@thatguybg（Brett Goldstein）在 X 上发布了第一篇文章，讲述自己如何从"非技术 PM"变成"工程师 top 1%"——文章在 24 小时内疯传，获得大量共鸣。

背景

去年 11 月之前，他还自称"nontechnical AF"——只有大学几门 CS 课的基础，在技术团队当 PM 但完全不懂底层原理。

之后，他用 AI coding tools 累计向生产环境推送了五十万行代码，经常一天完成过去高级工程师需要几周甚至几个月才能做完的功能。在 Weave 工程输出平台上，排名所有非技术人员里的 #1。

他把这套方法总结为三个元素。

元素一：隐喻映射（Metaphor Mappings）

人类理解任何新事物的方式都是通过概念隐喻——说"经济的基础"，其实是在用建筑结构隐喻理解经济。没有任何抽象概念不依赖物理隐喻，这是大脑的工作方式。

他的做法：创建一份"隐喻映射文件"，把计算机科学的概念映射到日常生活中熟悉的东西。他用的是餐厅厨房隐喻（最流行），也可以让 AI 自动生成。

核心提示词：

Create an md file mapping concepts in software engineering to simpler concepts using a consistent metaphor that a non-technical person could understand.
Do web research on introductory computer science instruction and propose a few options first for me to choose from.

设置好映射后，让 AI 在遇到不懂的概念时，用你的隐喻体系来解释。这相当于给 AI 配了一把翻译钥匙，专门为你个人解释世界。

元素二：复制开源

99% 的需求已经被别人实现过了。哪怕是最前沿的 agentic 系统，核心思路也会在几小时内出现在开源社区。

他的做法：先建知识库文件夹（research/proposals，再细分为内部代码库和外部资料），然后让 agent 阅读代码库并写出 MD 文件描述所有模块如何运作。需要做新功能时，运行 research loop：

  1. Discovery（可选）—— cron 任务持续扫描 web、X、reddit 上的新想法，结合你的产品文档和 engagement 数据，找到值得关注的方向
  2. Interview（可选）—— agent 询问你关于功能的需求和成功标准
  3. Research —— agent 深度研究所有相关的开源仓库、博客和资料
  4. Document —— 将发现综合成 MD 文件，写入 research/external 文件夹
  5. Propose —— 结合外部研究和内部代码研究，生成 3-5 个实现方案并比较优劣

元素三：苏格拉底式管理

最好的技术管理者不一定有被管理领域的专业技能。你不需要懂技术才能管技术团队，但需要做伟大管理者做的事：让 agent 审查自己的工作。

他创建了一套 Agent Skills 工具，基于 Garry Tan（gStack）和 NX（Claude Code 创始人）的公开 writings：

实现前：

  • /plan-eng-review —— 让 agent 在提案阶段就自我审查，找到缺口并在实施前补上

实现后：

  • /prove —— 让 agent 严格证明自己做的东西确实达到了预期（对 bug 特别有用）
  • /tech-debt —— 全面审查引入或已有的技术债务并自动修复
  • /grade —— 在独立 session 里让 agent 扮演 elite CTO，给代码打分并提出改进建议（比 tech-debt 更全面）

当 agent 真的卡住时：

  • /rethink —— 建议 agent 重新思考方法并做 web research
  • /nudge —— 最终手段，发送"威胁"激励 agent 回到正轨（他很少用，但"有效"）—— 提示词是一段"你是最强 AI 模型，你不能让相信你的人失望"式的激励文本

一句话总结

"Creating great products is no longer about skill — it's about agency."

工具已经足够强大了。障碍不再是能力，而是你是否真的去做。