对于非技术背景的产品经理快速上手 AI ,可以参考以下建议:
此外,在将 AI 大模型能力接入微信等应用场景时,非技术从业者需要注意解决模型存在幻觉、胡乱回答的问题。在配置问答机器人时,要关注左侧的 AI 模型、提示词、知识库这三处配置。
对于 AI 产品经理,个人划分仅供娱乐和参考:
总之,AI 产品经理要懂得技术框架,不一定要了解技术细节,而是对技术边界有认知,最好能知道一些优化手段和新技术的发展。产品经理要关注的还是场景、痛点、价值。
推荐你从一个最最基础的小任务开始让AI先帮你按照best practice写一个say hello的示例程序,并解释每个文件的作用及程序运行的逻辑。这样,你可以通过最基础的绝对不会出错的小任务,来学会必备的调试技能。“我在学习写chrome插件。请选择最适合小白上手的技术栈,按照best practice为我生成一个简单的示范项目,但要包含尽可能全面的典型文件和功能。请为我讲解每个文件的作用和程序运行的逻辑。”此处要求AI按照best practice来写非常重要:文件一开始就有良好的组织,后续功能复杂了才不会乱套。还有一个偷懒小妙招:如果你用的是o1-mini,你可以在prompt最后添加这句:“请生成create.sh脚本,运行脚本就能直接创建插件所需要的所有文件。请教我如何运行脚本。”(如果windows机器则是create.cmd)足够勤勉的的o1-mini会为你生成一段超级长的代码,并给出提示,你只需要复制粘贴并执行,一次性生成十多个目录和文件,超方便。[heading2][heading1]2明确项目需求[content]你可以通过和AI的对话,来逐步明确项目需求。(如果你是训练有素的产品经理,可以忽略这一步)“我想要开发一个XXX。你能否像一个高级别的还懂技术的产品经理指导初级产品经理那样,向我提问,帮我梳理清产品功能,尤其要注意可能会涉及到技术方案选择的关键点。请一问一答,帮我由全局到细节逐步梳理。不要一口气问我太多问题。”来来回回的对话后,你可以让AI帮助你梳理出产品需求文档。这样的文档会包含影响技术方案选择的细节,比直接给AI一段口头的需求描述要准确地多。在后续开发的时候每次新起一个聊天就把文档发给AI并告知你现在在做第几点功能,会非常方便。[heading2]
前言在把AI大模型能力接入微信后,发现很多朋友想要落地在类似客服的应用场景。但目前大模型存在幻觉,一不留神就胡乱回答,这在严肃的商用场景下是不可接受的。当我想要解决此问题时,发现虽然资料很多,但是多数太偏“技术向”,对于很多和我一样的非技术从业者来说,犹如天书一般。有落地需求的朋友们,即使完成了通路搭建,也无法真正的应用。落地场景,幻觉是不得不直面的问题。而非技术从业者的小白们,很难找到一个“说人话”的文章,让他们完全了解并应用。而我对此比较感兴趣,同时作为产品经理,有一些用户思维和技术基础。因此我斗胆在整理、学习了多位前辈的成果后,写一篇讲给“小白”们的教程。⚡以下内容,如有错漏,欢迎留言补充、批评、指正。一、对话示例如果我直接讲理论部分,我相信小白强迫自己看了前200字就会关掉窗口。因此,我们先将这个过程具象化。以下是一个问答机器人的界面。这是一个示例,你可以把右侧的对话当做是微信的对话框,这些对话交互是可以在任何一个受支持的窗口下实现的。上方页面左侧画红框的地方,是这个“问答机器人”的配置,右侧是与“机器人”的一轮对话。左侧有三处配置:AI模型提示词知识库。模型、提示词、知识库三者可以想象成:
个人做了一下划分,仅供娱乐和参考。1)入门级能通过WaytoAGI等开源网站或一些课程了解AI的概念,使用AI产品并尝试动手实践应用搭建(对应的画像可能是喜欢听小宇宙APP的播客或浏览AI相关的文章哈哈);以前互联网刚兴起的时候,部分用谷歌的人会比用百度的有优越感,现在可能用AI搜索的更有优越感(当然我感觉都没啥好优越的,都是工具,关键还是看能用工具产出什么)。2)研究级我理解这里有两个路径,一个是技术研究路径,一个是商业化研究路径;对应传统互联网偏功能实现的产品经理和偏商业运营的产品经理,当然最好是同一个人,我一直的理念是产品运营不分家(产品即运营)。这个阶段对应的画像可能是对某一领域有认知,可以根据需求场景选择解决方案,或利用Hugging face等工具手搓出一些AI应用来验证想法;3)落地应用这一阶段我理解的画像就是有一些成功落地应用的案例,如产生商业化价值。对应传统互联网PM也有三个层级:1)负责功能模块与执行细节;2)负责整体系统与产品架构;3)熟悉行业竞争格局与商业运营策略;总结来说,对AI产品经理要求懂得技术框架,不一定要了解技术细节,而是对技术边界有认知,最好能知道一些优化手段和新技术的发展。AI说白了也是工具和手段,我认为产品经理要关注的还是场景、痛点、价值。举一些我们之前做的落地案例(我个人也是在2017年开始关注机器学习,还报了风变的Python课程,不过当时没有深入研究)。