Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

ai如何提升产品经理的工作效率

Answer

AI 可以通过以下方式提升产品经理的工作效率：

  1. 辅助精读论文：能帮助翻译、拆解公式，分析代码等。工具如 https://scispace.com 。
  2. 编写小脚本：如写 SQL 查询、Python 脚本、正则表达式、图片批量处理等。
  3. 撰写产品宣传文案：根据产品宣传渠道写营销文案、营销邮件、产品上架文案等。
  4. 设计和整理调研问卷：生成调研框架，回收非结构化问卷，按指定框架生成指定表头表格。
  5. 进行竞品分析：用 BingChat 或 ChatGPT Browsering 插件，按指定框架对比各项数据，如 DAU、用户结构、市场占比等。
  6. 解释专业名词：很多垂直领域都有不少缩写或行业黑话，可以用 ChatGPT 解释举例、给场景说明。
  7. 优化产品逻辑和代码：写完 PRD 后，让 GPT 从产品和研发两个视角写逻辑代码，既能发现产品逻辑表达问题，也方便 QA 同学测试。

此外，还有以下相关内容：

  1. 银海分享了用 10 个 Prompt 提示词做产品经理 AI 助手，效果平替 PMAI。PMAI 是一款面向产品经理的生产力工具，具有一键生成 PRD、输出解决方案、生成 SQL 等实用功能。产品体验地址：https://www.pm-ai.cn/?utm_source=qoZaR5O 。
  2. 有案例表明，产品经理使用 ChatGPT 优化代码可以显著提升效率。如将一段近 1900 行的 SQL 查询代码的执行时间从 4200 秒缩短到 8 秒，效率提升 520 倍，复杂度降低 6 倍，同时还能保存所有历史数据，报表实现秒开。而且 GPT 还能根据真实业务需求提出与原代码不同的解决思路。
Content generated by AI large model, please carefully verify (powered by aily)

References

产品：产品经理的流程优化

来自向阳乔木老师的调研和分享：今天晚上跟群里几个朋友聊AI对产品经理工作流程的改变。普遍觉得AI能帮助做的事情都很琐碎，有效率提升，但比较有限。几个相对实用的场景：1.辅助精读论文：能帮翻译、拆解公式，分析代码等。工具：https://scispace.com2.写一些小脚本：写SQL查询、Python脚本、正则表达式、图片批量处理等。3.产品宣传文案：根据产品宣传渠道写营销文案、营销邮件、产品上架文案等。4.调研问卷设计/整理：生成调研框架，回收非结构化问卷，按指定框架生成指定表头表格。5.竞品分析：用BingChat或ChatGPT Browsering插件，按指定框架对比各项数据。如DAU、用户结构、市场占比等等。6.解释专业名词：很多垂直领域，都有不少缩写或行业黑话，可以用ChatGPT解释举例、给场景说明。另外，@ApndaLi分享个用法很有趣，写完PRD，他会把每个功能模块让GPT试着从产品和研发两个视角写逻辑代码。这样做，既能发现自己产品逻辑表达问题，也能方便以后QA同学测试。Prompt如下：你现在是一个独立开发者，有着十年的产品经验以及python开发经验，以下是一段产品文档内的部分产品逻辑描述，我希望你能站在1.从产品经理的角度来重梳其中的逻辑，并且给出优化的建议。2.从研发的角度，按照1梳理好的逻辑写出Python代码，按照函数的逻辑来进行书写，你可以先给出你的逻辑思路优化思路，再给出代码”另外，个人觉得AI在创业团队，尤其做出海产品的PM手中价值会更大些。

银海：产品经理AI助手，我用这10个Prompt提示词效果平替PMAI

作者：银海飞书原文[我用这10个Prompt提示词做了产品经理AI助手，效果平替PMAI](https://cskfogs2c7.feishu.cn/wiki/Dm2swP3sJiOkaEkevdAcevLNnLf?from=from_copylink)微信公众号原文：https://mp.weixin.qq.com/s/XZ4XhpEKwcDRBBfINHjUYg[heading2]导读[content]最近，作为产品经理的我，开始研究如何运用AI工具，使得自己的日常工作更加高效、精准和富有创意，希望通过某些AI工具去解决那些重复、机械化的工作，并给自己争取一些深度思考（摸鱼）的时间。产品经理的日常工作内容涵盖了需求调研、产品规划、设计实施、项目协调等等多个方面，而AI工具正是助力优化工作流程、提升工作效率的关键。在一段时间的探索下，我最终找到了一个看起来还是不错的工具——PMAI。PMAI是一款面向产品经理的生产力工具，具有一键生成PRD、输出解决方案、生成SQL等实用功能。具体介绍请看这个工具的视频演示：[8月29日(1).mov](https://bytedance.feishu.cn/space/api/box/stream/download/all/NWocbcuAxoK0wExRDKBczurjnie?allow_redirect=1)产品体验地址：https://www.pm-ai.cn/?utm_source=qoZaR5O

产品：产品经理如何用ChatGPT

