大型语言模型（LLM）：是什么？

生成式人工智能是那种将从根本上改变我们社会的事物之一。我们曾经这样感受到过计算机、互联网和手机的力量。以前的一些世代可能也对电视、收音机、汽车、飞机和电力有着同样的感受...

生成式人工智能的应用非常广泛，用户界面惊人地简单明了。只需输入一句话，观察神奇的展开；这对大众来说再适合不过了。就像我们今天没有“计算机专家”或“互联网专家”一样，生成式人工智能很快将被每个人所使用。事实上，人们会对每个人都使用它感到理所当然。

生成式人工智能具有革命性的本质，并且具有广泛的应用。因此，讨论生成式人工智能并不是在质疑是否会取代某种特定的技艺，而是在探讨每种技艺将如何转变。产品管理也不例外，您现在就可以开始收获其带来的回报。

传送门: ChatGPT国内版

        :  GPT4.0

成品GPT账号获取：https://www.chatgptzh.top/

---

大型语言模型（LLM）：是什么？

在向大家展示如何立即通过ChatGPT提升产品水平之前，我需要先带大家绕个弯：LLM和提示工程。

ChatGPT并不具备意识——它并不了解任何事情，实际上也不是在和您对话。它甚至不知道“您”是什么。ChatGPT只是目前可用的几个LLM之一，自2018年以来已经存在。LLM，即大型语言模型，是指一种深度学习模型，能够根据复杂的语言提示生成复杂的语言。诚然，这里用了许多高深的词汇，但本文不会对其进行解释。如果您想了解更多，我强烈推荐您在阅读完本文后观看这个视频。重要的是要理解LLM的工作原理。

LLM与以前的文本模型迭代有所不同，因为它们可以进行无监督学习，也就是说它们可以“自我教育”。LLM分析大量的训练数据，并从观察中识别出模式，而无需人为干预。

举个简单的例子，想象一对括号。当您看到一个开括号时，很有可能在某个地方会有一个闭括号跟随。这是一个您可以很容易观察到的模式，机器也是如此。LLM机器能够在非常大的规模上观察这些模式。与“火车”相比，“我爱…”后面跟着“你”的概率更高。“早起的鸟儿…”的句子很可能会以“有虫子吃”而不是“永远不会放弃你”作为结尾。将这种逻辑应用于逐渐更复杂的排列中，您就拥有了一个可工作的LLM。

OpenAI的特定LLM，ChatGPT，增加了一层训练：它由人类监督。它是最早采用这种方法的之一，这也是为什么它看起来与其前身如此不同的原因。更重要的是，ChatGPT可以根据包含成千上万字的样本数据来预测回答。这意味着它的预测不仅基于模式，还基于上下文。

所有这些都是未来的技术，但从所有这些解释中我们可以得出一个相当平凡的理解：LLM只是概率计算器，了解这一点，您可以与它们进行互动。

接下来是提示工程。

提示工程是什么？

提示工程是一门如此新颖的研究领域，以至于所有可获得的内容在虚假宣传和科学学术论文之间保持平衡。从中提取实际知识需要进行批判性思考的锻炼，这就是为什么了解ChatGPT作为LLM的构成成分对我们来说如此重要。

撇开背景不谈，提示工程基本上意味着通过操控您对机器的说话方式，以获得最佳的答案回复您的查询。提示工程不仅限于ChatGPT，对于基本上任何基于文本的模型，您都需要它。让我们将重点放在OpenAI这个摇钱树上。

为了解释它的工作原理，请看下面的示例。

当我让GPT-4撰写一段简短的关于提示工程重要性的段落时：现在，让我们运用一些提示工程。

我明确指定：

"您是一名为科技博客撰写文章的产品经理，正在写关于提示工程的内容。目标是教育读者如何利用它来提高工作效率。

请写一段简明扼要的段落，作为博客文章的引言，并确保在这段文字的结尾强调提示工程的重要性。

如果您在回答之前需要更多信息，请提问："

