ›实施挑战
初期需要大量信息整合和上下文建设
- ·成果验证
实现单日完成整周工作量的效率突破
思维导图
用一张图看清主题之间的关系。
查看大纲文本（无障碍 / 无 JS 友好）
- AI助手构建与应用
- 系统架构
- 自主更新机制
- 工具集成
- 上下文管理
- 持续输入
- 定期刷新
- 自我改进
- 版本对比
- 能力迭代
金句 / Highlights
值得收藏与分享的关键句。
The architecture matters more than the AI tool itself.
Context isn’t something you set up once; it requires an ongoing system.
Self-improvement loops learn from the difference between what the AI drafted and what the person actually sent.
🎙️ 我如何使用AI：这位产品经理如何用Claude处理他工作日70%到80%的任务
How I AI
本周来自How I AI的精选内容（How I AI是Lenny’s Podcast Network的一部分）
Lenny Rachitsky
2026年8月31日
我如何将Claude转化为自我优化的产品经理助手 | Daniel Blum（Melio产品经理）
立即收听：YouTube • Spotify • Apple Podcasts
由Optimizely提供支持——营销和数字团队的AI代理编排平台 Jira AI SDLC——通过Jira最大化您的令牌价值
Daniel Blum是Melio的产品经理，他构建了一个自我优化的AI系统，现在该系统处理了他工作日70%到80%的任务。在本期节目中，他详细讲解了Claude和Cowork如何管理他的Notion看板、为他准备每周工作、扫描Slack和电子邮件中的关键信息，并通过学习他的编辑内容（而无需等待明确反馈）进行优化。他解释了自己如何将该系统转化为Melio其他员工只需15分钟即可上手的工具，说明了使用AI构建系统最初几周为何可能感觉进展缓慢，以及最终如何帮助他在一天内完成一周的产品经理工作。
#### 最重要收获：
- 架构的重要性超过AI工具本身。Daniel认为，当系统能够更新自己的核心文件并连接用户已使用的工具时，系统才会真正强大。一旦这些组件就位，无论系统是用Cowork、Codex、ChatGPT还是其他工具构建，都能随时间推移不断改进并变得更有用。他利用Melio已获得授权的工具创建了一个变革性设置，证明底层架构的重要性远胜于选择完美平台。
- 上下文需要持续维护而非一次性设置。Daniel花费数月时间向Claude提供语音备忘录、链接、演示文稿和口头思维导图，为他工作的每个领域构建详细的上下文文件。随后他创建了定期更新机制，每隔几周刷新这些文件。这使Claude掌握的知识与公司实际发生的事之间的差距尽可能缩小。
- Daniel每日简报中最令人印象深刻的部分是它能识别自身知识盲区。每天，Claude都会检查Slack、电子邮件和笔记中出现的陌生术语、项目或目标，这些内容未包含在它的上下文文件中。随后它会向Daniel提出针对性问题来填补这些空白。例如当遇到“settlement cap”这一短语时，Claude已经阅读了相关对话并理解了大致含义，只需Daniel确认具体含义即可保存。
- 个性化AI系统的价值是逐渐积累后爆发式增长。Daniel坦率地承认最初几周的挫败感。系统知识储备不足，工作成果略显偏差，几乎所有内容都需要二次确认。但一旦完成信息整合和上下文构建，回报可能难以估量。他现在可以在一个专注日完成过去需要整整一周才能完成的产品经理工作。
- 自我优化循环通过对比AI草稿与实际发送内容的差异进行学习。Daniel创建了一个每周技能，将Claude的原始草稿与他的最终版本进行对比，利用这些差异来改进未来工作。这类似于Alex Lieberman的“模仿我写作”循环，但更少依赖明确反馈，而是通过观察Daniel的实际行为，从他下意识做出的小幅修改中学习。
- 反馈遥测技术将个人AI工作流程转化为能够自我优化的产品。Daniel的每项技能都会捕捉到使用中的摩擦点。如果他在会话中表示某功能无法正常工作或请求更正，系统会记录这一信号。每周一次，他的改进循环会识别最常见的问题并推荐更新方案。这本质上是对其内部工具的分析系统，为他提供了一种结构化的方式，根据系统在实际使用中的表现进行优化。
- Workstation插件解决了企业在内部采用AI时最大的障碍之一：个性化。Daniel曾目睹多位产品经理在使用Spectacular（他的需求文档生成工具）时遇到困难，因为该工具完全基于他个人的工作习惯设计。为此，他开发了一套入职流程，将每位员工的工具进行关联，绘制同事关系图谱，并在约15分钟内学习他们的语音特征。现在，每位Melio员工都不再从通用系统的基础开始，而是从一个经过个性化调整的共享基础架构起步。
- 当前AI系统最大的局限性在于持久性，而非智能性。Daniel估计Claude已经处理了他工作日70%到80%的任务。但Claude目前仍无法在电脑关闭时在云端持续运行。他正在为此未来做准备，通过训练Claude识别不同任务的“关闭状态”。例如，如果一条草拟的Slack消息不再保存，系统可以推断它可能已被发送。当真正实现自主运行时，Daniel的系统已经能够理解“完成”状态的含义。
#### 本期博客和详细工作流程解析：
Claude Cowork for PMs: My Self-Improving Productivity System: https://www.chatprd.ai/how-i-ai/claude-cowork-for-pms-my-self-improving-productivity-system
↳ Create a Meta-Workflow to Continuously Improve Your AI Assistant’s Performance: https://www.chatprd.ai/how-i-ai/workflows/create-a-meta-workflow-to-continuously-improve-your-ai-assistant-s-performance
↳ Build a Self-Improving AI Morning Brief to Capture Action Items and Learn Company Jargon: https://www.chatprd.ai/how-i-ai/workflows/build-a-self-improving-ai-morning-brief-to-capture-action-items-and-learn-company-jargon
↳ Automate Your Weekly Planning with an AI-Powered PM Assistant: https://www.chatprd.ai/how-i-ai/workflows/automate-your-weekly-planning-with-an-ai-powered-pm-assistant
如果你喜欢这些内容，请回复告诉我你最想深入了解的主题：AI工作流、招聘、增长、产品战略——任何内容都可以。
下周同一时间再见，Lenny
P.S. 想第一时间获取新内容？在你最喜欢的播客应用上点击“关注”吧。