这个案例来自微信「夏捞师」，谢谢他的分享。https://mp.weixin.qq.com/s/-8PuLNm5V0ehV3l9DOH0Mw在过去的几个月里，随着ChatGPT、Midjourney、Stable Diffusion等国外产品的快速迭代，以及国内百度、阿里、飞书、网易等大厂发布的大模型，一些设计、研发、自媒体从业者开始感到自危，仿佛他们的工作在AI的洪流中瞬间会被取代。那人人都能做的产品经理（bushi），在这次的AI革命中能做什么？我在第一时间接受和学习了ChatGPT，并在实际工作中进行了一次代码优化的测试。作为产品经理，我选择尝试使用GPT优化代码的原因有两个：首先，我对新技术非常感兴趣，对于GPT模型也非常好奇。其次，企业越来越需要复合型人才，而GPT能够帮助我快速学习和成长。因此，我决定让GPT介入我的实际工作，以提高我的工作效率和技能水平。我选取的CASE是一段SQL查询代码，对应的业务需求是一个使用频次较高的日报。旧代码行数有近1900行，每天更新一次，每次的运行时长在一个多小时，而且只能查询最近一个月的日报数据，业务没法做历史数据的同环比分析。而我作为一个产品经理，缺乏读写和优化这种超长SQL的能力，因此我决定使用GPT，解决性能差和历史数据存档的问题。结果非常的完美，最终的SQL执行时间从4200秒缩短到8秒，效率提升了520倍，复杂度降低了6倍，同时还能保存所有的历史数据，报表可以秒开。我将这个案例分享到社区后，还得到了一位清华大学计算机系数据库组成员的邀请，将本次的优化过程分享给了他们，作为他们研究实际场景的应用case.令人惊奇的是，GPT的优化不仅仅局限于原代码结构，而且还能根据真实的业务需求提出与原代码不同的解决思路。下面详细介绍一下我的整个优化过程：

Others are asking
ai写程序
以下是关于使用 AI 写程序的相关内容： 1. 对于技术纯小白： 从最基础的小任务开始，让 AI 按照最佳实践写一个 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，以学会必备的调试技能。 若学习写 chrome 插件，可让 AI 按照最佳实践生成简单的示范项目，包含全面的典型文件和功能，并讲解每个文件的作用和程序运行的逻辑。若使用 o1mini，可在提示词最后添加生成创建脚本的要求，并请教如何运行脚本（Windows 机器则是 create.cmd）。 2. 明确项目需求： 通过与 AI 的对话逐步明确项目需求。 让 AI 帮助梳理出产品需求文档，在后续开发时每次新起聊天将文档发给 AI 并告知在做的功能点。 3. 在独立游戏开发中的经验： 单独让 AI 写小功能没问题，但对于复杂的程序框架，可把不方便配表而又需要撰写的简单、模板化、多调用 API 且牵涉小部分特殊逻辑的代码交给 AI。 以 Buff 系统为例，可让 AI 仿照代码写一些 Buff。但目前 Cursor 生成复杂代码需要复杂的前期调教，ChatGPT 相对更方便。 教 AI 时要像哄小孩，及时肯定正确的，指出错误时要克制，不断完善其经验。 4. 相关资源和平台： AI 写小游戏平台：https://poe.com/ 图片网站：https://imgur.com/ 改 bug 的网站：https://v0.dev/chat 国内小游戏发布平台：https://open.4399.cn/console/ 需要注意的是，使用 AI 写程序时，对于技术小白来说，入门容易但深入较难，若没有技术背景可能提不出问题，从而影响 AI 发挥作用。
2025-04-19
学AI上钉钉
以下是在钉钉上学 AI 的相关内容： 从 AI 助教到智慧学伴的应用探索： 登录钉钉客户端，在右上角依次选择钉钉魔法棒、AI 助理、创建 AI 助理。进入创建 AI 助理页面后，填写 AI 助理信息，设置完成即可创建成功。 AI 领导力向阳乔木：未提及具体的在钉钉上学 AI 的操作方法。 基于 COW 框架的 ChatBot 实现步骤： 创建应用： 进入，登录后点击创建应用，填写应用相关信息。 点击添加应用能力，选择“机器人”能力并添加。 配置机器人信息后点击发布，发布后点击“点击调试”，会自动创建测试群聊，可在客户端查看。点击版本管理与发布，创建新版本发布。 项目配置： 点击凭证与基础信息，获取 Client ID 和 Client Secret 两个参数。 参考项目，将相关配置加入项目根目录的 config.json 文件，并设置 channel_type:"dingtalk"，注意运行前需安装依赖。 点击事件订阅，点击已完成接入，验证连接通道，会显示连接接入成功。 使用：与机器人私聊或将机器人拉入企业群中均可开启对话。
2025-04-19
有哪些好用的法律ai
以下是一些好用的法律 AI 应用场景和示例： 1. 诉讼策略制定： AI 将基于商标法等相关条款和案例法，为商标侵权案件提供诉讼策略，包括对原告商标权利的分析、被告侵权行为的评估、关键证据搜集建议、法律抗辩点及和解或调解策略。 其他例子： 为专利侵权案件制定诉讼策略，分析专利有效性、被告侵权行为及抗辩理由，提出证明侵权和计算损害赔偿的建议。 针对劳动合同纠纷案件，分析员工权益和雇主责任，提出诉讼策略，包括主张权益、证据收集重点及证明雇主违约行为。 在知识产权许可诉讼中，分析许可协议条款和双方权利义务，提出诉讼策略，包括证明许可协议违反、计算损失赔偿及可能的合同解除条件。 模拟法庭，如模拟商业合同违约的法庭审理，分析双方论点、证据和法律依据，预测判决结果，给出优化法庭陈述和证据呈现的建议。 2. 法律意见书撰写： AI 根据案件背景、证据材料和法律法规，自动撰写初步法律意见书，包含案件事实梳理、法律分析和结论。 