從ChatGPT到Deepseek，AI大模型的出現(xiàn)為產(chǎn)品設(shè)計(jì)帶來(lái)了無(wú)限可能，但如何將這些強(qiáng)大的技術(shù)融入產(chǎn)品設(shè)計(jì)中，更好地滿(mǎn)足用戶(hù)需求，成為產(chǎn)品經(jīng)理必須面對(duì)的問(wèn)題。本文以通俗易懂的方式，為產(chǎn)品經(jīng)理介紹了AI大模型的核心知識(shí)，供大家參考。

從 ChatGPT 問(wèn)世到 Deepseek 的出現(xiàn)，AI 給人類(lèi)帶來(lái)的驚艷已無(wú)需多言，AI 大模型的發(fā)展速度遠(yuǎn)超過(guò)我們想象?！溉绾未蜷_(kāi)腦洞讓 AI 幫你做 PPT？」、「如何寫(xiě) prompt 提示詞讓 AI 顯得更專(zhuān)業(yè)？」，現(xiàn)在市面上并不缺乏教你如何更好使用 AI 大模型的內(nèi)容。

今天我想要和大家聊聊的是：除了這些眾所周知的，產(chǎn)品經(jīng)理還需要知道哪些 AI 大模型的知識(shí)？

1.核心問(wèn)題是…？

作為非 AI 領(lǐng)域的產(chǎn)品經(jīng)理，可能并不需要深入了解其技術(shù)原理和運(yùn)作方式，但在當(dāng)前猛烈的技術(shù)浪潮下，你總有一天會(huì)遇到這樣的問(wèn)題：

如何充分利用 AI 大模型，

融入自己的產(chǎn)品設(shè)計(jì)，

更好滿(mǎn)足用戶(hù)需求？

在此之前，你可能聽(tīng)說(shuō)過(guò)一些名詞，諸如微調(diào)、知識(shí)庫(kù)、Token、插件、MCP等，但知其名，不知其意。

此外，現(xiàn)在 AI 大模型也種類(lèi)繁多，國(guó)外的 OpenAI、Google Gemini、Anthropic Claude、Meta Llama、xAI Grok…以及國(guó)內(nèi)的 Deepseek、阿里通義千問(wèn)、月之暗面 Kimi、字節(jié)豆包、騰訊混元…

縱然亂花漸欲迷人眼，但其實(shí)大體上核心基本能力相似，分支專(zhuān)業(yè)領(lǐng)域各有所長(zhǎng)。

作為產(chǎn)品經(jīng)理，有必要對(duì)這些能力有一些基本了解。別等到不得不擁抱AI的時(shí)候，你能想到的只有一個(gè)輸入框。

2.他們能做什么？

接下來(lái)我將要重點(diǎn)介紹 AI 的一些基本能力，可以幫助你更好地去定制和設(shè)計(jì) AI，讓 AI 與你的產(chǎn)品更加契合。

如何定义B端产品及B端产品经理方法论

相较于C端产品，B端产品最大的特点是：面向特定领域用户，且数量少得多，但更注重对用户专业领域操作流程的深度挖掘——也就是专业性更强，与业务的结合更紧密。

查看详情 >

希望了解這些知識(shí)后你能夠打開(kāi)思路，避免千篇一律教條化 AI 接入。

2.1 結(jié)構(gòu)化輸出，讓AI學(xué)會(huì)「填表」

這個(gè)很好理解，就是讓 AI 按照規(guī)定的格式來(lái)說(shuō)話(huà)，別「瞎逼逼」。

填表比說(shuō)話(huà)更有效率

我們平時(shí)也經(jīng)常會(huì)「填表」，目的就是讓我們按照規(guī)定的格式來(lái)輸入信息，這樣的數(shù)據(jù)能夠更好地收集和處理。否則張三李四各說(shuō)一個(gè)版本，你也搞不清楚關(guān)鍵的信息是否收集到位了。

讓大模型「填表」

對(duì)于大模型，你也可以要求 AI 用你規(guī)定的格式來(lái)回答問(wèn)題。

{
“產(chǎn)品名稱(chēng)”: “智能音箱”,

“型號(hào)”: “X100”,

“價(jià)格”: “499”,

“庫(kù)存”: “200”,

“image”: “圖片地址”,

“url”: “鏈接地址”

