起點課堂會員權益
職業體系課特權
線下行業大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業技能直播
會員專屬社群
榮耀標識AI萬字長文丨發展迅速而又緩慢的AI時代
我想如果讓我把我認知的AI濃縮成幾句話，大概是這三句話：AGI的大門打開了、AI優化產品而非創造需求、用好AI需要“研究生”學歷。
讓我們從行業、產品、上手難度這三個角度來看一看這個有趣的時代吧~～
在《終結者》這部電影中，人類成功創造出來強大人工智能“天網”，人們認為這是新時代的開始，然而卻是毀滅的開端；
人工智能，人類科技最前沿的領域，一個被人們充滿期待又充滿恐懼的話題。
ChatGPT的橫空出世、Sora對世界的理解能力，無一都在告訴我們：AGI的時代即將來臨，它的大門已經向我們打開；人們用飛快的達成AGI時代要來臨的共識，投資人在關注基建、普通人在關注使用。
AI不是移動互聯網時代從0-1的一次顛覆，它更多是基于已有的生態去做優化，是“+AI”而不是“AI+”。
移動互聯網讓你可以用手機點外賣，給了你更多的選擇；AI時代，或許你可以跟sirl說一句訂餐，它自動給你處理好一切；iPad可以讓一個幾歲的孩子，無需學習的進行使用；但ChatGPT你需要先學會如何寫prompt、然后再不斷練習，才能夠讓它給到你高質量的輸出。
這是一個充滿迷霧的AI的時代，一個大家少有燒錢獲客的時代。
一、行業：AGI的大門打開了
人類創造了文字來表達對世界的理解，每當我們看到“飛流直下三千尺”，我們會想起來下一句是“疑是銀河落九天”，我們眼前會有一幅畫面徐徐展開，瀑布的雄偉、銀河的璀璨。
人通過學習理解世界，通過文字來表達對世界的感受。
在機器人學習算法中，OpenAI使用了Transformer學習架構并且信奉大力出奇跡的方法，他們讓AI去學習這個世界，去理解這個事情，然后再通過文字、圖片、視頻的方式來表達出來。
通過類人腦的學習算法來賦予AI學習能力，讓它類人化；
2022年11月30日，OpenAI拿出來了他們的一款王炸產品：ChatGPT，它能夠和人類一樣進行對話，能夠進行各種內容的高質量輸出。
ChatGPT理解了文字，Transformer的大力出奇跡又一次驗證了這條路線的可行性，就像蘋果引領智能手機一樣，各種大語言模型如雨后春筍一樣冒了出來。
OpenAI，人類AI時代的最前沿跑的最快的探路者。
當引路者出現了，追趕者也紛紛加快了腳步。2023年，生成式AI基礎的投資有16.9億美元，主要用于LLM的開發，AI的基建時代開始了。
各種大模型如雨后春筍一樣冒出來，谷歌的Gemini、孿生兄弟的Claude，智譜的GLM-4、月之暗面的Kimi。
智譜的GLM-4、月之暗面的Kimi能夠與3.5媲美，與4.0相比尚且需要追趕。
正當大家把GPT4.0當成目標在追趕時，引路者OpenAI有著更大的野心。
一個能夠理解世界、支持多模態、超級通用大模型，會讓追趕者們驚掉下巴。
24年2月16日，OpenAI在推特上發布了Sora的視頻：
對Pika、Runway來說，這是個驚天霹靂的事情。
Sora能夠生成60秒的視頻，它能夠有很好的角色穩定性支持多個角度，它在不依賴物理引擎的基礎上能夠展示出汽車的灰塵、海邊的潮汐。
當大家還在為生成10秒的視頻而感到技術突破時，Sora又一次告訴所有人，你們的技術路線看起來效果有點差。