其他例子： 针对商业秘密泄露案件，分析法律责任和赔偿范围，撰写法律意见书，提供应对策略。 为计划上市的公司提供关于公司治理结构的法律意见书，确保符合相关法规要求。 就消费者权益保护案件提供法律意见，分析商家赔偿责任和消费者维权途径，制定应对措施。 起草股权转让协议，包括转让方和受让方信息、股权转让份额、价格、支付方式和时间表、先决条件、双方权利义务、保密、违约责任和争议解决条款等。 3. 指令风格和技巧： 可指定 AI 模仿某位资深律师的逻辑严谨和言简意赅的风格，使其提供的信息更符合专业律师的沟通和表达习惯。 运用 PEMSSC 方法，如选择个性化的风格、给出参考或逻辑结构、从多个角度思考、进行总结概括、使用分隔符号区分等。 个性化风格：选择幽默且富有洞察力的风格，融入创新视角。 参考和逻辑结构：在提供法律建议时，采用 SWOT 分析法或 4P 原则等逻辑结构。 多角度思考：在分析商事诉讼时，从市场趋势、竞争对手行为、战略规划、财务状况和市场前景等角度思考诉讼策略。
2025-04-18
AI术语解释
以下是一些常见的 AI 术语解释： Agents（智能体）：一个设置了一些目标或任务，可以迭代运行的大型语言模型。与大型语言模型在像 ChatGPT 这样的工具中的通常使用方式不同，Agent 拥有复杂的工作流程，模型本质上可以自我对话，无需人类驱动每一部分的交互。属于技术范畴。 ASI（人工超级智能）：尽管存在争议，但通常被定义为超越人类思维能力的人工智能。属于通识范畴。 Attention（注意力）：在神经网络的上下文中，有助于模型在生成输出时专注于输入的相关部分。属于技术范畴。 Bias（偏差）：AI 模型对数据所做的假设。“偏差方差权衡”是模型对数据的假设与给定不同训练数据的模型预测变化量之间必须实现的平衡。归纳偏差是机器学习算法对数据的基础分布所做的一组假设。属于技术范畴。 Chatbot（聊天机器人）：一种计算机程序，旨在通过文本或语音交互模拟人类对话。通常利用自然语言处理技术来理解用户输入并提供相关响应。属于通识范畴。 CLIP（对比语言图像预训练）：由 OpenAI 开发的 AI 模型，用于连接图像和文本，使其能够理解和生成图像的描述。属于技术范畴。 TPU（张量处理单元）：谷歌开发的一种微处理器，专门用于加速机器学习工作负载。属于技术范畴。 Training Data（训练数据）：用于训练机器学习模型的数据集。属于技术范畴。 Transfer Learning（迁移学习）：机器学习中的一种方法，其中对新问题使用预先训练的模型。属于技术范畴。 Validation Data（验证集）：机器学习中使用的数据集的子集，独立于训练数据集和测试数据集。用于调整模型的超参数（即架构，而不是权重）。属于技术范畴。 Knowledge Distillation（数据蒸馏）：数据蒸馏旨在将给定的一个原始的大数据集浓缩并生成一个小型数据集，使得在这一小数据集上训练出的模型，和在原数据集上训练得到的模型表现相似。在深度学习领域中被广泛应用，特别是在模型压缩和模型部署方面。可以帮助将复杂的模型转化为更轻量级的模型，并能够促进模型的迁移学习和模型集成，提高模型的鲁棒性和泛化能力。属于技术范畴。 RAG（检索增强生成）：检索增强生成。属于技术范畴。 Forward Propagation（前向传播）：在神经网络中，输入数据被馈送到网络并通过每一层（从输入层到隐藏层，最后到输出层）以产生输出的过程。网络对输入应用权重和偏差，并使用激活函数生成最终输出。属于技术范畴。 Foundation Model（基础模型）：在广泛数据上训练的大型 AI 模型，旨在适应特定任务。属于技术范畴。 GAN（通用对抗网络）：一种机器学习模型，用于生成类似于某些现有数据的新数据。使两个神经网络相互对抗：一个“生成器”，创建新数据，另一个“鉴别器”试图将数据与真实数据区分开来。属于技术范畴。 Generative AI/Gen AI（生成式 AI）：AI 的一个分支，专注于创建模型，这些模型可以根据现有数据的模式和示例生成新的原创内容，例如图像、音乐或文本。属于通识范畴。 GPU（图形处理单元）：一种特殊类型的微处理器，主要用于快速渲染图像以输出到显示器。在执行训练和运行神经网络所需的计算方面也非常高效。属于产品范畴。
2025-04-18
有没有能根据描述，生成对应的word模板的ai
目前有一些可以根据描述生成特定内容的 AI 应用和方法。例如： 在法律领域，您可以提供【案情描述】，按照给定的法律意见书模板生成法律意见书。例如针对商业贿赂等刑事案件，模拟不同辩护策略下的量刑结果，对比并推荐最佳辩护策略，或者为商业合同纠纷案件设计诉讼策略等。 在 AI 视频生成方面，有结构化的提示词模板，包括镜头语言（景别、运动、节奏等）、主体强化（动态描述、反常组合等）、细节层次（近景、中景、远景等）、背景氛围（超现实天气、空间异常等），以及增强电影感的技巧（加入时间变化、强调物理规则、设计视觉焦点转移等）。 一泽 Eze 提出的样例驱动的渐进式引导法，可利用 AI 高效设计提示词生成预期内容。先评估样例，与 AI 对话让其理解需求，提炼初始模板，通过多轮反馈直至达到预期，再用例测试看 AI 是否真正理解。 但需要注意的是，不同的场景和需求可能需要对提示词和模板进行针对性的调整和优化，以获得更符合期望的 word 模板。
2025-04-18
作为AI小白，需要一些AI常用专业术语的名词解释
