告别AI焦虑,普通人快速上手AI大模型的3个关键能力

2 评论 3435 浏览 37 收藏 13 分钟

AI时代到来,很多人兴冲冲地加入和体验AI大模型,结果却发现大模型给出的答案并不是自己想要的答案,这是怎么回事儿?想要用好大模型,我们又该怎么做呢?本文总结了三个关键能力,不妨来看。

机器学习项目成功的关键,在于对问题的深刻理解,而非算法的选择。

——彼得·诺维格(Peter Norvig)谷歌研究总监,人工智能专家

24年初开始,围绕大模型如何落地到企业,我进行了大量调研工作,参考了很多行业案例和知识付费课程。

但遗憾的是,很多人仍会对这项新技术持怀疑态度。就在前两天,还有一位产品经理找到我说:

“AI刚出来的时候,我既兴奋又好奇,心想终于能有个帮手分担工作了。我还试着用kimi、文心一言帮我解答问题、生成文档。但几次后发现,AI在具体工作任务上还是很难帮到我。比如让它输出一份调研报告,它给的框架很完整,但内容填充上却很水,还得自己来改,这和网上找个模版有啥区别。经过几次之后,我就只能让AI帮我做一些不重要的事,结果就是食之无味弃之可惜。”

想一想,面对滚滚而来的AI焦虑,你是不是也有过类似的疑惑:

  • 注册了几个大模型产品,但打开后脑子一片空白,不知道怎么和它对话
  • 问了几个问题,发现给的答案就像大厂黑话——看似说了一堆,实际跟没说一样
  • 用软件自带的智能体试了几套提示词,似乎输出比之前好了,但也只限于写公文、发邮件这种文案生成工作,我想让它帮我在审核App的时候提高效率,怎么做?

这篇文章,我想来尝试给出些解法。

我认为:想用好大模型,首先要学的,不是工具、不是提示词,而是要具备业务理解+流程抽象+方法论沉淀的能力。我称之为:业、流、法三步模型

这套方法,源自业内很有名的一句话:

成功的本质,就是把一件正确的事,重复做一万遍。

AI能做的,是重复一万遍。但在这之前,你要先知道什么是正确的事,以及如何正确地把这件事做一万遍。

  • 业务理解,锻炼的是对正确事情的判断力。
  • 流程抽象,锻炼的是把事情做一万遍的自动化能力。
  • 方法论沉淀,锻炼的是把如何正确地把自动化方法传达给AI的能力。

具体怎么做,展开讲下。

第一步,业,具备特定领域的业务理解能力

也就是行业know how的能力。即知道一个行业的商业模式、竞争格局、涉及领域上下游和具体的业务运转方式。

以上面提到的“帮我在审核App的时候提高效率”为例,你要知道应用分发这个领域,都有哪些角色参与其中,再思考平台在其中担任什么职责,靠什么盈利。其中利益分配的链条,如何从开发者,传导到消费者,再到广告商,再到平台方。你也要知道行业里为了争取到最大利益,可能会发生什么情况,出现哪些风险,其中哪些是可能被发现的,可能有办法解决的。这些风险可能有什么特征。

你对应用开发者、平台运营者和用户之间的互动方式越清楚,越能从中发现规律,进而能很容易地步入第二步:流程抽象。

第二步,流,具备把业务流程抽象建模的能力

也就是知道如何用节点+连线的方式,把一个业务的经营逻辑,抽象成:角色+行为+数据+流转线路的形式。

  • 角色。规定完成业务的岗位职责和分工。
  • 行为,规定角色完成一件事,需要做哪些具体执行动作。
  • 数据,规定角色执行前的参考环境,执行后的产出结果。
  • 流转线路,规定角色在什么数据的前提下,执行什么动作,产生什么数据,从而影响到下一个角色。

还是以“帮我在审核App的时候提高效率”为例,简单抽象了一下,可以按这样的结构理解:

  • 角色:开发者、平台审核员、用户。
  • 行为:开发者,提交应用资料和安装包;平台,审核资料确保合规;用户,下载应用、使用产品、提出反馈。
  • 数据:包括应用的类目数据、资质数据、简介数据和产品本身的数据,以及用户下载应用后的反馈数据等。
  • 流转线路,如下图所示。开发者根据要求,产生提交行为,形成待审核数据;审核员读取数据,根据规则,完成审核动作;用户则能看到审核通过的应用,执行下载动作并提出反馈;审核员再根据反馈情况,做出修正规则或回复反馈的动作。

第三步,法,具备把流程事件结构化成方法论的能力

也就是把成功的过程,以结构化文本方式表达出来,本质上是沉淀可复用的方法论。而方法论在AI时代的外化形式,就是prompt。

还是延续上面的例子,想让AI在这个流程中发挥作用,就要给它安排一个角色,让它能参与到流转线路中,作为一个节点,读取数据,执行规则并输出结果。

你的目的,就是尽可能让AI这个角色,帮你执行蓝框所示的行为,让你从你的角色中解脱出来。

假设想让AI帮你执行“审核类目”这个动作,可以怎么描述?