}

這樣做的好處包括但不限于：

※ 規(guī)范回答格式，一定程度避免 Ta 放飛自我；

※ 方便開(kāi)發(fā)工程師對(duì)數(shù)據(jù)進(jìn)行二次包裝或者處理；

※ 切換不同大模型時(shí)，能獲得相對(duì)規(guī)范統(tǒng)一的回答。

隨便舉幾個(gè)應(yīng)用例子：

※ 讓 AI 從用戶(hù)差評(píng)中自動(dòng)提取「問(wèn)題類(lèi)型-嚴(yán)重程度-情緒評(píng)分」；

※ 把自由格式的會(huì)議紀(jì)要轉(zhuǎn)換成「議題-負(fù)責(zé)人-時(shí)間節(jié)點(diǎn)」的表格；

※ 讓大模型根據(jù)需要，回復(fù)用戶(hù)不同格式的消息：文本、圖片、視頻、跳轉(zhuǎn)鏈接等等…

小結(jié)

通過(guò)結(jié)構(gòu)化輸出，你可以進(jìn)一步壓榨 AI 大模型，讓 Ta 和你想要設(shè)計(jì)的功能、想要滿(mǎn)足的需求更高效地結(jié)合起來(lái)，AI 不再只是偶爾嘴上跑火車(chē)的對(duì)話(huà)框了。

2.2 學(xué)會(huì)用工具，告別「光說(shuō)不練假把式」

數(shù)百萬(wàn)年前，人類(lèi)開(kāi)始學(xué)會(huì)制作和使用工具，工具的使用又反過(guò)來(lái)推動(dòng)了人類(lèi)的進(jìn)化。

巧婦難為無(wú)米之炊

試問(wèn)，在不借助任何工具的情況下，你能不能空手做好一桌大餐？

很難吧。

如果給你足夠的工具，譬如菜刀、鏟子、鍋碗瓢盆、微波爐、烤箱、榨汁機(jī)、一個(gè)可以查詢(xún)食譜的電腦…是不是事情會(huì) easy 很多？

同樣的，一個(gè)只會(huì)對(duì)話(huà)和回答問(wèn)題的 AI 都是鍵盤(pán)俠，紙上談兵罷了。但如果學(xué)會(huì)了使用工具，AI 實(shí)力將得到極大的提升。

舉例一個(gè)具體的場(chǎng)景，當(dāng)你想要去成都旅游時(shí)，可能會(huì)問(wèn) AI 大模型一些基礎(chǔ)的攻略：

但如果讓 Ta 學(xué)會(huì)調(diào)用旅游相關(guān)的工具，事情就會(huì)變得有意思：

※ 查一查成都最近的天氣是否適合旅游；

※ 幫你訂好到成都的機(jī)票；

※ 查詢(xún)飛機(jī)降落的信息，及時(shí)提醒在哪里取行李；

※ 幫你預(yù)約好接機(jī)的網(wǎng)約車(chē)；

※ 幫你預(yù)訂好合適的酒店；

※ 幫你預(yù)定好每一天的行程、博物館的門(mén)票、用餐的餐廳等等；

※ 每到一個(gè)地方，都按照你的興趣為你講解；

……

簡(jiǎn)單來(lái)講，你是可以教會(huì) AI 怎么去使用你提供的工具的，基本的形式是：

※ 先告訴大模型 Ta 可以使用哪些工具，這些工具分別是干什么的，怎么用；

※ 當(dāng)你向 AI 提出一個(gè)需求時(shí)，Ta 會(huì)自己判斷是直接回答還是調(diào)用合適的工具來(lái)幫你完成任務(wù)；

※ AI 會(huì)按照工具的使用說(shuō)明書(shū)，自動(dòng)生成調(diào)用指令，向工具發(fā)出請(qǐng)求；

※ 工具處理完請(qǐng)求后，返回結(jié)果，AI 再將結(jié)果整理、優(yōu)化并反饋給你。

目前，工具調(diào)用常見(jiàn)的概念有兩個(gè)：單個(gè)工具調(diào)用（Function Calling） 和 工具包調(diào)用（MCP）。

Function Calling

大多主流大模型都提供了 Function Calling 的能力，你可以提供很多個(gè) Function 給大模型使用，每個(gè) Function 實(shí)現(xiàn)不同的功能。

這就像工具箱里一個(gè)個(gè)不同用途的工具：螺絲刀、鉗子、錘子、扳手、鋸子…每個(gè)工具都有不同用途。大模型會(huì)根據(jù)對(duì)話(huà)需求，自行決定是否調(diào)用工具以及調(diào)用什么工具。