基于Transformer的大力出奇跡，Sora理解了這個世界，也表達了它理解的世界。
AGI奇跡的背后是對算力的高度依賴，是顯卡們晝夜加班的結果，是老黃開心的笑臉。
AI時代最賺錢的公司是賣鏟子的公司：英偉達。
大模型依賴的不僅僅是訓練模型、語料庫，還有一個更重要的是算力。
大力出奇跡，大力=很多錢。
2022年OpenAI就花費了4.1億美金用于計算和數據訓練。
周鴻祎老板在AI分享中提到，大模型公司買卡起買量50萬塊，50萬張H100卡的成本就已經到達150億美金；
通用大模型，買卡是第一道門檻，這是一個巨頭的游戲。
誰都想拿下AI時代基建第一的位置，就像安卓和iOS于移動互聯網。
巨頭們押注超級通用大模型，而新興的創業者們押注垂類大模型。
或許我們不需要那么大的參數，ChatGPT使用了1760B的訓練參數，它可以進行各種問題的回答，但我們只讓大模型針對法律行業是不是可以做的小一點。
垂類大模型也如雨后春筍的孕育而生，已經有一些不錯的法律類產品可以應用到生活中。
我們可能只需要1-2個通用大模型，但在每一個垂類賽道我們或許都需要幾個垂類大模型。
AI一面熱火朝天，一面冷冷清清。
在大家卯足全力去做大模型開發的時候，AI賽道的應用顯得冷冷清清。
42章經在23年底做了一個復盤，給出了一個觀點：AI不能夠被稱之為一個賽道。
AI看起來有很多機會，但實際上又沒有那么多新的機會。
因為AI的基建能力仍然沒有達到大家的預期，AGI的大門雖然打開，但是AI有效的應用場景似乎看起來沒有那么多。
移動互聯網時代一切我們能夠想到的場景都可以搬到線上，購物、觀影、閱讀、外賣、旅行、交流，這些都能夠通過移動互聯網完成一個質的改變。
隨著移動互聯網的基建越來越好，流量成本變低、智能手機硬件變好，人們從微信發語音變成了微信視頻，抖音短視頻也走進了千家萬戶。
但AI并不是這樣，它出現在一個人們的需求已經得到不錯的滿足的時候。
從0-60分閾值是移動互聯網，AI是從60-70分；很多場景的優化，做也行、不做也行。
“利潤”成為了AI創業者被問到最多的一個問題，而不再是講一個美好的故事，讓大家為預期買單。
AI的時候人們非常的焦慮，總是擔憂AI會不會讓自己失去工作，從Revealera發布的崗位（2023年自由職業數據）變化來看，AI時代改變更多的崗位也聚焦在寫作、翻譯、客服這三個維度，其它反而受影響沒有那么大
當人們體驗完GPT之后，無一不感慨人工智能的先進，卻又很多在體驗完后陷入了沉思，我們不知道用AI去做什么，不知道為AI付費的意義到底是什么。
AI在很多場景已經初見成效，在寫作、翻譯、搜索、客服、陪伴、修圖、書籍閱讀、音視頻轉寫、繪圖、筆記、逝者復活、思維導圖這些場景，AI能夠給到我們不錯的幫助。
二、產品：AI優化產品而非創造需求
我們總會說到AI時代到底什么賺錢？
最后得到結論：AI時代最賺錢的是賣課的，然后是賣鏟子的，賠錢的是做產品的。
全新的AI產品似乎在盈利上遙遙無期，哄哄模擬器上線后爆火，2000美金的token花掉了，0收入，甚至用戶越多賠的越多，最后接入了kimi的api來進行維持。
在AI取的很不錯效果的場景，除了一小部分是依賴AI技術進步才能實現（繪圖、逝者復活），更多的場景其實都是我們日常使用的場景，只是在AI的賦能之下有了更好的體驗。
讓我們從下邊個例子來看看AI時代產品的優化：
2.1 C端產品