结果不言自明。您在提示中提供的上下文越多，人工智能就越能理解您的意图。提示工程是扩展ChatGPT应用领域的工具，也是您将其转变为强大的产品经理伴侣的方式。

让我们来详细解析提示工程的基本原理。下面照片中的数字对应以下解释提示工程组成部分的各个部分：

1. 角色

给予AI一个角色是绝对基础的。它是大多数提示的起点，负责在提供答案之前缩小模型考虑的可能性范围。明确定义的角色已经完成了一半的工作。

2. 上下文

您提供的上下文可以尽可能详细，但在这里需要权衡一下。如果提供的信息过多，模型可能会迷失在您真正想要的内容上。思考一下您请求的基本要素，并相应地给机器定位。

3. 命令

这是您对机器提出的实际请求。如果没有这个请求，模型可以自由地推测您的需求，从您的提示中可能产生各种各样的内容。您的命令越短，ChatGPT就有更多的创造空间。

4. 问题

提示工程并不是一门精确的科学，您可能在提供上下文时过于枯燥。在给出答案之前询问模型是否拥有所需的所有信息，这可以确保您已经分享足够的信息。通常情况下，机器不会再要求更多的信息，但对于更复杂的命令可能需要进一步的指示。

---

这四个提示杠杆足以帮助我们创建ChatGPT的产品技巧，但还有一些基本工具可以用来最大限度地提高回答效果。下面的示例介绍了其中一些工具：

5. 擦除

您可以在对话中擦除先前的上下文，而不是每次都开启新的对话，这样可以使答案忽略之前提供和回答的内容。您可以告诉AI忘记所有先前的消息，或者类似的变体。

6. 0-shot、1-shot、few-shot

我展示的第一个提示示例是一个"0-shot"提示，意味着我没有强制AI遵循任何特定的回答模式。像上面那样的提示被称为"1-shot"提示，因为它们提供了一个回答结构的示例。除了0和1之外，提示还可以是"few-shot"的：您可以提供几个示例，以确保ChatGPT能相应地回答。

7. 思维链

由于LLM只是概率机器，它们可以产生看似有道理但实际上是错误的推理。对于更复杂的任务或需要机器更多创造力的任务，强制它进行逐步的思考过程有助于获得更好的结果。

还有一些更多的技术调整可以使用，比如调整P值、温度或更换模型。我不会详细介绍这些，因为它们对本文的意图没有实际价值，但您可以在阅读完后自由探索和发现更多。

顺便说一句，这是我得到的上述提示的答案:

产品管理ChatGPT提示

我知道这是一个冗长的绕行，但是下面我提供的示例如果没有详细的介绍就没有意义。理想情况下，我会将我和ChatGPT之间的整个对话粘贴在这里，但是由于我不想让这成为一个三部曲的文章，我只会分享提示，然后让您自己测试并查看结果。剧透：结果非常令人印象深刻。

用户故事创作

第一个提示是用于用户故事创作的：

我通过以下方式提示GPT：

“您是一家位于巴西的SAAS支付初创公司的产品负责人，负责核心支付平台，该平台将客户与收单机构连接起来。
您需要开发一个新的标记化功能，您的工作是为工程团队创建用户故事以开始开发。请记住，您不负责结账体验，只负责买家和收单机构之间的信用卡数据通信。客户应能够管理他们的标记。
为每个用户故事提供一个简要的逐步解释的合理性。在创建用户故事之前，如果您需要更多信息来提供答案，请向我提问。”

它不仅提出了问题，而且还为我提供了一个包含五个用户故事的答案，其中详细说明了行业监管协议和用户应能执行的特定API命令。我在支付行业工作了很长时间，可以向您保证，作为支付产品经理，我几乎没有什么需要补充的输入。

发现：用户访谈

您还可以使用人工智能和ChatGPT进行发现过程：

如上图所示，我告诉AI：

“我是一名产品经理，您是我的产品的潜在用户。
我在一款连接提供狗和猫寄养和日托服务的人和愿意支付此服务费用的人的应用上工作。我们在平台内满足需求和供应方面遇到了一些挑战。我正在采访您，以了解您为什么从未完成提供者表单。根据以下示例，为每个可能的用户给我一个段落回答：
用户：年轻的失业女性
回答：我喜欢猫...
用户：年长的退休男性
回答：我喜欢狗...
用户：没有孩子的夫妇
回答：我们没有宠物
如果您在回答之前需要更多信息，请提问。”