以下是一些 AI 常用专业术语的名词解释： Agents（智能体）：一个设置了一些目标或任务，可以迭代运行的大型语言模型。与大型语言模型在像 ChatGPT 这样的工具中的通常使用方式不同，Agent 拥有复杂的工作流程，模型本质上可以自我对话，无需人类驱动每一部分的交互。 ASI（人工超级智能）：尽管存在争议，但通常被定义为超越人类思维能力的人工智能。 Attention（注意力）：在神经网络的上下文中，有助于模型在生成输出时专注于输入的相关部分。 Bias（偏差）：AI 模型对数据所做的假设。“偏差方差权衡”是模型对数据的假设与给定不同训练数据的模型预测变化量之间必须实现的平衡。归纳偏差是机器学习算法对数据的基础分布所做的一组假设。 Chatbot（聊天机器人）：一种计算机程序，旨在通过文本或语音交互模拟人类对话。通常利用自然语言处理技术来理解用户输入并提供相关响应。 CLIP（对比语言图像预训练）：由 OpenAI 开发的 AI 模型，用于连接图像和文本，使其能够理解和生成图像的描述。 Gradient Descent（梯度下降）：在机器学习中，是一种优化方法，根据模型损失函数的最大改进方向逐渐调整模型的参数。 Hallucinate,Hallucination（幻觉）：在人工智能的背景下，指模型生成的内容不是基于实际数据或与现实明显不同的现象。 Hidden Layer（隐藏层）：神经网络中不直接连接到输入或输出的人工神经元层。 Hyperparameter Tuning（超参数调优）：为机器学习模型的超参数（不是从数据中学习的参数）选择适当值的过程。 Inference（推理）：使用经过训练的机器学习模型进行预测的过程。 Instruction Tuning（指令调优）：机器学习中的一种技术，其中模型根据数据集中给出的特定指令进行微调。 Latent Space（潜在空间）：在机器学习中，指模型创建的数据的压缩表示形式。类似的数据点在潜在空间中更接近。 Compute（计算）：用于训练或运行 AI 模型的计算资源（如 CPU 或 GPU 时间）。 CNN（卷积神经网络）：一种深度学习模型，通过应用一系列过滤器来处理具有网格状拓扑（例如图像）的数据。通常用于图像识别任务。 Data Augmentation（数据增强）：通过添加现有数据的略微修改的副本来增加用于训练模型的数据量和多样性的过程。 Double Descent（双降）：机器学习中的一种现象，其中模型性能随着复杂性的增加而提高，然后变差，然后再次提高。 EndtoEnd Learning（端到端学习）：一种不需要手动设计功能的机器学习模型。该模型只是提供原始数据，并期望从这些输入中学习。 Expert Systems（专家系统）：人工智能技术的应用，为特定领域的复杂问题提供解决方案。 XAI（可解释的人工智能）：Explainable AI，人工智能的一个子领域专注于创建透明的模型，为其决策提供清晰易懂的解释。
2025-04-18
作为一个想要使用AI工具提升工作效率的AI小白，我已经学习了怎么编写prompt，接下来我应该学习什么
如果您已经学习了如何编写 prompt ，接下来可以学习以下内容： 1. 理解 Token 限制：形成“当前消耗了多少 Token”的自然体感，把握有效记忆长度，避免在超过限制时得到失忆的回答。同时，编写 Prompt 时要珍惜 Token ，秉承奥卡姆剃刀原理，精简表达，尤其是在连续多轮对话中。 熟练使用中英文切换，若 Prompt 太长可用英文设定并要求中文输出，节省 Token 用于更多对话。 了解自带方法论的英文短语或句子，如“Chain of thought”。 2. 学习精准控制生成式人工智能：重点学习提示词技术，编写更清晰、精确的指令，引导 AI 工具产生所需结果。 探索构建智能体（AI Agents），将工作单元切割开，赋予其特定角色和任务，协同工作提高效率。 在实际应用中遵循准则，如彻底变“懒人”、能动嘴不动手、能让 AI 做的就不自己动手、构建自己的智能体、根据结果反馈调整智能体、定期审视工作流程看哪些部分可用更多 AI 。 3. 若想进一步提升： 学习搭建专业知识库、构建系统知识体系，用于驱动工作和个人爱好创作。 注重个人能力提升，尤其是学习能力和创造能力。 您还可以结合自身生活或工作场景，想一个能简单自动化的场景，如自动给班级孩子起昵称、排版运营文案、安排减脂餐、列学习计划、设计调研问卷等。选一个好上手的提示词框架开启第一次有效编写，比如从基础的“情境:”开始。
2025-04-15
学习AI怎么在工作中使用，提高工作效率，有必要从技术原理开始学习吗
学习 AI 在工作中使用以提高工作效率，不一定需要从技术原理开始学习。以下是一些相关的案例和建议： 案例一：GPT4VAct 是一个多模态 AI 助手，能够模拟人类通过鼠标和键盘进行网页浏览。其应用场景在于以后互联网项目产品的原型设计自动化生成，能使生成效果更符合用户使用习惯，同时优化广告位的出现位置、时机和频率。它基于 AI 学习模型，通过视觉理解技术识别网页元素，能执行点击和输入字符操作等，但目前存在一些功能尚未支持，如处理视觉信息程度有限、不支持输入特殊键码等。 案例二：对于教师来说，有专门的 AI 减负指南。例如“AI 基础工作坊用 AI 刷新你的工作流”，从理解以 GPT 为代表的 AI 工作原理开始，了解其优势短板，学习写好提示词以获得高质量内容，并基于一线教师工作场景分享优秀提示词与 AI 工具，帮助解决日常工作中的常见问题，提高工作效率。 建议：您可以根据自身工作的具体需求和特点，有针对性地选择学习方向。如果您只是想快速应用 AI 提高工作效率，可以先从了解常见的 AI 工具和应用场景入手，掌握基本的操作和提示词编写技巧。但如果您希望更深入地理解和优化 AI 在工作中的应用，了解技术原理会有一定帮助。