2.1.1 搜索
如果你不想看廣告搜索怎么辦？來試試秘塔AI、360AI。
新的搜索和傳統搜索的區別是什么呢？
- 傳統搜索：提出問題 – 通過關鍵詞進行網站匯總 – 排布在頁面中
- AI搜索：提出問題 – 通過關鍵詞進行網站匯總 – 讀取網頁內容 – 通過AI匯總網頁信息 – 展示在頁面中
AI可以讓你在問題的搜索中整理內容，給你一個問題的回答，讓你在一些信息的檢索上有了更好的體驗，同時可以很好的規避各種廣告。
2.1.2 翻譯
在ChatGPT出來的時候，我經常會去看英文咨詢來看AI的進展，因為我的英語水平一般，我總是需要借助谷歌的翻譯工具，谷歌的翻譯工具總是把LLM翻譯成法學碩士。
很多時候我都有點懵逼，我得把他們轉成英文仔細看看到底什么是法學碩士，最后我都背過了，翻譯成法學碩士=LLM，再加上各種專業名詞其實谷歌翻譯的千奇百怪，導致我讀翻譯我總是看不懂他們到底在說什么。
后來我從即刻上學到了用AI讀網頁內容，然后通過prompt進行直譯，這樣還可以設置特定詞匯的翻譯內容。
依賴于大語言模型自身在語言上的優勢，它的翻譯體驗會好出來不少。
當Claude3出來后，我用kimi直譯了網站的內容，能夠快速的了解英文咨詢內容。
AI讓我在翻譯場景下得到了更好的使用體驗。
2.1.3 音頻、視頻內容總結
當你看到長視頻、播客音頻時，想快速看文本內容時該怎么辦？
找一個轉譯工具，然后把它的內容提取出來，轉成文字稿進行閱讀。
過去我們通常會用飛書妙記來解決這個問題，我們需要先通過第三方工具下載音頻視頻，然后再上傳到飛書妙記去轉譯文本，然后讀逐字稿，能用就是有點費勁。
大語言模型帶來了更加快捷的使用方式，通過RSS鏈接的訂閱和大語言模型對于音視頻的解析，你可以直接獲得一個文檔的結果，而不需要再去下載視頻，以通義聽悟的播客為例：
一鍵訂閱你想聽的播客內容，直接看到文本內容和AI總結。
在bilibili視頻上，bilibiliGPT也給出了不錯的解決方案，可以生成文本和思維導圖來讓你更好記錄視頻內容：
Youtube視頻也是如此，可以一鍵總結內容：
2.1.4 照片處理
借助于AI對圖像的理解能力，在照片處理上很多需求可以被更簡單的滿足：
過去我們如果想做一個人像修復、摳圖，你需要專業的技術和工具才能實現，而現在只需要上傳一張照片，AI會給你處理好，直接給到你滿意的結果：
再過一段時間，我們相對一張照片做處理，可能只需要表達想達到的效果，AI來替你實現，而不用去學習PS各種復雜的技術，通過AI就可以輕松的實現。
2.1.5 做PPT
PPT簡直堪稱人人必備的能力，但做好一個PPT又是一個非常頭疼的能力，尤其是很多時候其實我們并不需要一個十分精致到100分的PPT，我們只是需要一個60分能用的PPT就行了。
其實用模板改PPT也能得到不錯的滿足，那AI做PPT有哪些更好的提升呢？
我覺得主要解決了兩個問題：PPT大綱助力、自動匹配模板。
以Gamma為例，你只需要描述你想做的PPT內容，它會自動給你生成一個大綱、然后自動匹配合適的模板給你一份PPT，然后你再去做細節的修改。
跟用PPT做模板比，最大的好處就是：省事。
但AI做PPT如果打分的話我覺得是60分，能夠滿足很多基礎場景，但更重要的還是要手敲PPT了。
2.1.6 寫作助手
如果你經常用筆記軟件，Notion AI的輔助會讓你在筆記使用時更加高效。