需要注意的是，這些工具需要你親手做好，并寫(xiě)好說(shuō)明書(shū)教大模型如何使用。雖然大差不大，但每個(gè)大模型對(duì) Function Calling 規(guī)則和標(biāo)準(zhǔn)不盡相同，當(dāng)你切換不同大模型時(shí)，可能需要針對(duì)性「私人定制」一下。

MCP

相比 Function Calling，MCP 則更像是一個(gè)個(gè)打包好的、不同用途的工具箱，譬如剛才提到的螺絲刀、鉗子、錘子、扳手、鋸子…就可以打包成一個(gè)「維修工具包」。

除此之外，我們還可以把創(chuàng)口貼、紗布、棉花、剪刀、碘伏等打包成一個(gè)「醫(yī)療急救包」。

同樣的，把指甲刀、銼刀、修眉刀、挖耳勺等集合到一起，又可以成為一個(gè)「日常護(hù)理包」。

沒(méi)錯(cuò)，你可以把 MCP 看做是一個(gè)標(biāo)準(zhǔn)化的、解決不同領(lǐng)域問(wèn)題的「集合工具包」，Ta 把某一領(lǐng)域需要用到的功能都打包在了一起，并且用標(biāo)準(zhǔn)化的協(xié)議來(lái)連接大模型。這樣一來(lái)，不同的大模型都能夠統(tǒng)一地使用工具包里的每一個(gè)工具.

MCP（Model Context Protocol，模型上下文協(xié)議）是由 Anthropic 公司推出的開(kāi)放標(biāo)準(zhǔn)協(xié)議，目前這個(gè)技術(shù)標(biāo)準(zhǔn)還在發(fā)展當(dāng)中，更加復(fù)雜的技術(shù)概念就不在這里贅述了，感興趣的朋友可以搜索更多資訊進(jìn)一步了解。

二者對(duì)比

多模態(tài)：給AI嘴巴、眼睛和耳朵

除了傳統(tǒng)的文本對(duì)話(huà)和工具調(diào)用之外，現(xiàn)代 AI 大模型正逐步具備強(qiáng)大的多模態(tài)能力。這意味著，AI 不僅能“說(shuō)”，還能“看”圖像、聽(tīng)語(yǔ)音，甚至處理視頻內(nèi)容，從而為產(chǎn)品帶來(lái)更多維度的交互體驗(yàn)。

具體來(lái)說(shuō)，多模態(tài)能力體現(xiàn)在以下方面： ※ 視覺(jué)識(shí)別與生成 能看圖，也能畫(huà)圖。AI 可以看懂圖片，也可以根據(jù)描述自動(dòng)生成符合風(fēng)格的圖片素材。 ※ 語(yǔ)音識(shí)別與合成 聽(tīng)人話(huà)，說(shuō)人話(huà)。AI 能聽(tīng)懂用戶(hù)說(shuō)的話(huà)，也能夠通過(guò)語(yǔ)音回應(yīng)用戶(hù)。 ※ 視頻內(nèi)容解析 看視頻，做視頻。AI 能看懂視頻的內(nèi)容，并且有自己的理解。與此同時(shí)，AI 也在逐步具備生成視頻的能力，仍在發(fā)展中。

通過(guò)多模態(tài)交互，你可以讓 AI 大模型變得更加“全能”，不僅限于文字對(duì)話(huà)，而是通過(guò)視覺(jué)、聽(tīng)覺(jué)等多個(gè)感官渠道與用戶(hù)互動(dòng)，為產(chǎn)品創(chuàng)新提供更多可能。

AI Agent

最近到處都在講的 AI Agent，就是把這些能力整合在一起，通過(guò)感知、決策和使用工具，成為一個(gè)能自主思考并完成任務(wù)的智能助手。

小結(jié)

你可以把你產(chǎn)品的各種能力按需包裝成「工具」或者「工具包」，AI 不止會(huì)「說(shuō)」，還能真正去「做」。 此外，可按需接入多模態(tài)能力，賦予 AI「看」、「聽(tīng)」、「說(shuō)」的能力。 這樣一來(lái)，AI 同你產(chǎn)品的結(jié)合度會(huì)更加緊密，也可以更好地滿(mǎn)足用戶(hù)的需求。