2025-04-15
我想学习AI如何使用，可以提高我的工作效率。请给我一个计划
以下是为您制定的学习 AI 以提高工作效率的计划： 首先，了解 AI 的基本概念和应用领域。AI 已经在许多方面带来了重大进展和效率提升，例如交通监控、银行账户欺诈检测、工业中的大规模安全关键实践、科学研究等。 其次，认识到 AI 在工作场所的潜力。它可以将我们从单调的任务中解放出来，让我们有更多时间从事专业工作。 然后，学习相关的法律法规。例如《促进创新的人工智能监管方法》，了解如何在合规的前提下利用 AI 创新，平衡风险与机会、利益。 在学习过程中，关注以下方面： 1. 了解大型语言模型等技术的发展，及其为经济和社会带来的转型机会。 2. 明白监管可以通过给予企业解决重要问题的激励，同时应对对公民的伤害风险，从而增加创新。 3. 熟悉国家的 AI 战略和数字监管计划中的原则，以及相应的比例方法。 最后，根据所学知识，在工作中尝试应用 AI 技术，不断总结经验，提高工作效率。
2025-03-14
我有很多产品视频，需要进行混剪，可以怎么通过AI减少工作时间，提升工作效率
以下是一些通过 AI 减少产品视频混剪工作时间、提升工作效率的方法： 1. 利用数字人技术：无需真人模特，只需上传产品图片，数字人即可手持产品进行口播展示。支持语音和口型同步，动作、姿势定制，提供 1000+多国家数字人模特，覆盖全球 28+种语言，能快速生成产品宣传视频，省去拍摄烦恼。您可以在线体验： 。 2. 产品链接生成视频：输入产品链接，一键生成数字人产品介绍视频。目前产品链接主要支持 Amazon、Shopify、ETSY、Ebay、Appstore、Google Play、WIKI 等，其他网站来源持续接入中。操作指引为输入产品网站链接——选择数字人角色——点击立即生成。如遇生成失败的问题，可尝试删除链接后缀，点击重新生成。 3. AI 视频高光切片：智能提取视频高光片段，高效二创生成新视频。适用场景为有初始长视频素材，需要提取高光镜头对初始素材进行混剪投放到短视频平台。使用指引为点击上传视频——立即生成。您可以参考案例示意，如初始视频 。
2025-03-10
AI提升工作效率
以下是关于 AI 提升工作效率的相关内容： 在游戏行业，从游戏的前期制作到中期运营再到后期迭代，大模型不仅能降低成本，还能打造创新玩法，提供更好的游戏体验。例如网易推出的首款 AI 手游《逆水寒》，将 AIGC 应用于美术开发，在 NPC 与玩家的交互上呈现独特剧情体验，还内嵌了全自动“AI 作词机”，玩家输入关键词，AI 就能一秒生成完整诗词。 在人力资源管理领域，AI 的应用覆盖了从招聘初期到员工绩效评估再到员工培训与发展的各个环节，显著提高了工作效率。 在全行业中，基础办公提效如 PPT、Excel、会议报告、策划会、文案包装、图文海报、客服机器人 bot 等，都可以从【单个任务 task>角色 role>角色间协同 collaboration】显著提高工作效率。健身行业的 AI 减重顾问，既能解决售前客服问题，也能进行健康监护，提高学员体验。 此外，微软与 LinkedIn 的 2024 工作趋势报告显示，75%的全球知识工作者已使用生成式 AI，79%的领导者认为 AI 是竞争力的关键，重度用户表示 AI 让工作更高效、更具创造力、更易管理。还有德克萨斯大学的可拉伸电子皮肤为机器人赋予人类般的触感和灵敏度，ICLight 图像重新照明技术能通过文本提示生成特定光照方向的图像，Ilus AI 是快速生成插画的工具，预制模型能快速生成多种风格插画，还能上传插画进行个性化训练并导出特定格式。
2025-03-07
AI提供内部工作效率
以下是关于 AI 提高内部工作效率的一些方面： 在法律法规方面： 监管可以通过给予企业解决重要问题的激励，同时解决对公民造成伤害的风险，来增加创新。例如，产品安全立法促进了更安全的产品和服务的创新。 国家的 AI 战略旨在有效监管 AI 并支持创新，其监管方法将是适度的，平衡 AI 的实际风险与机会和益处，在实施框架时注重背景和结果。 提出的创新框架旨在为消费者提供使用 AI 产品和服务的信心，并为企业提供投资和负责任创新所需的清晰度。 在行业应用方面： 游戏行业：大模型不仅能降低成本，还能打造创新玩法，提供更好的游戏体验。如网易的《逆水寒》将 AIGC 应用于美术开发、NPC 与玩家的交互等，还内嵌了“AI 作词机”。 人力资源管理领域：AI 的应用覆盖招聘、员工绩效评估、培训与发展等环节，显著提高工作效率。 全行业：基础办公提效（如 ppt、excel、会议报告、策划会、文案包装、图文海报、客服机器人 bot 等）可以从单个任务到角色再到角色间协同显著提高工作效率。 健身行业：AI 减重顾问能解决售前客服问题、学员健康监护，提高学员体验。 在智能导购方面： 客户潜力评分系统：根据消费行为自动标记高价值客户。 实时话术提示工具：导购与客户沟通时 AI 推荐应答策略。 自动化周报生成：汇总销售数据、客户反馈生成可视化报告。 竞品监控仪表盘：抓取社交媒体数据对比竞品声量。 智能排班优化：根据客流预测自动调整导购排班表。 培训模拟考试系统：基于产品知识库生成随机测试题。 库存周转分析工具：预测滞销品并推荐促销策略。 舆情预警系统：实时监测负面评价并推送处理建议。 客户流失预测模型：通过行为数据预警流失风险。 智能邮件分类器：自动分类客户咨询邮件并分配优先级。 门店热力图分析：通过摄像头数据优化商品陈列布局。 多语言知识库同步：自动翻译产品手册并更新至内部系统。 销售目标拆解工具：根据历史数据为导购分配个性化 KPI。 实时翻译耳机：导购与外国客户沟通时提供语音翻译。 客户兴趣标签生成：从聊天记录中提取关键词生成标签。 智能补货提醒：结合销售速度与供应链数据触发补货流程。 差旅费用优化：根据活动日程推荐最低成本差旅方案。 会议纪要自动生成：转录会议录音并提取任务清单。 员工满意度分析：通过匿名问卷分析导购工作痛点。 危机公关话术库：针对突发负面事件提供标准应对模板。