它可以對文本做優化、幫你縮短文本、加長文本，還可以進行總結翻譯等各種功能：
比如說我們用Notion AI來加長這段話：
看起來效果還不錯，讓內容的長度獲得了實打實的增加。
Notion AI可以輔助你再記筆記上更高效，但是它不改變你記筆記的核心邏輯。
它是對現有的產品的優化，如果你沒有這個訴求，那么用飛書云文檔也不比Notion體驗差。
2.1.7 妙鴨相機
妙鴨是一個高級P圖工具，通過收集你的各種照片，然后通過AI技術來給你生成各種照片，對比傳統的P圖軟件，其實要非說很大的區別，就是給你換了個場景和打扮，高端P圖技術。
妙鴨剛剛火起來的時候是拍寫真功能，現在已經支持合照、創業照、證件照等各種場景的訴求了。
妙鴨火的也快，落得也快，人們為了嘗鮮使用這款產品，但沒有辦法用妙鴨替代傳統的修圖場景，妙鴨擁有的是基于AI更下一個修圖場景，來得也快去得也快。
2.2 B端產品
2.2.1 RPA+AI
RPA是一個用于電腦上的自動化操作流程，你設置好后系統會按照你的流程往下去重復做，但這個場景里最大問題是RPA設置的成本實在是有點高，你要學習RPA工具，然后自己再不斷配置實驗去進行使用：
看到RPA配置的這些路徑，就可以看到學習成本不是一般的高，需要自己設計流程去擬合電腦操作。
實在智能用AI做了產品上的優化，用戶只需要去自己展示整個流程，然后AI來結合RPA工具生成整個流程和鏈路，然后人再根據生成的鏈路進行調整，大大降低了RPA工具的使用門檻。
2.2.2 AI面試官
近嶼智能在企業服務SaaS的基礎上追加了AI面試，能夠解放一部分基礎的面試的人力，這個產品我覺得對于基礎崗位的初篩可能能夠獲得一個還不錯的結果，通過10-20分鐘快速的獲得一個人的基礎信息，然后為后續的面試做參考。
它其實是一個數字人+LLM合力去完成的面試，如果后續結合上企業的用人要求，那么AI其實能夠在第一輪基礎面試中就給到企業一個對應的分值，對于校招、實習生招聘這種初篩場景估計有不錯的結果。
2.2.3 AI智能合同審查助手
不知道大家有沒有簽過一份合同，在企業里簽合同的流程大概是這樣子的：
- 根據業務需求找合同模板，然后形成一份合同
- 找公司律師進行合同審核
- 找合作公司進行溝通
- 根據溝通修改后找律師審核
- 律師審核后合作公司律師審核
- 重復3-5的環節直至合同簽訂完畢
快點不怎么改的合同一個禮拜就能搞定，如果合同慢一點拖一點3個月都搞不定；在審核中比較花費時間的是律師要不斷比對前后兩個版本合同中的內容，不能有遺漏。
冪律智能在已有的B端合同的需求下，增加AI能夠讓更多場景下得到更好的滿足；AI可以在前后文檔對比、內容總結起到不錯的作用，來讓整個B端合同審核流程效率變的更高。
2.3 拆書產品AI賦能思考
我列舉的這些AI場景其實是我們生活中比較能夠用到的高頻場景，我們可以看到AI對這些場景做了很多的優化，我們本來存在的訴求，通過AI能夠更快捷更高質量的解決掉。
但這些需求場景本身就存在，AI是給解決方案提供了優化的空間。
我拿我自己做過的聽書音頻產品來舉例子，這款產品我是完全0-1及1-N做到10萬日活的，整體鏈路打磨了無數次。
聽書音頻產品是將一本書拆成10分鐘的音頻解讀，然后基于小程序和APP讓用戶來聽書；我們的老用戶月留存能夠做到60%+，100個人里這個月聽完一本書下個月會再來聽完一本書。
