- Tara Seshan 负责 OpenAI 的 Codex 与 ChatGPT Work 两条产品线,2026 年 8 月 30 日做客 Lenny's Podcast,主题是「AI 的第三时代:持久 AI 同事的崛起」。
- 她的判断:AI 产品走过了对话(第一时代)和编码 agent(第二时代),第三时代的形态是长期共事的 AI 同事,人的角色从划桨转向掌舵,且掌舵的层级会不断上移。
- OpenAI 的产品方法论是只为两三个月后的模型能力而建:为当前模型而建会失败,为一年后猜想中的模型而建同样会失败。
- 数据口径:ChatGPT 周活用户 9 亿(OpenAI 官方 2026 年 2 月宣布);Codex 与 ChatGPT Work 的合并口径用户数达到 1000 万(Bloomberg 2026 年 7 月报道;有媒体指出该口径未区分产品与统计窗口)。
- 她认为野心正在取代执行能力成为新的瓶颈,PM 的新职责是抬高团队野心;「写作即思考」的部分她坚持自己写,只把「写作即汇报」交给模型。
谁在说话:管着 OpenAI 知识工作产品线的人
Tara Seshan 目前的头衔是 OpenAI Codex 与 ChatGPT Work 的产品负责人,和此前上过这档节目的工程师经理 Andrew Ambrosino 搭档。ChatGPT 的周活用户在 2026 年 2 月被官方宣布达到 9 亿(TechCrunch 报道),路透社又在同年 6 月引用 Sensor Tower 数据称其应用月活突破 10 亿。把 agent 能力带给这十亿量级的普通知识工作者,正是她这条产品线的任务。
她的职业路径横跨了硅谷几种典型角色:在 Stripe 六年多,入职时是这家公司最早的三五名产品经理之一;之后在碳核算公司 Watershed 带产品,Watershed 被《时代》杂志评为 2022 年最佳发明之一;更早她是 Thiel Fellowship 的成员,19 岁那年拿了彼得·蒂尔 10 万美元去不上大学、直接做事的资助。她也是 Lenny's Newsletter 首届三位 Fellow 之一,和主持人 Lenny Rachitsky 认识多年。 OpenAI 内部怎么想产品、怎么定节奏,公开渠道的完整叙述不多,她在这场对话里把三层一次讲透:方法论、组织文化、个人工作方式。本文按主题提炼,不按时间线复述。
核心论点一:第三时代的形态是「持久 AI 同事」,人从划桨转向掌舵
她的时代划分是:第一时代的产品形态是对话,第二时代是编码 agent,第三时代「是你和一个持久同事一起把事情做成」。对人的含义是,越来越多工作的未来更像掌舵而不是划桨:agent 负责大量执行,人的角色是让船指向正确的方向。她认为掌舵本身还会不断上移层级,从写一行代码按一下 Tab,到指挥一个完整任务,再到目标层面。
原话里最有她个人色彩的说法是「你给一次方向,然后让 agent 继续煮」——放手让它独立干更长时间,人在更高一层看方向、给反馈。她把同事制的样子描述得很具体:和 agent 共事就像和团队里的人共事,各做一段,互相看进行中的工作,在不同节奏上同步反馈。她还把这事推到多人场景。此前 OpenAI 内部流行把 Codex 的执行线程截图发到 Slack 互相分享,她觉得那不是自然的协作方式,更自然的形态是几个人带着各自的 agent 一起干活。
这个叙事有一个容易被忽略的注脚。她自己强调,让 agent 真正可用靠的不只是模型变聪明,还有大量「不性感」的工程:云基础设施、数据接入、可靠性。她的类比是,一个被锁在房间里、不给 Google Docs 和 Slack 权限的同事不会有任何用处,云端 agent 被隔离在用户数据之外也一样。掌舵叙事成立的前提,恰恰是这些管道工程先铺完。