2025-03-07
AI产品经理招聘
以下是为您整理的 AI 产品经理招聘信息： 特看科技： 岗位要求： 负责 AI 视频工具方向产品工作，对生成式 AI 产品有一定研究，熟悉 Transformer 和 Diffusion 模型的优先。 英文好，有海外产品经验优先，有内容工具或 SaaS 产品经验优先。 2 年以上产品岗位经验，职级根据经验能力制定，对标阿里 P6P8 区间。 您能得到： 确定性的商业化应用场景，已有大量品牌客户。 初创公司充沛的早期期权池。 强大的工程师团队，将新技术快速落地应用。 最高可到合伙人级别。 加分项：有电子商务、企业服务、人工智能、海外产品等行业经验。 联系方式：欢迎推荐或自荐简历至 qingshen@tabcut.com，或飞书与@清慎联系。 阿里大文娱妙鸭团队： 工作地点：北京 职位要求： 熟悉图像、视频、文本领域的前沿大模型和应用。 对算法能力边界有很好的感知。 有某一场景下的大模型微调和应用的项目经验。 联系方式：欢迎推荐简历至 xiaocen.cxc@alibabainc.com 其他： 职责描述： 负责基于通用人工智能技术（AGI）的智慧医疗诊断产品的规划、研发、发布上市的全过程管理。 通过市场调研和分析，开发满足客户需求的产品或服务，为公司制定产品战略。 制定并执行产品开发计划和目标，协调项目相关人员，推动产品开发工作的顺利进行。 提出产品优化建议，推动产品快速迭代，并协调增长部门实现产品的持续增长。 任职要求： 本科及以上学历，计算机、信息技术、工程、检验、生物科学、细胞生物学等相关专业优先考虑。 具备 3 年以上产品管理经验，有医疗领域产品管理经验者、有极致产品案例者优先。 在产品创新、研发、迭代改进及商业化方面有丰富的项目管理经验。 对客户需求具有高度敏感度，熟悉竞品分析、定价策略。
2025-04-15
我想要自学AI相关的知识，但不知道从哪里开始，需要一个行动方案，我未来想做一个ai产品经理
以下是为您提供的自学 AI 知识并成为 AI 产品经理的行动方案： 1. 应用方面： 深入了解 Prompt，选择适合自己的 AI 对话、绘画和语音产品，每天使用并用于解决实际问题或提升效率。 2. 分析方面： 大量阅读各类文章、视频以及行业报告，理解各知识之间的关系。 3. 掌握相关技能： 了解目前 AI 提示词工程师岗位的招聘技能要求，例如： 本科及以上学历，计算机科学、人工智能、机器学习相关专业背景。 熟悉 ChatGPT、Llama、Claude 等 AI 工具的使用及原理，并具有实际应用经验。 熟练掌握 ChatGPT、Midjourney 等 AI 工具的使用及原理。 负责制定和执行 AI 项目，如 Prompt 设计平台化方法和模板化方法。 了解并熟悉 Prompt Engineering，包括常见的 Prompt 优化策略（例如 CoT、Fewshot 等）。 对数据驱动的决策有深入的理解，能够基于数据分析做出决策。 具有创新思维，能够基于业务需求提出并实践 AI first 的解决方案。 对 AI 技术与算法领域抱有强烈的好奇心，并能付诸实践。 对 AIGC 领域有深入的理解与实际工作经验，保持对 AI 技术前沿的关注。 具备一定的编程和算法研究能力，能应用新的 AI 技术和算法于对话模型生成。 具有一定的编程基础，熟练使用 Python、Git 等工具。 4. 了解产品经理工作： 调研市场、思考需求、转化需求、思考解决方案、设计解决方案、分配任务、进行测试、实现解决方案。 像善用提示词工程的人一样，将需求抽象再具象成产品。 总之，要成为 AI 产品经理，需要不断学习和实践，适应行业的发展和变化。
2025-04-12
如何快速上手Cursor、Windsurf、V0.dev、bolt.new、Devin等AI编程产品的经验，能快速转型为AI产品经理？
以下是关于快速上手 Cursor、Windsurf、V0.dev、bolt.new、Devin 等 AI 编程产品并转型为 AI 产品经理的一些经验： 1. 深入理解用户场景和 AI 能力边界：要构建差异化的 AI Native 体验，需要同时对 AI 能力边界和用户场景有深入洞察。 2. 持续迭代产品：在快速变化的模型能力下，避免在每次的基座模型迭代中掉队或被淘汰。 3. 构建良好的模型产品化能力和基础设施：使得应用可以持续收集用户数据以迭代模型。 对于具体的产品： Cursor： 允许用自然语言描述需求，对上下文有深度理解能力，能理解整个项目的结构和依赖关系，进行跨文件的语义分析。 提供智能的代码重构建议，自动诊断和修复常见错误，基于代码自动生成文档。 但要注意，即使有 AI 辅助，当好产品经理也不容易，需要反复沟通和调整。 Devin：作为 2024 年横空出世的产品，预示着软件开发范式的根本转变。 Windsurf、V0.dev、bolt.new 等： 可以使用如 Cursor Composer 构建产品、使用 Bolt.new 构建产品、使用 V0.dev 生成组件等。 