在我們的書籍量到達了1000本書籍，那這個時候用戶其實找書就成了一個比較難得問題，我們只能做后臺打標簽，內容運營通過標簽打包成一個書單的方式來聚合書籍，但這種方式其實不是很好的解決方案。
有點太死板，也太依賴內容運營的主觀判斷。
通過用戶的搜索來給它一套預期的內容，其實我們一直想做這個事情，但是過去的技術能力其實是不支持的。
過去用戶搜索“財商”，系統會根據財商關鍵詞匹配給用戶推送書和書單，是一個匹配機制。
但如果我們用上AI，用戶輸入財商，我們在搜索上可以用AI去檢索各種書的拆書稿，然后直接聚合一個推薦書單給到用戶，它會比我們的傳統搜索匹配度好上很多。
但這也是場景優化而且創造需求，這個場景優化聽起來很不錯，但也最多把我們的產品從60%留存率做到61%。
它聽起來還不錯，但是并不核心。
我覺得在拆書稿環節可能作用比較大，我們當時的流程是：內容人員拆書、專業錄音師來錄音，我感覺在拆書環節AI的幫助會比較大。
在拆書稿的環節，如果我們通過使用AI進行輔助拆解，應該能夠讓我們的單日稿件數量增長一倍；同時拆書稿可以自動生成標簽，在上架的時候成本也會低很多。
但其實這塊也是效率的局部增長，我們核心還是依賴資深內容去做書籍的判斷，AI能夠輔助但是不能取代。
至于為什么不用Chatbot，我們當時把用戶反饋提的優先級比較高，產品經理會在客服群里去做客服解答各種問題，所以對應的用戶難受的問題基本上我們都會在規劃中解決。
在日活10萬的時候基本上每周客服群的問題也就1-2個，還更多是使用的問題。
對于我們這種場景來說Chatbot客服是作用不大的。
可能Chatbot做學習導師是一個可行的思路，來幫助人定制化學習路徑，通過企微進行溝通交流促活等行為。
從這個維度來看AI能夠做不少的事情，但是這些事情還是基于我已有的業務場景去做優化，能夠錦上添花。
2.4 AI產品端的思考
2.4.1 C端AI仍然重在嘗鮮
現在AI能夠寫個論文，能夠寫代碼，能夠跟你進行對話，能夠幫你分析各種事情，聽上去AI是很智能。
那么問題來了？它干的這些事情對于你來說有多少是不可或缺的，有多少能夠成為你的付費理由？
我們都常說AI要成為人們的工作助手，不會使用AI的人都會被逐漸淘汰掉。
但實際上殘酷的現實是：對于大多數人來說，學會基礎使用AI帶來不了什么太好的工作提效。
我最近在幫圈友解決深度內容調研的需求；
需要用Perplexity的“文獻搜索”功能完成相關詞檢索，比如說“人工智能技術發展”
基于給出的文獻，查看文獻是否是想調研的內容，然后進行文獻下載。
然后用Kimi讀取PDF來進行文獻的總結。
這個流程肯定是能提升效率的，但是看這個流程門檻也太高了。
還需要等到GPTs、coze這種類型的產品更加豐富起來，有更多場景能夠被直接用一個工作流解決。
人們強依賴AI提效的時候估計才會來臨。
AI對話是個很不錯的場景，從哄哄模擬器的活躍我們就能夠看到大家對這類產品還挺喜歡的。
但是就是體驗一次也就沒下文了，后續沒啥可以繼續用的場景。
感情陪伴我覺得要打個問號？人需要的是認可和陪伴，AI還是有點冷冰冰。
AI繪圖和AI視頻軟件就更不用說了，甚至說從工作流上來講AI繪圖和視頻軟件都不如買個“稿定設計”好用一點。
嘗鮮仍然是一段時間的主旋律，我覺得它的轉變更多依賴于大模型基建的進步，當AI的能力再提升、算力成本再度下降，GPTs組合的場景能夠解決很多問題。
AI才會變成大多數人身邊必備的一員。
2.4.2 需求是沒有變過的，變得只有解決方案
