精选金句
我把它看作是所有工作的‘结对编程’（Pair Programming with Claude on everything）。 只要你发现自己在向 Claude 解释背景信息，就停下来思考：我以后还需要再解释一遍吗？如果是，就把它写进上下文文件。 这篇文章有 9000 字，我只用了一天半就写完了。如果没有 AI 协作，这简直是疯了，我绝不可能做到。 Claude 是我的思想伙伴（Thought Partner），而不是我的代笔（Writer）。
内容概要
在本次访谈中，顶级产品管理教练 Teresa Torres 展示了她如何利用 Anthropic 的命令行工具 Claude Code 彻底重构她的工作流。Teresa 不仅仅将 Claude Code 视为一个编程助手，而是将其作为驱动其整个业务运行的“操作系统”。
1. 核心工具链：Obsidian + Claude Code
Teresa 的工作界面非常简洁：左侧是基于 Markdown 的笔记软件 Obsidian，右侧是两个终端窗口。她所有的任务、笔记、研究和草稿都以 Markdown 文件形式存储在不同的 Obsidian 库（Vault）中。Claude Code 通过直接读取和修改这些本地文件，实现了与她工作环境的深度集成。这种“本地文件即数据库”的模式，避开了网页端 AI 工具频繁复制粘贴的繁琐，使得 AI 能够像人类助手一样直接处理文档。
2. 任务管理与研究自动化
Teresa 开发了一个名为 Today 的自定义指令。每天早晨，她在终端输入 today，Claude Code 就会执行一系列操作：
- 同步 Trello：检查团队成员是否在 Trello 上分配了新任务。
- 生成每日清单：运行 Python 脚本扫描任务文件夹，识别过期和当日到期的任务，并在 Obsidian 中自动生成一份 Today.md。
- 科研追踪：AI 会自动检索 Google Scholar 和预印本服务器，根据 Teresa 的研究兴趣生成一份科研简报（Research Digest），并链接到她的每日清单中。
这种高度自动化的系统让 Teresa 能够从琐碎的行政协调中解脱，专注于高价值的决策和创作。
3. 深度写作协作流
Teresa 分享了她如何在 1.5 天内完成一篇 9000 字高质量博文的案例。她的写作并非完全交给 AI 生成，而是采用“结对创作”模式：
- 构思阶段：她在 Markdown 文件中写下零散的想法，让 AI 帮助生成大纲，并要求 AI 扮演“挑战者”角色，提供不同的结构建议（如：案例优先 vs 问题导向）。
- 研究阶段：利用 AI 进行 SEO 关键词研究和学术背景调查，确保文章不仅对人类友好，也能在搜索引擎中获得高排名。
- 撰写阶段：Teresa 亲自撰写段落以保持其独特的“音色”和逻辑韵律，但每写完一章，AI 就会立即进行技术审核、清晰度反馈和纠错。
- 反馈循环：AI 作为一个永不疲倦的编辑，通过不断询问“准备好进入下一阶段了吗？”来维持 Teresa 的创作势能，防止了传统写作中常见的“写完一段就想查邮件”的注意力流失。
4. 上下文工程：三层记忆架构
这是 Teresa 工作流中最具技术含量的部分。为了让 AI 足够“懂她”，她建立了一套严密的上下文系统：
- 全局配置 (.claude.md)：存储跨项目的通用偏好，如“在行动前先制定计划”、“反馈格式要求”等。这确保了 AI 在任何文件夹下都遵循她的基本工作原则。
- 项目级指令：不同的文件夹（如“写作”与“任务”）拥有各自的指令集。例如，在写作文件夹中，AI 被禁止直接重写内容，只能提供反馈；而在任务文件夹中，AI 则拥有创建文件的权限。
- 参考上下文文件 (Reference Files)：Teresa 建立了业务档案、个人简介、目标受众描述等一系列小的 Markdown 文件，并建立了一个索引。她告诉 AI：“只有当任务相关时，才去读取对应的背景文件。”这种按需加载的方式极大地节省了上下文窗口，提高了 AI 的响应质量。
5. 动态维护与进化
Teresa 强调，这套系统不是一天建成的。她的秘诀在于：在每次对话结束时，询问 AI“你今天学到了哪些关于我的新信息，需要更新到上下文文件中吗？” 这种持续的反馈闭环让 AI 随着时间的推移变得越来越聪明。她认为，产品经理必须亲自在这样的技术边缘工作，才能真正理解如何构建未来的 AI 产品。通过将 AI 视为团队的一员进行“委派”和“赋能”，人类可以将精力集中在最核心的创造性思考上。