此外，国内知名的 AI 全栈开发者 @idoubi 分享了相关使用经验，包括自动补全代码、Debug&&Fix Error、实时对话&&联网搜索、写提示词、写前端页面、截图生成组件、写常用的代码逻辑/函数、代码重构、多语言翻译等方面。同时，对于零代码基础的人员，也有使用相关工具实现想法的方法，如使用 Cursor Composer、Bolt.new、Claude 等构建不同类型的应用。还可以盘点常用的 AI 辅助编程工具和使用场景，如 AI 编辑器（Cursor、Windsurf、Pear Al 等）、编辑器 AI 扩展（Github Copilot、Continue、Cline 等）、UI 组件生成工具（Cursor、V0.dev、Claude、screenshottocode 等）、完整项目构建工具（Cursor、Bolt.new、Replit Agent、Wordware 等）。
2025-04-10
如何快速成为一名ai产品经理
要快速成为一名 AI 产品经理，可以参考以下步骤： 1. 入门级：通过 WaytoAGI 等开源网站或相关课程了解 AI 概念，使用 AI 产品并尝试动手实践应用搭建。 2. 研究级： 技术研究路径：对某一领域有认知，能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。 商业化研究路径：熟悉传统互联网中偏功能实现的产品经理和偏商业运营的产品经理的工作，最好能将两者结合。 3. 落地应用级：拥有成功落地应用的案例，产生商业化价值。 同时，对 AI 产品经理的要求是懂得技术框架，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 本质上是工具和手段，产品经理要关注的还是场景、痛点、价值。 此外，当 AI 与多维表格结合，为用户带来了更多可能性，任何人都能通过多维表格成为 AI 产品经理。例如在一些活动中，如多维表格 AI Maker Day，参与者来自不同领域和岗位，有着各自的优势和想法，包括产品落地服务、多 Agent 处理任务流、宠物与 AI 结合、AI 绘画精灵等方向。
2025-04-09
从数据产品经理转行ai产品经理，需要补充哪些知识
从数据产品经理转行 AI 产品经理，您需要补充以下知识： 1. 思维链：谷歌在 2022 年的一篇论文提到，思维链能显著提升大语言模型在复杂推理方面的能力（即有推理步骤），即使不用小样本提示，也可在问题后面加一句“请你分步骤思考”。 2. RAG（检索增强生成）：外部知识库切分成段落后转成向量，存在向量数据库。用户提问并查找到向量数据库后，段落信息会和原本的问题一块传给 AI，可搭建企业知识库和个人知识库。 3. PAL（程序辅助语言模型）：2022 年一篇论文中提出，对于语言模型的计算问题，不让 AI 直接生成计算结果，而是借助如 Python 解释器等工具作为计算工具。 4. ReAct：2022 年一篇《React:在语言模型中协同推理与行动》的论文提出了 ReAct 框架，即 reason 与 action 结合，核心在于让模型动态推理并采取行动与外界环境互动。比如用搜索引擎对关键字进行搜索，观察行动得到的结果。可借助 LangChain 等框架简化构建流程。 个人总结：很多大佬表示要关注或直接阅读技术论文，像产品经理转型 AI 产品经理，需要懂技术脉络。但小白直接看技术论文有难度，虽可让 AI 辅助阅读，仍要完成一定知识储备。林粒粒呀的这期视频是很好的科普入门，值得一看。 此外，视频二提到了技术框架与关于未来的想象，比如 Transformer 是仿生算法的阶段性实现，10 年、20 年后可能不再使用。
2025-04-08
有没有职业经理人智能体
在 AI 领域，存在决策智能体。例如，Anterior 公司开发的临床决策引擎用于自动化理赔提交审核，其智能体遍历决策树并利用语言模型评估相关文件。此外，Norm AI 为监管合规打造智能体，Parcha 为 KYC 建立智能体。 在传统职业领域，“Agent”一词涵盖多种职业角色。在商业领域，随着大航海时代及全球贸易兴起，“Agent”的角色变得重要，如贸易代理和公司代理商。工业革命期间，其职能拓展到保险、房地产等新兴行业。19 世纪，政府及情报领域也广泛使用，如情报特工和便衣警察。 在现代（20 世纪至 21 世纪），“Agent”在娱乐和体育行业指艺人经纪人和运动员经理等，负责安排试镜、合同谈判和规划职业生涯。还包括劳务代理和招聘代理（猎头），劳务代理提供劳动力匹配服务，猎头为公司招募高技能或高级管理职位的专业人士。从词源和历史变迁看，“Agent”具有行动和替身的含义，多数情况下是替代他人做事。但目前尚未有明确指向“职业经理人智能体”的特定概念。
2025-04-08
2025年人工智能大模型的技术提升有哪些，是参数？推理能力？还是语料
2025 年人工智能大模型的技术提升可能体现在以下几个方面： 1. 视频生成能力：如 2024 年推出的多个先进的 AI 模型能够从文本输入生成高质量视频，相比 2023 年有显著进步。 2. 模型规模与性能：更小的模型能驱动更强的性能，如 2022 年最小能在 MMLU 上得分高于 60%的模型是具有 5400 亿参数的 PaLM，到 2024 年，参数仅 38 亿的微软 Phi3mini 也能达到相同阈值。 3. 推理能力：尽管加入了如思维链推理等机制显著提升了大语言模型的性能，但在一些需要逻辑推理的问题上，如算术和规划，尤其在超出训练范围的实例上，这些系统仍存在问题。 4. AI 代理：在短时间预算设置下，顶级 AI 系统得分高于人类专家，但随着时间预算增加，人类表现会超过 AI。 5. 算法变革：如 DeepSeek 的出现标志着算力效率拐点显现，其通过优化算法架构显著提升了算力利用效率，同时 2025 年发布的大模型呈现低参数量特征，为本地化部署到 AI 终端运行提供了可能，其训练过程聚焦于强化学习，提升了模型的推理能力。