AI出來之后，我非常興奮，從去年4月份開始，我覺得很多場景都可以利用AI來變革一下，都有價值去做。
我自己去體驗了AI面試、AI簡歷投遞、AI提取公眾號文章、Supabase+GPT做索引等等各種產品，反正看上去都很有意思，于是我用了這些需求之后我就開始琢磨，用AI做知識庫助手，用AI去提煉各種文章的內容。
到了算賬的環節一看，好像不是很合適，token的消耗成本太貴了，需求的滿足效果太一般了，我好像走到了一個岔路口，我就開始反思，如果沒有AI，那我這個需求真的存在嗎？能不能用別的軟件滿足呢？
最后發現都是偽需求，我其實壓根就沒有多大的訴求，我只是覺得這個事情能夠用AI去做很有意思。
但實際上這些需求，我壓根不會為其買單，因為對我來說就是嘗鮮，而非有效的應用。
于是我去研究answer AI、monica、notion AI這些做的還不錯的產品，其實你會發現，他們的場景一直都存在，只不過AI來了，讓這些場景下獲得了更好的提升。
Monica不帶AI功能就是標簽記錄功能，帶了AI就可以總結內容、檢索回答，但再往上一層其實是用戶在使用瀏覽器有記錄內容或者查詢內容的需求。
需求一直都存在，只不過之前可能是遇到問題需要谷歌搜索，現在就是monica一鍵搜索，流程變得簡短了，用戶體驗變得更舒服了。
我覺得從C端維度來看什么樣是一個好的AI產品應用的場景：
在沒有AI的時候能夠很好滿足用戶，有了AI之后能夠對某一個模塊進行效果提升。
AI會隨著大模型能力提升一點點重構整個產品，但現在不會發生任何質變。
產品也不要指望上了AI之后立馬數據就變得好看，偽需求永遠是自嗨。
2.4.3 AI在一步步悄無聲息的改變世界
今天看到一組這樣的數據：美圖披露2023年業績總收入27億元，同比增長29.3%。總收入與凈利潤增長主要得益于AI推動主營業務收入增長。美圖用戶每天處理數億份圖片和視頻，約83%都用到了泛AI功能。
AI在悄無聲息的改變一個又一個產品，讓我們生活一點點變的更方便。
它并不是像之前智能手機時代的產品一樣，都是之前不存在過的，一個全新的產品，AI更多的是我們已經見過的很多個產品，用AI去優化、重構它的內核來給我們更好的體驗。
在不久的將來，或許是明天，我們會在常用的各種APP里發現AI的蹤跡，他們可以幫助你總結書籍內容、可以搜索值得購買的產品，手機AI助手可以幫你記錄會議、幫你一鍵叫車。
三、上手難度：用好AI需要“研究生”學歷
AI在中美有兩大巨頭，OpenAI和李一舟老師，這是個讓人哭笑不得的事情。
一部分無奈于LLM追趕不上，一部分無奈于做技術不如賣課賺得多。
但從另一個角度上來看這個問題：為什么AI需要培訓？
如果AI和iPad一樣，6歲小孩子都可以使用的很明白，那根本就沒有培訓需求；但現在的AI其實跟PS一樣，都是一個需要深度學習才能用好的工具。
這也從側面說明了一個事情，AI的用好門檻還是非常高的。
從0基礎小白到用好AI能夠給自己進行一些提效需要過幾關？
第一關：選擇對的工具；第二關：學會提示詞。
3.1 選擇對的工具
AI這個賽道還挺有意思的是大家都說我的產品特別厲害，隨手一搜國產AI，出來一大堆。如果我想用AI讀一本書？我到底該用什么工具呢？
文心一言、智普、豆包、套殼GPT、kimi、星火大模型？
反正一堆產品擺在大家的面前。
有的免費支持多模態、有的能夠讀超長文、有的啥都干不了、有的就是套殼讓你花錢的。
