个人效能、判断力与职业
第二大脑/个人 copilot：†second-brain-chatgpt-projects-setup、ai-copilot-four-step-setup、gpt-that-thinks-like-you（把隐性品味显性化）、model-how-leaders-think、supermanager-five-strategies（Hilary 管理者专版）、context-is-new-interface、second-brain-tailored-communication-reuse。
AI 时代能力配置：†judgment-over-output、†taste-over-building-skill-shift（Anton）、exposure-hours-taste-building（Guillermo 量化品味训练）、vocabulary-as-model-leverage、ai-era-durable-soft-skills（Karina）、system-thinking-durable-skill（Chip）、allocation-economy-model-manager（Dan Shipper）、idea-generation-as-new-bottleneck、frustration-journal-idea-generation、follow-the-drudgery、elastic-demand-job-durability-filter、task-vs-job（Benedict Evans）。
PM 职业专题：pm-job-redefinition-ai-era、ai-impact-pm-shape-ship-sync、†ai-impact-inverse-expectation（反直觉：AI 先冲击战略技能而非执行）、everyone-becomes-pm-of-x、pm-value-use-case-taste、influence-is-the-10x-skill-ai-era、ai-pm-vs-generalist-pm-definition（+ Marily Nika 系列）、ai-vs-human-pm-tasks-2024、blind-ab-test-ai-vs-human、chatgpt-cant-do-x-fallacy。
求职应用：ai-interview-prep-stack、interview-feedback-loop、story-bank-rapid-retrieval、spiky-pov-earned-secrets、adversarial-ai-feedback、job-to-be-done-interview-strategy、niche-references-humanize-work。
ChatGPT第二大脑配置Second Brain Chatgpt Projects Setup
PM/知识工作者手上的上下文散落在 Slack、Notion、看板、文档、纪要里，每次要做决策或产出物都要重新在脑子里拼装一遍，靠记忆维护上下文既累又不可靠。用 ChatGPT/Claude/Gemini 的 Project(Gem) 功能搭一个"第二大脑"来接管这个存储和检索的工作。
判断力优于产出模型Judgment Over Output
AI 时代个人该把学习时间投在哪：还要学编码吗？什么技能会升值、什么会贬值？
品味重于构建力转变Taste Over Building Skill Shift
当 AI 能在几十秒内把一句话变成一个能跑的产品原型时，重新判断：产品团队/个人真正稀缺、值得投入学习的能力是什么，招人和自我提升该往哪个方向偏移。
AI影响反直觉定律AI Impact Inverse Expectation
纠正一个流传很广的直觉误判——"AI 现在只会写点小东西，以后会先取代执行层/沟通协作类的低层工作"。这个误判会导致 PM 把学习精力错误地押注在"软技能会被淘汰、只要练硬技能"这个方向上。
AI思考伙伴四步配置法AI Copilot Four Step Setup
想把 LLM 从"一次性问答工具"变成长期了解你的角色、团队和项目背景的思考伙伴；解决 AI 输出平庸、每次对话都要重新解释背景的问题。
像你一样思考的GPTGpt That Thinks Like You
管理者的反馈是稀缺资源，且很多判断标准是"凭手感"的隐性品味，说不清就教不会。这个 playbook 把你的隐性标准显性化，做成团队可随时调用的 custom GPT。
领导者思维模拟法Model How Leaders Think
组织低效的经典症状："一封邮件要 10 个人签字才能发"、团队抱怨"不知道公司在发生什么"、执行层无法预判高层反应。Hilary 的判断：这不是流程问题，是向下透明/沟通问题——大家没有共享的"高层如何思考"的模型。
超级管理者五大策略Supermanager Five Strategies
AI 提效讨论几乎都面向 IC（"super IC"），管理者的日历爆满、反馈带宽有限、辅导只能覆盖高优先级场景。这个框架回答：管理者如何用 AI 放大自己的管理杠杆，同时保留管理的人性面。
上下文即新界面Context Is New Interface
解释为什么把上下文外移给 AI 不是"偷懒"或"外包思考"，而是真的能让人想得更清楚——给不愿意用 AI second brain、担心自己会"变笨"的人一个反驳理由。
第二大脑沟通复用Second Brain Tailored Communication Reuse
同一个项目/决定，PM 每天甚至每小时都要用不同的语言讲给不同的人听（市场部要一段公告文案、管理层要三句话 QBR、销售赋能要一份讲价值的 deck、设计师要一份聚焦问题而非路线图的测试脚本）。这个任务本身不难写，难的是"重新装载上下文，记住每个受众在意什么，再翻译成对应语言"——这个反复重新加载上下文的成本才是真正消耗时间的地方。
品味培养曝光时长法Exposure Hours Taste Building
"审美/产品判断力（taste）"常被当成天生不可学的东西。当团队问"怎么培养对好产品的判断力"时，需要一个可执行、可量化的训练方法，而不是"多看多想"这种空话。
术语即模型杠杆Vocabulary As Model Leverage
AI 编程/设计工具让不懂技术的人也能"看起来"生成不错的结果，很多人因此以为专业术语和底层知识不再重要。这个反直觉的结论说明：不是"不用学技术了"，而是学的方式变了——你仍然需要精确词汇，只是不需要精确到会手写实现。