2025-04-14
我是一个产品经理，我想要绘制ai agent对现有业务流程的提升ppt，有没有一些好的案例
以下是一些关于 AI Agent 对现有业务流程提升的案例，希望对您绘制相关 PPT 有所帮助： 1. 在查询问题方面，如使用 Kimi Chat 时，它会在互联网检索相关内容并总结分析给出结论，这是大模型利用“网页搜索”工具的典型例子，同时 PPT 中还介绍了众多不同领域类型的工具，为大模型在获取、处理、呈现信息上做补充。 2. 在任务执行的工作流路径规划方面，Agent 能够自行规划，面向简单或线性流程运行。例如，先识别男孩姿势，再找姿势提取模型、姿势图像模型、图像理解文本模型和语音合成模型来完成流程任务。 3. 在多智能体协作方面，吴恩达通过开源项目 ChatDev 举例，可让大语言模型扮演不同角色，如公司 CEO、产品经理、设计师、代码工程师或测试人员等，这些 Agent 相互协作共同开发应用或复杂程序。 4. 对于 AI Agent 的基本框架，OpenAI 的研究主管 Lilian Weng 提出“Agent=LLM+规划+记忆+工具使用”的基础架构，其中大模型 LLM 扮演了 Agent 的“大脑”。规划主要包括子目标分解、反思与改进，将大型任务分解为较小可管理的子目标，处理复杂任务，并对过去行动进行自我批评和反思，从错误中学习改进未来步骤，提高最终结果质量。 5. 在信息处理方面，近期出现的各类 AI 搜索引擎，如 perplexity.ai、metaso、360 搜索、ThinkAny 等，不断颠覆传统搜索引擎。智能摘要功能能辅助快速筛选信息，实现信息降噪。 6. 在信息表达方面，现在用自然语言描述一句话就能生成美观可用的图片，降低了不同角色的创作门槛和周期。 7. 对于产品经理的工作流，可使用 AI 进行搞定用户画像、竞品调研、设计产品测试用例、绘制产品功能流程图等。但建议先摸清自己的日常工作流，再根据工作节点线索找到适合自己的工具。 关于 Agent 的未来，曾被认为异想天开的想法都可能成为现实，技术迭代会不断向前。同时，在法律法规方面，相关生命周期参与者应实施适当的透明度措施，直接受 AI 系统使用影响的各方应能获取足够信息以维护自身权利，技术标准也可为评估、设计和改进 AI 系统的透明度和可解释性提供指导。
2025-03-24
写提升词的升级办法
以下是关于提升提示词编写能力的办法： 课程推荐： 强烈推荐小七姐的提示词编写提升课。 往期学员评价良好。 课程收获包括提升表达能力、逻辑思维能力的方法论和练习，熟练编写任何想要实现的提示词，学会以商业化和工具化标准交付提示词，熟知提示词工程和行业常识和发展路径，搞懂提示词如何封装成工具，获得自学路径以便课程后继续深度学习。课程完成学习并通过结课考试可获取证书。 课程内容丰富，包含自由学习时间（22 节视频课），以视频课+知识星球作业+社群答疑的授课形式进行。具体有提示词基础、元能力、提示词实践、提示词工具化等方面的课程，且 2024 年有多项内容更新。 社群答疑方面，学员有问题随时在学习群提问，老师和助教会详尽答疑，针对复杂问题，小七姐还会录制短视频方便理解。 分步实现： 按照拆分的思想将内容拆得细致，之后再统一编写。 从角色、逻辑层面、内容深度、语言表达等维度分步进行。 提示词编写、测试： 整合提示词相关内容。 展示效果。 总结： 本次主要是从逻辑梳理、内容深化、语言优化三个层面进行润色，而非扩写。 后续会尝试用简短提示词一次性完成润色任务并对比效果。 强调利用润色工具提升写作能力而非替代写作，写作是思维表达和情感流露，是人类独特智慧的体现，不能因 AI 而丧失思考能力和创造力。
2025-03-24
coze能对电商工作起到哪些提升作用？
Coze 能对电商工作起到以下提升作用： 1. 个性化邮件发送：市场团队可以利用 Coze 的工作流，将客户名单作为输入数组，通过循环节点依次为每位客户生成定制化邮件，在几分钟内完成邮件发送，避免重复劳动。 2. 商品评价分析：运营团队能够把电商平台的商品评价数据作为输入数组，使用循环节点逐一分析，计算好评率和差评率，并生成总结报告。原本耗时 2 3 小时的人工作业可缩短到几分钟，同时避免出错。 Coze 的工作流具有以下特点： 1. 可视化：允许用户通过可视化的方式组合各种功能模块，如插件、大语言模型、代码块等，从而实现复杂和稳定的业务流程编排。 2. 低代码：工作流的创建和编辑可以通过可视化的拖拽界面完成，无需编写代码，大大降低了工作流搭建的门槛。 3. 功能丰富：支持丰富的功能模块，包括调用大语言模型进行文本生成、调用插件进行数据处理等，用户可根据需求灵活组合。 4. 集成性强：创建好的工作流可以直接集成到 Coze 的聊天机器人中使用，实现复杂的业务逻辑。 循环节点是自动化流程的重要组成部分，通常分为数组循环、指定次数循环和无限循环三种核心模式。数组循环适用于对一组有序数据逐条处理的场景，是自动化流程中最常见的一种模式，能够高效地逐条执行重复性操作。
2025-03-09