角色:类目审核员

目的:判断类目数据和资质数据,是否匹配类目审核规则

执行流程:

1、读取资质数据

2、提取资质数据的关键信息,如所属行业、证书编号等

3、判断资质数据是否真实有效(对接第三方接口)

4、如果有效,查看资质信息,是否和类目要求的规则相匹配。如:经营范围、员工数量等

5、如果匹配,审核通过,进入下一环节,执行审核应用行为

6、如果不匹配,审核不通过,生成不通过的说明文案,附带不通过原因,输出给审核员二次确认

输出格式:

结论+原因+验证依据

这套方法论一出来,聪明的你一定会发现,它就是一套结构化提示词。

实际上,稍加整理,你还可以把它写成新员工培训资料,甚至作为需求文档提交给技术,写成代码。自然语言和代码之间的转化,也正是大模型的拿手好戏。

看到这里,你可能会问,这是不是太复杂了?

我就想用好大模型,还要先成为领域专家,沉淀方法论,这个要求很多行业资深人士都做不到,我就一普通人,要具备这样的能力,太难了!

是不是现在不懂这些,就没法把AI用起来了?

当然不是。在没有方法论沉淀的前提下用好AI,我再给你三招锦囊:

第一招:拜师学艺,快速上道。

不是去学零星的工具技巧,而是先找到那些已经借助AI,在垂直领域拿到结果的大佬们,向他们取经。

这些大佬们不仅理论知识扎实,也切实让AI帮到了自己。你可以直接找他们请教、模仿他们的做法,先让自己先达到一个“及格线”。当然,这招不是让你满足于平庸,而是帮你快速建立信心,打好基础。站在巨人的肩膀上,你很快就能明白AI的能力边界可以有多宽,及它在你的领域里怎么能大展拳脚。

第二招:记录反馈,不断试错。

用AI的时候,把每次尝试都记录下来。不管结果好坏,这些都是宝贵的经验。

遇到问题了,别急着打退堂鼓。要有那种“我偏不信邪”的劲儿,相信AI一定能帮到自己。带着这个信念找问题、想办法,如果自己搞不定,就找大佬请教,一步步来,总能越来越接近你的目标。

在这个过程中,解决问题的经验特别宝贵,它能帮你在以后遇到类似问题时能举一反三。这种边做边学,边学边改的方法,是提升AI技能的不二法门。

第三招:内化经验,融会贯通。

当你感到自己已经能熟练运用AI,并且实现了预期效果,别到这儿就满足了。要把这个过程中学到的前人经验,结合你的理解和创新,形成一套自己的独门招法。这就意味着你要分析你的做法,找到还能改进的地方,然后不断打磨,不断优化。等招式形成了,它就是属于你的领域沉淀下来的独家方法论。

总的来看,面对AI的来势汹汹,每个人都不应该独善其身。。AI不仅是一个工具,它更像是一位智者,一位导师,引导我们深入理解业务,抽象流程,沉淀方法。但别忘了,AI也是一面镜子,它反映出我们对问题的理解,对工作的热爱,对生活的执着。用好AI,不是一蹴而就的,它需要我们不断地学习、尝试、反思。就像彼得·诺维格所说,机器学习项目的成功,源于对问题的深刻理解。所以,不要害怕开始,不要害怕失败,因为每一次的尝试,都是通往成功的一步。

我坚信AGI的时代一定会到来,积极拥抱这一趋势,不是浅尝辄止,而是深度体验,找到那个最佳解法,等AI真正大规模普及,你一定会由此受益。

你和AI对话的时候遇到了哪些问题?你的业务有没有和AI结合的可能性?如果你有任何关于AI的疑问或建议,不妨发在留言区,我来帮你看看怎么解~

专栏作家

申悦,微信公众号:互联网悦读笔记(ID:pmboxs),人人都是产品经理专栏作家,前360产品总监,起点学院优秀导师。

本文原创发布于人人都是产品经理。未经作者许可,禁止转载。

题图来自Unsplash,基于CC0协议。

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。

更多精彩内容,请关注人人都是产品经理微信公众号或下载App
评论
评论请登录
  1. 这是不是也算是一种汉化的编程呢?程序员是不是学的更快?

    来自湖北 回复
  2. 优秀

    来自安徽 回复