Nan Yu 宣佈離開 Linear 加入 OpenAI，將參與 Codex 與 ChatGPT 的產品工作
Nan Yu加入OpenAI負責產品
Nan Yu 宣佈離開 Linear 加入 OpenAI，將參與 Codex 與 ChatGPT 的產品工作；他稱自己在 Linear 工作四年，並希望把在那裏積累的軟件產品經驗帶入下一階段。
這則公開聲明確認了去向與負責產品，但未披露 Nan Yu 在 OpenAI 的正式職級、彙報關係、入職日期、Codex 與 ChatGPT 之間的具體職責劃分，也未提及其是否直接管理兩條產品線。
Nan Yu 是 Linear 早期產品負責人，並曾擔任其 Head of Product；他此前任 Mode 的產品副總裁，並在 Everlane 擔任 CTO，職業路徑橫跨工程、數據產品、消費互聯網與協作軟件。現有公開搜索結果對上述履歷未提供獨立英文一手頁完整覈驗，因此應視爲其既有公開職業背景，而非本次任命公告確認內容。
Linear 在其產品體系中強調小團隊、產品判斷與工程師自主性。Nan Yu 此前公開討論過工程師參與產品決策的組織方式；這一背景使其加入 OpenAI 的信號不只是招聘一名 PM，更是把面向開發者和知識工作者的協作軟件產品方法引入 Codex 與 ChatGPT。
時間點與 Linear 的 Agent 產品推進重疊。Linear 在7月推出 Loops，主張讓 Agent 按時間表或事件觸發持續執行團隊任務；OpenAI 則在 Codex 上推進從代碼補全、單次任務執行，轉向可在更長時間尺度內承擔開發工作流的代理式產品。公開可驗證信息中，Nan Yu 本人未在離職公告中提及 Loops 或“Persistent mode”。
市場機制上，OpenAI 爭奪的不是單一產品經理，而是 Agent 產品的日常使用入口：開發者和團隊願意爲能長期理解項目上下文、持續推進任務、可審查輸出並可嵌入工作流的工具付費。受益方包括 Codex、ChatGPT、OpenAI 企業訂閱與開發者生態；Linear 則失去一位深度參與其產品方法與 Agent 方向的核心負責人。最終資金會流向能把模型推理轉成穩定任務完成率、團隊留存和按席位或按任務收費的產品，而非僅在模型能力測試中領先的供應商。
來源：公開信息
ABAB AI 解讀
Linear 的產品影響力來自其對 Jira 式項目管理複雜性的反向選擇：它強調速度、鍵盤優先、剋制界面與工程師主導的工作流，而非把每一項協作需求堆成通用企業軟件。Nan Yu 從工程師、Everlane CTO、Mode 產品負責人到 Linear Head of Product 的路徑，說明其長期處理的不是抽象模型研究，而是如何讓高複雜度工具被團隊每天自願使用。OpenAI 吸收這類人才，補的是“模型能力到工作習慣”的產品轉化環節。
資本路徑正在從預訓練投入轉向應用層留存。基礎模型的訓練依賴 GPU、數據中心和電力，收入卻必須通過 ChatGPT 訂閱、企業席位、API 調用與開發者工具兌現。Codex 若只是一次性代碼生成器，用戶可以在多個模型之間切換；如果它進入代碼庫、任務隊列、測試、代碼審查、部署和團隊協作流程，切換成本就會沉澱爲上下文、權限、歷史記錄與工作流依賴。OpenAI 把產品負責人安排至 Codex 與 ChatGPT，實際是將消費級入口與開發者入口放在同一商業化閉環中。
歷史對比上，GitHub 的價值並不只在代碼託管，而在 pull request、CI、權限、Issue 與開發者社交圖譜共同形成的工作流；Slack 也不是先靠聊天功能獲勝，而是通過頻道、機器人和應用集成進入組織協作。Linear 的 Loops 代表下一階段：軟件不再只記錄任務狀態，而是讓 Agent 圍繞事件和計劃直接推動任務前進。OpenAI 目前所處的是 Agent 從“單輪生成”向“長期執行、可恢復、可審查”的產品化擴張階段。
本質屬於技術替代：模型不會直接替代開發者或知識工作者，先被替代的是任務分發、信息檢索、狀態更新、重複編碼、初稿生成和流程跟進等可拆分工作。誰能在用戶保留最終審批權的同時，把這些環節串成持續運行的 Agent，誰就能把推理成本轉化爲軟件收入。產品負責人的重要性由此上升：模型負責生成能力，產品系統負責權限、記憶、失敗恢復、協作邊界與用戶信任；缺失後者，再強的模型也難以成爲每天打開的工具。
ABAB News · 認知定律
模型創造能力，工作流決定留存
Agent替代任務，不會自動替代責任
技術越強，產品越決定誰獲得用戶