2.3 PUA大模型，教Ta做事

大模型什么都懂，但 Ta 不一定懂你。那怎么讓大模型知你懂你、按照你想要的方式和答案去回答用戶(hù)呢？

請(qǐng)掌握好兩大「PUA」大法：模型微調(diào)（Fine-tuning） 和 檢索增強(qiáng)生成（RAG）。

說(shuō)人話(huà)就是：喂飯 和 給辭典。

給AI喂飯：模型微調(diào)（Fine-tuning）

俗話(huà)說(shuō)，熟讀唐詩(shī)三百首，不會(huì)作詩(shī)也會(huì)吟。如果你對(duì) AI 針對(duì)某些問(wèn)題的回答不夠滿(mǎn)意，就可以用填鴨式教學(xué)的方式不停地給 Ta 舉例子，讓 Ta 逐步變成你想要的模樣。

通過(guò)「喂飯」，可以把一個(gè)通用大模型轉(zhuǎn)化為「醫(yī)療問(wèn)答專(zhuān)家」，或者一個(gè)「中二少年」。需要注意的是，雖然這里叫「微調(diào)」，但 AI 的「飯量」很大，你需要提供足夠多的數(shù)據(jù)，Ta 才能夠有更加穩(wěn)定可靠、符合期望的表現(xiàn)。

給AI辭典：檢索增強(qiáng)生成（RAG）

在不借助互聯(lián)網(wǎng)的情況下，如果你要搞懂「樽俎折沖」這個(gè)成語(yǔ)的含義，你會(huì)怎么辦？

查辭典是一個(gè)比較高效的辦法。

同樣的，如果想要 AI 專(zhuān)精一些冷門(mén)或?qū)I(yè)性知識(shí)，譬如客服回復(fù)話(huà)術(shù)或產(chǎn)品使用說(shuō)明。

那就可以丟給 Ta 一個(gè)知識(shí)庫(kù)文檔，AI 會(huì)自己去檢索文檔內(nèi)容，結(jié)合文檔的知識(shí)來(lái)回答用戶(hù)問(wèn)題。

值得一提的是，這里 AI 使用的不是我們傳統(tǒng)的「關(guān)鍵詞搜索」，而是「語(yǔ)義檢索」。

平時(shí)我們搜索一個(gè)文檔，「番茄」就是「番茄」，「西紅柿」就是「西紅柿」，你搜索「番茄」是找不到「西紅柿」的。

而語(yǔ)義檢索可以做到搜索「番茄」也找到「西紅柿」。這讓 AI 對(duì)知識(shí)庫(kù)的檢索能力變得比人更強(qiáng)大。

二者對(duì)比

小結(jié)

你可以把一些產(chǎn)品特有的知識(shí)教給 AI，這樣 AI 就可以變成你期待的樣子。

2.4 和AI對(duì)話(huà)，一場(chǎng)人格分裂的角色扮演

首先，眾所周知，AI能對(duì)話(huà)。

除了在Ta們提供的聊天框內(nèi)與他們對(duì)話(huà)，你還可以調(diào)用 API（開(kāi)放接口）能力，與 Ta 對(duì)話(huà)。

# 每一次消息都要帶上之前說(shuō)過(guò)的話(huà)，不然AI不知道之前說(shuō)了啥。

messages = [

{

“role”: “system”,

“name”: “唐詩(shī)專(zhuān)家”,

“content”: (

“你是一位唐朝詩(shī)人助手，能夠根據(jù)上下文扮演不同的唐代詩(shī)人。”

“請(qǐng)確保所有回答都融合唐朝詩(shī)人的文風(fēng)。”

“根據(jù)用戶(hù)要求，分別模擬李白和杜甫的風(fēng)格：”

“李白應(yīng)表現(xiàn)豪邁奔放，而杜甫應(yīng)表現(xiàn)沉穩(wěn)細(xì)膩。”

)

},

{

“role”: “user”,

“name”: “王工”,

“content”: “李白，請(qǐng)你描繪一下秋天的景色。”

},

{

“role”: “assistant”,

“name”: “李白”,

“content”: (

“秋風(fēng)蕭瑟，落葉紛飛；云海蒼茫中，激起我心中無(wú)限豪情。”

)

},

{

“role”: “user”,

“name”: “用戶(hù)”,

“content”: “杜甫，請(qǐng)你點(diǎn)評(píng)李白的這段描寫(xiě)。”

},

{

“role”: “assistant”,

“name”: “杜甫”,

“content”: (

“李白兄之詞，雖豪邁奔放，但略顯輕佻；秋景雖美，情思更需沉穩(wěn)細(xì)膩。”