另一个值得单独拎出的判断是:知识工作和编码有本质差异。编码的输出可以用测试验证,跑一遍就知道对不对;知识工作的产出,比如一份财务模型,没法只看结尾的数字就信以为真,必须审视过程、输入和推理链条。她承认这意味着 Work 模式还有大量产品问题没解决:怎么让用户看到进行中的工作、看到引用来源、跟着模型的推理路径走完一趟。这是她为数不多把自家产品的不完善说得很直白的地方。
核心论点二:只为两三个月后的模型而建
在被问到 PM 在 AI 市场里失去了什么时,她的回答是:失去了做宏大战略的资格。在支付这类成熟市场,你可以推演竞争对手的下一步、从第一性原理严格推理,而且市场会惩罚不够严谨的人。但 AI 市场的变化速度让这套方法失效,她原话的大意是:「你为现在的模型而建会失败,为你以为一年后的模型而建也会失败,两种做法错得一样彻底。唯一可行的建法是瞄准两三个月后。」
替代宏大战略的,是假设-实验循环。她说在 OpenAI,「多产出、重实证」比「学术、重理论」重要得多,与其写一篇博士论文式的长篇论证,不如尽快做出能放到用户面前测的东西。PM 真正的核心工作是磨尖那个假设:什么事决定了产品成或不成立,怎么测,结果怎么回流到下一轮。她引用了 Shishir Mehrotra 的「本质问题」说法:找到那个最关键、最值得验证的问题,其余的战略推演都不相干。
这套方法论被浓缩成 OpenAI 内部的几个 meme。一个是「这是不是以最大加速度推进」,用来拷问项目节奏。另一个是她和 Andrew Ambrosino 常问团队的「你 mainline 了吗」,mainline 的本义是静脉注射,问的是你是不是整天用它来干自己的活,把全部品味投进去,把反馈循环压到最短。第三个和野心有关,放在下一条论点里说。
对这条原则要多说一句:它的前提是她能和研究团队直接对表,知道未来两三个月模型的改进方向集中在编码还是写作。她在访谈里明确说,产品开发要尽量贴住研究议程。外部团队听到的只是结论,拿不到那个信息源,这是照抄这套方法最大的隐藏门槛。
核心论点三:野心成了新的瓶颈
她的观察是,最会用 AI 的人不是拿它自动化琐事,而是拿它扩张自己「能做的事」的边界。过去那种既懂产品又懂工程还懂设计的独角兽人才之所以稀缺,是因为他们能压扁职能之间的翻译损耗,独立把想法变成原型;现在这套能力人人可用。她随手列的清单:转出一组设计、搭一个初始原型、推演定价模型,全都进了个人射程。
参照系是 Patrick Collison 那份著名的不合理高速项目清单。她说现在回看那份清单最震动的地方在于,那些项目全是在 AI 工具出现之前做成的。既然过去能成,工具变量被拉高之后,这类「不合理地快」的事情理应指数级增多,瓶颈不再是执行,而是人能不能想起去试。她引用 Tyler Cowen 的说法:多数人低估了走到对方面前问一句「你能不能做得更野心一点、更快一点、规模大十倍」的影响力。
由此她给 PM 的职责下了新定义:抬高他人的野心。当团队成员说「我们大概能做到这样、这个时间点能交付」,PM 的工作是追问可能性的天花板是不是显著更高。这不是纯粹的鸡血,她自己的经历就是注脚:Thiel Fellowship 对她最大的意义,就是有人在她 19 岁那年走过来告诉她,你可以不走这条既定路径。野心被抬高之后,人就变了。
核心论点四:写作即思考的部分,永远不外包
她把工作写作切成两类。一类是写作即汇报:周报、状态同步、发布计划,这类她「乐于全部交给模型」。另一类是写作即思考:为什么做这个产品、为什么选这个战略,写提纲、落成文字、反复删改的过程,就是她把想法理顺的过程,这部分她从不自动化。原话大意是:「我以写作为思考方式,所以我不会用模型替代它。我自己开头,自己收尾,中间可能让它查资料、推数据、反驳我的想法。」
围绕这一点她有两个具体操作。一是她此前的经理教的:文档只写到七成,就拿着去找关键的人要反馈,打磨到完美的想法会让别人的新想法弹开,毛坯反而能让人跟你一起雕。二是「mocks not docs」:在 OpenAI,长文档不再是思考深度的信号,因为模型能轻松生成一篇看起来想过很久的长文;能被点开试用的原型、能被检验的 A/B 实验结果,才是新的说服工具。她说自己现在仍然每天写大量文档,「但我为自己写,不再为别人写」。
