Nan Yu 宣布离开 Linear 加入 OpenAI，将参与 Codex 与 ChatGPT 的产品工作
Nan Yu加入OpenAI负责产品
Nan Yu 宣布离开 Linear 加入 OpenAI，将参与 Codex 与 ChatGPT 的产品工作；他称自己在 Linear 工作四年，并希望把在那里积累的软件产品经验带入下一阶段。
这则公开声明确认了去向与负责产品，但未披露 Nan Yu 在 OpenAI 的正式职级、汇报关系、入职日期、Codex 与 ChatGPT 之间的具体职责划分，也未提及其是否直接管理两条产品线。
Nan Yu 是 Linear 早期产品负责人，并曾担任其 Head of Product；他此前任 Mode 的产品副总裁，并在 Everlane 担任 CTO，职业路径横跨工程、数据产品、消费互联网与协作软件。现有公开搜索结果对上述履历未提供独立英文一手页完整核验，因此应视为其既有公开职业背景，而非本次任命公告确认内容。
Linear 在其产品体系中强调小团队、产品判断与工程师自主性。Nan Yu 此前公开讨论过工程师参与产品决策的组织方式；这一背景使其加入 OpenAI 的信号不只是招聘一名 PM，更是把面向开发者和知识工作者的协作软件产品方法引入 Codex 与 ChatGPT。
时间点与 Linear 的 Agent 产品推进重叠。Linear 在7月推出 Loops，主张让 Agent 按时间表或事件触发持续执行团队任务；OpenAI 则在 Codex 上推进从代码补全、单次任务执行，转向可在更长时间尺度内承担开发工作流的代理式产品。公开可验证信息中，Nan Yu 本人未在离职公告中提及 Loops 或“Persistent mode”。
市场机制上，OpenAI 争夺的不是单一产品经理，而是 Agent 产品的日常使用入口：开发者和团队愿意为能长期理解项目上下文、持续推进任务、可审查输出并可嵌入工作流的工具付费。受益方包括 Codex、ChatGPT、OpenAI 企业订阅与开发者生态；Linear 则失去一位深度参与其产品方法与 Agent 方向的核心负责人。最终资金会流向能把模型推理转成稳定任务完成率、团队留存和按席位或按任务收费的产品，而非仅在模型能力测试中领先的供应商。
来源：公开信息
ABAB AI 解读
Linear 的产品影响力来自其对 Jira 式项目管理复杂性的反向选择：它强调速度、键盘优先、克制界面与工程师主导的工作流，而非把每一项协作需求堆成通用企业软件。Nan Yu 从工程师、Everlane CTO、Mode 产品负责人到 Linear Head of Product 的路径，说明其长期处理的不是抽象模型研究，而是如何让高复杂度工具被团队每天自愿使用。OpenAI 吸收这类人才，补的是“模型能力到工作习惯”的产品转化环节。
资本路径正在从预训练投入转向应用层留存。基础模型的训练依赖 GPU、数据中心和电力，收入却必须通过 ChatGPT 订阅、企业席位、API 调用与开发者工具兑现。Codex 若只是一次性代码生成器，用户可以在多个模型之间切换；如果它进入代码库、任务队列、测试、代码审查、部署和团队协作流程，切换成本就会沉淀为上下文、权限、历史记录与工作流依赖。OpenAI 把产品负责人安排至 Codex 与 ChatGPT，实际是将消费级入口与开发者入口放在同一商业化闭环中。
历史对比上，GitHub 的价值并不只在代码托管，而在 pull request、CI、权限、Issue 与开发者社交图谱共同形成的工作流；Slack 也不是先靠聊天功能获胜，而是通过频道、机器人和应用集成进入组织协作。Linear 的 Loops 代表下一阶段：软件不再只记录任务状态，而是让 Agent 围绕事件和计划直接推动任务前进。OpenAI 目前所处的是 Agent 从“单轮生成”向“长期执行、可恢复、可审查”的产品化扩张阶段。
本质属于技术替代：模型不会直接替代开发者或知识工作者，先被替代的是任务分发、信息检索、状态更新、重复编码、初稿生成和流程跟进等可拆分工作。谁能在用户保留最终审批权的同时，把这些环节串成持续运行的 Agent，谁就能把推理成本转化为软件收入。产品负责人的重要性由此上升：模型负责生成能力，产品系统负责权限、记忆、失败恢复、协作边界与用户信任；缺失后者，再强的模型也难以成为每天打开的工具。
ABAB News · 认知定律
模型创造能力，工作流决定留存
Agent替代任务，不会自动替代责任
技术越强，产品越决定谁获得用户