)

},

{

“role”: “user”,

“name”: “劉總”,

“content”: “李商隱你來(lái)評(píng)價(jià)一下李白和杜甫。”

},

]
# 調(diào)用接口，把包括新對(duì)話(huà)的聊天記錄傳過(guò)去

response = openai.ChatCompletion.create(

model=”gpt-3.5-turbo”,

messages=messages

)
# 收到回復(fù)，打印出來(lái)看看

print(response.choices[0].message[‘content’])

看不懂沒(méi)關(guān)系，也不需要太懂，我舉個(gè)例子來(lái)逐一解釋。

想象甲乙丙三方公司通過(guò)郵件進(jìn)行溝通：

① role（角色）

角色即身份，有點(diǎn)類(lèi)似郵箱@后的域名，你來(lái)自哪個(gè)公司一眼就看出來(lái)了。對(duì)于 AI 來(lái)說(shuō)，主要有 3 種身份：

※ system（系統(tǒng)）

類(lèi)似于第三方監(jiān)管機(jī)構(gòu)，郵箱地址：xxx@system.com。主要負(fù)責(zé)制定一些基本規(guī)則，教乙方做事，讓乙方在甲方面前老實(shí)點(diǎn)，別放飛自我整幺蛾子。

※ user（用戶(hù)） 至高無(wú)上、提出需求的甲方，郵箱地址：xxx@user.com。甲方說(shuō)啥就是啥，有啥問(wèn)題都隨意提。甲方可以是一個(gè)人，也可以是多個(gè)人。

※ assistant（助手）

這里就是指 AI 大模型，兢兢業(yè)業(yè)滿(mǎn)足需求的乙方，郵箱地址：xxx@assistant.com。甲方說(shuō)啥就是啥，乙方必須有求必應(yīng)。同樣的，乙方也可以是一個(gè)「人」或多個(gè)「人」。

② name（名字）

有點(diǎn)類(lèi)似郵箱@前面的賬號(hào)名，你是甲方的誰(shuí)誰(shuí)誰(shuí)或者乙方的誰(shuí)誰(shuí)誰(shuí)就分得很清楚了：

※ 唐詩(shī)專(zhuān)家指導(dǎo)@system.com

※ 劉總@user.com、王工@user.com

※ AI李白@assistant.com

※ AI杜甫@assistant.com

※ AI李商隱@assistant.com

一般來(lái)說(shuō)，我們不會(huì)默認(rèn)使用 name，因?yàn)?role 的三種角色已經(jīng)足夠了。但如果你構(gòu)思的產(chǎn)品需要有多用戶(hù)和多角色的時(shí)候（譬如人機(jī)混戰(zhàn)劇本殺），那么 name 就能派上用場(chǎng)。

③ content（內(nèi)容）

顧名思義，寫(xiě)郵件的時(shí)候肯定會(huì)包含郵件正文，甲乙丙三方都通過(guò)郵件正文傳遞信息。

④ forgetful（健忘）

每封郵件必須包含之前所有的對(duì)話(huà)歷史。

很不幸，這個(gè)郵箱對(duì)話(huà)系統(tǒng)非常簡(jiǎn)陋，每次只能看當(dāng)前收到的郵件內(nèi)容，不存檔之前說(shuō)過(guò)什么，甲乙丙也都是「金魚(yú)腦」，什么都不記得。

因此，為了讓大家明白來(lái)龍和去脈，每一次發(fā)郵件的時(shí)候，都需要帶上之前所有的對(duì)話(huà)。只有這樣，AI 才能明白之前討論過(guò)哪些問(wèn)題，進(jìn)而做出連貫、準(zhǔn)確的回答。

但這樣也帶來(lái)兩個(gè)硬傷：

※ AI 對(duì)話(huà)的記憶有限，遲早會(huì)失憶；

※ 對(duì)話(huà)輪次越多，消耗的 token(RMB??) 也呈指數(shù)級(jí)增長(zhǎng)。

小結(jié)

了解以上的信息之后，結(jié)合不同的 system、user、assistant，相信你已經(jīng)有了很多新的想法和創(chuàng)意。

2.5 更多小知識(shí)