她还给「AI 依赖症」开了一剂自查:如果要叫一群人开会,她要求自己先投入等于与会人总时间的准备。把这条纪律用在写作上,就是自己先把内容读到、写到足够的遍数,再让别人花时间。这套自律是不是最优解可以争论,但它至少和「把思考也外包给模型」的流行做法划清了界线。
编辑判断:这些话要打几折听
第一层折扣来自利益关系。Tara Seshan 管的正是访谈里被反复夸的产品,Work 模式、Sites、可视化命令全是 OpenAI 自家货,而 Lenny's Podcast 与 OpenAI 关系密切,把她的产品评价当作宣传口径来核对,比当作中立评测更接近事实,主播的介绍是「增长最快、也可以说是知识工作者今天最重要的 AI 产品」。一个细节是她说 Codex 团队「操作模式从来没变,是市场追上来了」。这个说法既无法证实也无法证伪,但对自家团队叙事显然有利。
第二层折扣来自信息不对称。「为两三个月后的模型而建」在她的位置上是可执行原则,因为她知道研究议程往哪走;对普通团队,这条原则能迁移的只有姿态,也就是小步假设、快速实验,迁移不了信息优势。读者如果照搬字面意思,等于在不知道牌面的情况下提前下注。
不过有两处她说得比一般厂商诚实。一是承认知识工作没有测试可用,Work 模式在「让用户看到过程」上还有大量未解的产品问题,这是逆着自家产品宣传说出的难点,可信度较高。二是数据口径:Codex 与 ChatGPT Work 的 1000 万用户是合并口径(Bloomberg 2026 年 7 月报道),Unite.ai 等媒体指出它既不区分产品也不说明统计窗口,Reddit 上也有人质疑两个产品并入同一应用后数字被抬高。她引用数字时的从容,和外界对口径的挑剔,这个落差值得知道。
社区的实际使用体验也为「掌舵论」提供了对照。开发者在讨论中的典型分法是:Codex 适合把任务批量丢出去然后走开,Claude Code 适合留在环里跟着进度随时调方向。换句话说,不是所有工作都在走向掌舵,工具形态本身就决定了人和 agent 的距离。掌舵叙事更像 OpenAI 对自家云端 agent 产品的愿景描述,而不是对全部知识工作的描述。 后续值得关注的关键变量
最直接的悬念是入口。ChatGPT 内的 chat、work 与 Codex 三个开关会不会合并,她给了明确方向:北极星是用户不需要做选择,输入任务后系统自动挑对工具。要验证它,看 ChatGPT 客户端会不会撤掉切换开关,以及 OpenAI 在下一场开发者大会上怎么处理 Codex 的独立入口。
更根本的变量是采用率。目前 Codex 加 ChatGPT Work 的 1000 万用户,放在 ChatGPT 十亿量级的盘子里仍然很小;Work 模式对没写过代码的人够不够自然,决定「第三时代」是产品现实还是叙事先行。能验证它的信号,是 OpenAI 是否披露 Work 模式的独立使用占比与留存。
工具之争是第三个变量。2026 年以来开发者社区的口碑确实在向 Codex 倾斜,但留在 Claude Code 一边的理由也很具体:插件生态和技能系统更成熟。第三方开发者调查里的工具使用分布、Anthropic 在生态与定价上的应对,都是值得盯的信号。目前 Codex 已包含在 ChatGPT 订阅里,Claude Code 则需要单独的付费订阅,光是这个价格差就足以左右很多人的选择。 离得最远的是协作形态。她描述的终局是工作变成多人游戏:几个人带着各自的 agent 同场干活。这件事今天没有任何成品,判断依据只能是产品动作:ChatGPT 或 Codex 会不会上线共享 agent 线程、团队级 agent,「持久记忆」能不能在产品端落地。
本文基于 Lenny's Podcast 2026 年 8 月 30 日发布的访谈〈AI's third era: the rise of persistent AI coworkers〉转录整理。