怎么選呢？誰能夠跟GPT3.5相媲美呢？
我們在航海中其實發現，大家如果用不了ChatGPT之后其實是一個懵逼的狀態。
其實連我之前天天關注大模型我也是一個懵逼的狀態；最后群策群力之下大家優先選了kimi、智譜來做用不了GPT的平替。
一個支持超長文本的閱讀可以聯網，一個是支持多模態功能齊全。
有很多對AI了如指掌的朋友可能看到這里哭笑不得，覺得這也太離譜了。
然而現實確實是這樣的，這個世界的參差足夠的大，尤其在AI上表現的淋漓盡致。
最頭部在關注世界模型如何搭建、搞錢前端的在用AI做代寫業務，還有很多普通用戶連用什么工具都不知道。
當大家選了一個自己覺得不錯的工具之后就要進入第二關，學會寫提示詞。
3.2 學會寫提示詞
我們總聽說ChatGPT無所不能，能夠給你寫出非常好的腳本、能夠幫你寫出提示詞，讓你輕易做到你之前做不到的事情，每個人都可以成為超級個體，趕緊來學習AI吧，要么你就被淘汰了。
真相真的是這樣的嗎？
ChatGPT是能夠寫出很多很棒的內容，這句話沒有任何問題。
但是少加了一個前提，你必須足夠懂這些專業的內容。
90分的程序員學好用GPT能夠寫出90分的程序，90分的抖音編導能夠用GPT創作出90分的內容。
但如果你是個0分的程序員水平，你沒法創造出90分的內容啊。
你腦子空空，midjourney再厲害也畫不出來震驚四座的作品呀。
我給學員改公眾號律令文的提示詞能夠讓他寫出10萬+的內容，但是我自己寫公眾號爆文提示詞寫不出來，為什么呢？
因為我壓根就不懂公眾號爆文的結構，你給我一個現成的，我能夠看到你這套邏輯下的問題在哪里。
但你讓我自己寫，真不會，沒有寫過。
那不會寫提示詞就用不好AI了嗎？
可以用別人封裝好的Chatbot，比如GPTs、比如poe、比如coze里各種bot。
這或許是普通用戶低成本用好AI的一個解法。
當我們決定要自己努力寫提示詞的時候，考驗又來了，提示詞考驗的是你自身思維邏輯。
高質量的提示詞需要你輸入給AI更細的需求、更縝密的流程。
在這兩點上做不好，你希望AI給你輸出2000字的文章，它分分鐘給你500字了事。
根據反饋不斷調優提示詞，最后得到一個自己滿意的結果。
那這時候可能會有朋友說，套模板可以減輕一些難度嗎？
可以減輕，但是想寫好還得你腦中知道自己需要什么。
我在寫提示詞常用的BRTR模板和langgpt模板能夠相對來說減輕一些寫提示詞的難度，可以照著葫蘆畫瓢，但是最終落腳點是思維方式。
3.2 總結
用好AI需要“研究生”學歷，這或許也就是除了焦慮之外為什么培訓是個剛需存在的原因了。
因為它的門檻并沒有大家想象中的那么低，用好它需要付出很多心血。
當我在帶了一期航海之后再回過頭來看GPTs和POE，突然發現其實從使用門檻上來說，這兩個Chatbot載體的社區或許是一個很好的降低門檻的解法。
雖然現在GPTs依然受制于算力成本等諸多隱私沒有向下開放使用，但我相信再過一段時間，或許我們打開AI之后，普通人不需要復雜學習，也可以用AI產品對自己產生實打實的幫助。
四、衍生思考：Chatbot社區盈利與實用的解法
我自己做過付費訂閱社區，幾十個優秀創作者寫文章，幾十萬個學員在那買文章。
我們的優秀創作者和學員都是一樣的課程一樣的老師教出來的，他們都知道怎么寫企業分析文章，但最終能夠落筆寫出來的寥寥無幾，反而能看明白是個基本功。
二八法則在哪里都適用，AI賽道也不例外。