作為甲方的你，除了可以和大模型對(duì)話(huà)，還可以提一些小要求。

我就簡(jiǎn)單說(shuō)幾個(gè)大家可能常用的：

stream：流式輸出

可以控制 AI 的回答是全部就緒了一次性發(fā)給你，還是一個(gè)字一個(gè)字蹦給你。是的，我們平時(shí)看大模型回答一直在打字，就是用的流式傳輸。由于大模型輸出完整答案的時(shí)間目前還比較長(zhǎng)，流式輸出可以有效減少用戶(hù)的等待焦慮。

frequency_penalty：重復(fù)率

-2 到 2 的一個(gè)數(shù)字，減少重復(fù)內(nèi)容，避免復(fù)讀機(jī)。如果 frequency_penalty>0，AI 回答問(wèn)題一旦出現(xiàn)已有文本中就會(huì)被扣工資。

temperature：溫度

雖然叫溫度，但其實(shí)代表著 AI 的隨機(jī)性、創(chuàng)造性。溫度低，AI 就比較穩(wěn)扎穩(wěn)打，對(duì)同樣問(wèn)題盡可能保持一致回答，反之思維則更加發(fā)散、回答的隨機(jī)性更多。還有一個(gè)參數(shù)叫 top_p，作用類(lèi)似就不贅述了，免得把你繞暈了。

小結(jié)

如果你還想知道更多關(guān)于大模型的參數(shù)，你可以去查看各個(gè)大模型官網(wǎng)的 API 文檔，里面有更加詳細(xì)的說(shuō)明。

3.AI的幻覺(jué)

AI 幻覺(jué)，簡(jiǎn)單來(lái)說(shuō)就是 AI「一本正經(jīng)地胡說(shuō)八道」，Ta 有時(shí)候會(huì)給出看似邏輯通順、有鼻子有眼，但實(shí)際上不符合事實(shí)、和你問(wèn)題八竿子打不著的回答。

這是因?yàn)椋?/p>

※ 瞎讀書(shū)，讀瞎書(shū)：

訓(xùn)練數(shù)據(jù)中包含了太多錯(cuò)誤的、質(zhì)量不高的信息，走火入魔、誤入歧途了；

※ 想太多，太多想：

AI 會(huì)強(qiáng)行關(guān)聯(lián)高頻出現(xiàn)的詞匯（比如：看到「加拿大」就想「多倫多」，但你的問(wèn)題其實(shí)是加拿大首都在哪里）；

※ 好面子，怕冷場(chǎng)：

現(xiàn)在的大模型更多被設(shè)計(jì)成“寧可死鴨子嘴硬瞎編也不承認(rèn)自己不知道”，遇到拿不準(zhǔn)的就會(huì)一本正經(jīng)的胡說(shuō)八道。

所以，除非你是專(zhuān)門(mén)做 AI 類(lèi)的產(chǎn)品，否則最好讓 AI 成為你產(chǎn)品功能的「拓展」，而不是「替代」。

畢竟，AI 不是隨時(shí)都靠譜。

4.他們分別擅長(zhǎng)什么？

主流大模型就像武俠世界的各路高手，有的內(nèi)力深厚適合硬剛代碼，有的輕功了得擅長(zhǎng)處理萬(wàn)字長(zhǎng)文，有的暗器精妙專(zhuān)攻多模態(tài)花活。結(jié)合你的產(chǎn)品需求選對(duì)兵器，才能讓 AI 真正成為你的「六脈神劍」。

以下是國(guó)內(nèi)外部分主流大模型的對(duì)比（表格較大，PC查看效果更佳）：

以上的總結(jié)不一定準(zhǔn)確，大家還是以各大模型官網(wǎng)和權(quán)威測(cè)評(píng)為準(zhǔn)。

5.寫(xiě)在最后

大模型不是萬(wàn)能藥，它更像是產(chǎn)品創(chuàng)新的「催化劑」。理解能力邊界，善用工具組合，才能讓 AI 真正成為用戶(hù)的「超級(jí)助手」。

一個(gè)比較個(gè)人主觀的想法：

產(chǎn)品經(jīng)理的核心任務(wù)，

是用AI放大用戶(hù)價(jià)值，

而非追逐技術(shù)炫技。

很慶幸見(jiàn)證這個(gè) AI 飛速發(fā)展的時(shí)代，也正因?yàn)槿绱?，AI 相關(guān)的技術(shù)日新月異。這篇文章也僅僅介紹了一些稍有拓展的基本概念。如果你對(duì) AI 感興趣，不妨在閑暇時(shí)多關(guān)注一些。

歷史的車(chē)輪仍在向前，焦慮不如期待。