AI时代核心软技能AI Era Durable Soft Skills
"AI 时代该培养什么能力"的建议大多停留在口号层面。这位在 Anthropic 和 OpenAI 都深度参与过模型训练一线工作的研究者,给出了具体、可拆解的判断:哪些原本被认为"硬核"的技能正在被模型追平,哪些"软"能力反而更持久,以及为什么。
系统思维持久技能System Thinking Durable Skill
回答"AI 把编码自动化之后，工程师/学计算机的人到底还要学什么、什么技能不会被替代"这个问题。
AI 时代配置经济模型Allocation Economy Model Manager
判断 AI 时代哪些技能会升值、如何培养人（尤其是新人），以及如何理解"我不信任 AI 干得好所以自己干"这类常见心态。
创意生成新瓶颈模型Idea Generation As New Bottleneck
产品人常年习惯于"我有一堆想法，但做不完/做不快"这个约束条件。当 AI 把"做出来"的成本大幅拉低之后，团队该往哪个方向重新配置自己的核心技能？这个观察指出了约束条件转移之后，真正稀缺的东西是什么。
挫折日记创意生成法Frustration Journal Idea Generation
现在人人都能用 AI 从零构建东西（网站、代码、设计），但很多人反而陷入"不知道要做什么"的"idea crisis"——公司办 hackathon、鼓励员工提想法，结果发现大部分人想不出要做什么。
跟随苦差事原则Follow The Drudgery
预判 AI 会先改造哪些角色/环节；或者为 AI 产品/功能选切入点。
需求弹性职业耐久过滤器Elastic Demand Job Durability Filter
面对"AI 时代我该学什么、进哪个行业"的问题,泛泛的"学 AI 相关技能"没有操作性。这个模型给出一个具体的筛选标准——不是看这个职业"现在值不值钱",而是看这个行业的"需求弹性",从而判断 AI 让人效提升后,这个领域的工作机会是会变多还是变少。
任务与工作之辨Task Vs Job
判断某个职业/行业会不会被 AI 自动化掉：到底 AI 吃掉的是这份工作，还是这份工作里的某个环节。Benedict 认为这是"大家问得还不够多"的核心问题。
AI时代PM职责重塑PM Job Redefinition AI Era
AI 越来越能写代码、做设计、跑分析,PM 是不是会被 AI 替代?哪些技能在 AI 时代会贬值,哪些会更值钱?
PM三维度AI影响模型AI Impact PM Shape Ship Sync
PM 想知道自己日常做的一堆具体工作里，哪些会被 AI 显著取代/赋能、哪些短期内基本不会被动，从而决定该往哪个方向投入学习精力。
人人皆X的PMEveryone Becomes PM Of X
AI 对各行各业创作方式的冲击,似乎有一个共同的模式——理解这个模式能帮你判断自己所在的领域接下来会怎么变。
PM价值用例品味PM Value Use Case Taste
AI 时代 PM 的核心价值到底是什么？招 PM 该看什么、避开什么？PM 职业该往哪进化？
AI 时代 10 倍影响力技能Influence Is The 10x Skill AI Era
判断 AI 时代 PM/产品思考者该把成长筹码押在哪：当执行（写码、做设计、分析数据、记会议纪要）被 AI 大幅接管后，人的杠杆点在哪里。
AI PM 与通用 PM 区分AI PM Vs Generalist PM Definition
区分"普通 PM"和"AI PM"这两个角色的核心差异，帮助想转型或入门 AI 产品管理的人判断自己该补什么能力、该怎么跟研究团队协作。
AI 与人类 PM 能力锚点AI Vs Human PM Tasks 2024
需要一个具体的锚点数据：截至 2024 年中，"最强模型 + 专业提示工程"在核心 PM 任务上与人类相比到底什么水平。可用来校准"AI 何时能接管 PM 工作"的判断，以及追踪此后的进步幅度。
盲测 AI 与人类能力法Blind A/B Test AI Vs Human
想知道 AI 到底离替代「你的具体工作任务」有多近。官方模型 benchmark（数学、语言、代码）回答不了这个问题，而网上"ChatGPT 做不了 X"的结论大多不可信。这套方法给出一个可复制的职业任务级评测流程。
ChatGPT 能力局限谬误Chatgpt Cant Do X Fallacy
如何解读铺天盖地的"ChatGPT 做不了 X"文章/论文，以及如何避免自己在评估 AI 能力时犯同样的错误、低估 AI 对自己工作的替代进度。
AI面试备考工具栈AI Interview Prep Stack
准备高强度的求职面试（作者的例子是 Meta 的 PM 面试）时，怎么系统性地用 AI 工具组合出一套备考体系，而不是零散地问几个问题。
面试反馈循环模型Interview Feedback Loop
求职面试久攻不下时，诊断真正卡点在哪；以及决定把 AI 用在面试流程的哪一环收益最大。
故事库快速检索法Story Bank Rapid Retrieval
行为面试中"明明有经历，现场却想不起来或讲不好"——素材管理和压力下检索是两个独立要练的能力。
尖锐视角与独家洞察Spiky Pov Earned Secrets
AI 普及后，所有认真准备的候选人都变得"polished and competent, yet forgettable"——同质化的礼貌正确。如何在被 AI 拉平的表达里做出辨识度。
对抗式 AI 反馈Adversarial AI Feedback
AI 默认"啦啦队模式"：把平庸的回答夸成 "solid"，该整段推翻的故事只建议"小调整"——导致练习无效，且所有用 AI 准备的人听起来一样。
JTBD 求职面试策略Job To Be Done Interview Strategy
求职面试(尤其是PM这种"什么都做一点"、很难用单一维度和别人比较的岗位)时,大多数人默认的策略是"证明自己样样都好、几乎没有短板",结果就是和其他候选人一起被当成"差不多的一群人"里的一个,靠运气博出线。需要一个能让自己从"候选人池子里的一个"变成"唯一解"的策略。
细节引用人化工作法Niche References Humanize Work
两个互为镜像的问题：(1) 想让自己的工作产出更"显人类"、更不易被 AI 平替，该强化什么；(2) 想识别（或伪装）AI 生成的内容，该看什么信号。