2%用AI非常好的同學可以自己做Chatbot，來讓另外98%的人用上自己寫不出來的提示詞。
GPTs、Poe、Coze，它們都在做這樣的事情。
那其實只要解決了頭部2%的激勵問題，其實就可以讓更多好用的Chatbot被普通用到，技術可以去普惠每一個人。
從GPTs來看，目前大模型的算力成本依舊還是很高，如果把Chatbot做更多的開源，大家每個人都可以用GPTs去閱讀書籍，去支持多模態問題，那么OpenAI會成為一只被薅突羊毛的羊。
大模型的基礎能力和算力成本是AI普惠化的第一道門檻。
我最近看了很多大家使用AI工具的訴求，其中有一些需求復雜到大概需要把5-6個工具結藕在一起才能夠高效的運行，少了一個都運轉不了。
我覺得從這個體驗上來看Coze的拆件和工作流對于創作者來講是很友好的，可以解決一些復雜的問題。
但實際體驗下來，并不太好，一個是插件支持的不是很多，現在支持的這些有的時候不如直接用市面上免費的功能更省事；另一部分是Coze提供的GPT4.0功能也不齊全，多模態和文件識別完全不支持。
期待隨著基建能力的提升，會出現更多好用的Chatbot社區。
我在過去高頻使用kimi的場景中，有一個場景是翻譯外文網站，如果kimi推出Chatbot，然后我把這個prompt和流程進行設計，能夠直接翻譯外文網站，然后生成一個PDF文件，那么是不是這樣可以變成一個可以賣錢的Chatbot。
在翻譯場景下Chatbot需要能夠設置專業的翻譯詞匯，能夠去直接轉譯外文文章；如果這些需求我都滿足的很好，那這個Chatbot是不是能夠賣5-10塊錢？
如果用戶有海量的外文翻譯訴求，那對他來說，這個場景和這個錢其實是劃算的。
那么更多這樣的精準化的場景，更多的雙邊交互，一個基于Chatbot的社區就可以自運轉起來；創作者也有動力把自己有價值的產品拿出來給用戶，用戶也能夠更好的低成本去使用AI。
為什么不用PGC免費供給的形式，而是用UGC雙邊供應的形式；PGC可以在前期測試的時候和早期招募UGC的時候少量使用，PGC有自身視角的局限性和數量約束性，基于這兩點，是沒有辦法構建一個足夠大的雙邊供給平臺的。
以上是我對Chatbot的一些思考，期待各家大模型公司帶來更多有意思的產品~
五、結語
我想這篇文章也是對我去年10月份開始深度鉆研AI的一個總結吧，雖然之前在工作中我們已經用通義進行視頻剪輯的提效，用GPT做很多的輔助思考，但是沒有去系統性的看AI這個賽道。
學習提示詞的寫法、去用AI工具為日常提效，做一個基礎的工具匯總網站，學習LLM的邏輯，分析市面上的產品。
12月份去當生財有術的GPT航海教練，帶著大家去了解AI、去使用AI，也是個十分有意思的事情。
我有的時候會在想AI時代我能夠去做點什么，在產品上有哪些值得去做的事情。
選來選去大概還是教育產品、工具產品這兩個方面對我來說收獲最多。
AI+萬物的時代恐怕還要慢慢的到來，那先從用AI迭代一個小的需求點開始做起吧～
也希望看到這篇文章的你覺得花費的時間值得，可以讓你在AI時代的焦慮稍微減弱。
借用《一點就到家》電影里我很喜歡的一句話做結尾吧：流水不爭先，爭的是滔滔不絕～
作者：云舒，一個愛折騰的產品經理
本文由 @云舒 原創發布于人人都是產品經理。未經作者許可，禁止轉載
題圖來自Unsplash，基于CC0協議
該文觀點僅代表作者本人，人人都是產品經理平臺僅提供信息存儲空間服務
- 目前還沒評論，等你發揮！