现在，如果您尝试过对用户进行访谈，您就会知道找到愿意给您反馈的人有多困难。更糟糕的是，组织问题以避免用户回答的限制性条件是一门精妙的艺术。

尽管ChatGPT远远不是一个真正的用户，但它基本上可以通过整个互联网作为数据源来推断符合描述的人最有可能告诉您什么。请原谅我，但我认为这已经足够好，可以作为短窗口的定性研究的良好代理，而不需要经历我上面提到的挑战。

辨识潜在的第三方提供商

ChatGPT是一个识别不同服务的第三方提供商的良好资源。请记住，当前版本的ChatGPT仅在2021年9月之前准确，所以可能有一些新的工具它不知道：

在上述提示中，我告诉ChatGPT：

“您是一位产品经理，您的团队负责为其他内部团队（如销售或客户支持）提供增加其生产力的解决方案。该公司为欧洲的大型实体零售店销售B2B SAAS产品，他们正在努力寻找新的潜在客户。
您的工作是筛选市场并提供可能帮助销售团队解决问题的供应商名称。管理层有兴趣探索利用人工智能的解决方案。
解释每个供应商选择背后的理由。”

作为产品经理，并不总是依靠内部的产出能力来取得成果。很多时候，您需要利用第三方的解决方案。尽管ChatGPT不是一个搜索引擎，但它肯定有一些关于业务的想法可以帮助您。

OKR 定义

最后，我发现ChatGPT对于定义OKR非常有帮助：

这个提示的重点较多，提供了很多背景信息，并期望得到一个相当复杂的答案：

“您是一位负责为您的团队制定OKR的团队产品经理。现在是2023年，您应该为第三季度编写OKR。
在2023年，行业的主要关注点是效率和盈利能力。大规模裁员在整个行业中正在发生。风险投资达到了历史最低点，科技公司需要大量依赖销售来保持增长。
您的产品是一个网络安全工具，您管理下有两个团队：一个负责筛查社交网络以查找潜在的虚假资料，另一个负责利用机器学习来验证这些潜在的伪造者是否确实是冒充客户品牌的欺诈者。”**公司的总体目标是将收入增加50%，利润增加100%。您的任务是提出OKR，使您的团队能够在考虑到2023年的情况下帮助组织实现其目标。逐步解释每个KR的理由。
在创建OKR之前，如果需要更多信息，请提问。”

由于提示写得很好，ChatGPT不仅能够为两个团队提供OKR，而且在我进一步追问提议的KR时，它还能连续解释其推理过程。您可能无法100%依赖其输出，但它绝对是一个很好的讨论起点。

团队活动建议

最后，AI在团队活动方面也非常出色。我发现它对Scrum和敏捷方法非常了解，因此已经积累了很多上下文：

我给出的提示是：

您是Scrum主管，负责提出有趣而富有成效的回顾活动。您是高级团队的一员，这意味着他们对“疯狂伤心快乐”、“赞扬卡墙”或“一词回顾”等活动都非常熟悉。然而，回顾活动的参与度正在下降，团队成员经常使用手机，参与度总体下降。
您的任务是提出创新的回顾活动来重新激发团队的参与度。
您的指导原则是：
回顾活动应更快速
回顾活动应产生可行的生产力改进措施
回顾活动应能够吸引工程师、产品经理和设计师的参与
如果需要更多信息，请在提供答案之前提问。

这个提示提供了众所周知的回顾活动建议，但更令人印象深刻的是，它提出了我从未听说过的新活动！

我在互联网上搜索了一下，虽然找到了一些类似的活动，但没有找到完全符合ChatGPT建议的活动。它确实认真地对待了“创新”的要求，并创造出了全新的活动！

结论

ChatGPT回答：

我在此结论中强调，ChatGPT是一种强大的工具，可以极大地提升产品经理的工作效率。重要的是要记住，虽然ChatGPT不会替你完成工作，但它可以通过提供有价值的见解和建议来增强你的生产力和决策能力。随着生成式人工智能领域的不断快速发展，及时了解最新进展对于充分发挥基于人工智能的解决方案的潜力至关重要。
如果你在产品管理过程中不利用人工智能，那将对未来的自己造成不利影响。拥抱人工智能的力量，例如ChatGPT，可以改变你应对复杂产品管理挑战和优化工作流程的能力。不要错过将人工智能融入产品管理工具包的机会，以提升你的技能并获得竞争优势。