通用谈天机器人内容初步生成、或作为后续更专业模型的地基

特色：常识面广，像一个常识渊博的通才。它能答复常识问题、写通用文案、做言语翻译，几乎无所不能。但它的缺点也同样明显：关于高度专业化的笔直范畴，它的答复或许不够深化、精准，甚至会因为缺乏特定常识而产生幻觉。

产品运用： 适合作为通用谈天机器人、内容初步生成、或作为后续更专业模型的地基。

Level 1：笔直范畴模型 (Domain-specific Model)

界说： 在基座大模型的根底上，运用特定职业或范畴的专业数据进行“微调（Fine-tuning）”后得到的模型。例如，一个专门学习了数百万份法令文书的“法令大模型”，或一个学习了海量医学文献的“医疗大模型”。

特色： 常识专业性远超基座模型。它能了解职业术语、遵从范畴内的特定逻辑和标准，在专业使命上的体现更可靠、更精准。它就像一个深化特定职业的专才。

产品运用： 智能法令顾问、医疗确诊辅佐、金融风控剖析等需求深度范畴常识的专业东西。

Level 2：场景模型 (Scenario Model)

界说： 这是为解决某个极其详细的业务场景而训练或调优的“迷你”模型。它的方针不是成为一个范畴的专家，而是成为完成单一使命的顶级工匠。

特色： 使命极其聚集，性能和效率为该特定场景高度优化。例如，一个只担任“识别咱们公司发票上特定字段”的模型，或许一个只担任“判别用户对咱们APP新功能的评论是正向仍是负向”的模型。它的常识规模极窄，但在此规模内的准确率和效率或许最高。

产品运用： 特定业务流程自动化（RPA）、高精度的情感剖析、工业质检、特定图像识别等。

产品司理的抉择：如何为你的场景挑选最适宜的大脑？

在一个AI产品中，你可以只挑选某一层级的模型，也可以根据业务的杂乱性，将多个层级的模型组合运用。作为AI产品司理的中心使命之一，便是为产品的不同场景找到最适宜的大脑，这通常涉及到对模型进行详尽的选型、调研和评价。

这并非一个简略的技能问题，而是一个包括才能、本钱、效果、效率等多维度的商业决议计划。是直接调用昂贵但万能的L0模型，仍是投入资源去训练一个更精准的L1或L2模型？这个决议计划，直接影响了产品的中心竞争力和商业回报。

运用层——链接技能与业务价值

运用层是产品司理的中心作业层面，担任将模型层提供的才能，真正转化为能解决详细业务问题、发明商业价值的实战运用。在这一层，产品司理需求掌握两大中心技能：提示词工程（Prompt Engineering）和Agent规划。

提示词工程：规划与优化AI指令的中心技能

提示词（Prompt）是人类与大模型沟通的指令，而提示词工程，便是环绕这些指令进行规划、建造和优化的系统性学科。它并非简略的提问，而是通过精准的指令、上下文和事例，来束缚和引导模型，使其输出契合预期的、高质量的成果。在实践中，它主要分为两种形式：硬提示（Hard Prompting）和软提示（Soft Prompting）。

• 硬提示工程（HardPrompting），是将一段经过精心规划的、结构化的长提示词，作为直接输入给到模型，以期取得准确答案的办法。这种办法在产品实验和快速验证阶段非常有用，能让咱们敏捷测试一个想法的可行性。
• 软提示工程（SoftPrompting），也被称为提示词微调（PromptTuning），则是一种更高档、更高效的形式。它不再依赖于每次请求都发送冗长的提示词，而是通过微调技能，将这些杂乱的指令和形式“教会”给模型，让其形成一种程序性的回忆。这种方法大幅降低了单次调用的本钱（Token消耗），并提升了响应速度和稳定性，是产品功能在验证成功后，正式上线生产环境的首选方案。

Agent规划：打造能“思考”会“行动”的智能体

假如说提示词工程是让模型“说得对”，那么Agent规划便是让模型“做得好”。一个智能体（Agent）远不止是一个谈天机器人，它是一个具备推理、规划、并能调用外部东西来完成杂乱使命的自主系统。AI产品司理需求了解Agent的进化阶段，并为其规划完成方针所需的中心才能。

Agent的五个进化等级：Agent的开展实际上存在一个明晰的递进等级，每一级都代表着其自主性和智能水平的跃升

榜首级：规矩型智能体

这是最根底的形态，能根据人类预先设定的简略规矩来运用东西。例如，“假如用户问气候，就调用气候查询东西”。它的行为完全由规矩驱动，不具备决议计划才能。

第二级：学习型智能体

在这一阶段，Agent开始逾越固定的规矩，通过模仿学习和强化学习，具备了初步的决议计划和推理才能。它能根据上下文，在有限的选项中做出挑选，但其智能水平和适应性仍有限制。

这是咱们当下正尽力跨越的阶段。这一级的Agent根据强壮的大言语模型，在第二级的才能之上，增加了两个至关重要的才能：回忆与反思。这使得Agent不只能履行使命，还能在履行过程中进行自我评价和调整，然后完成更杂乱的、多过程的使命。

第四级：自主型智能体

这是未来的重要方向。Agent将具有自主学习的才能。它不再仅仅依赖于预训练的数据，而是可以在与环境的交互中，自我探究、学习新技能，并不断迭代自己的常识库和才能鸿沟。

第五级：社会型智能体

这是Agent开展的终极愿景之一。在这一阶段，Agent将具备情感了解和杂乱的社会协同才能。它们不只能与人类进行有情感共识的深度协作，还能与其他Agent组成集体，一起解决庞大的、杂乱的社会性问题。

Agent的四大中心才能：为了规划出能迈向第三级、然后解锁更多运用场景的强壮Agent，产品司理需求为其构建四大中心才能。这四项才能相得益彰，一起构成了Agent的智能内核。

东西运用才能 (Tool Use)

这是Agent与物理国际或数字国际交互的接口。通过调用API、查询数据库、履行代码、进行网络搜索等东西，Agent才可以获取外部信息、履行详细操作，然后逾越一个朴实的言语模型，成为一个实干家。

回忆才能 (Memory)

这是Agent保持上下文连贯性、完成个性化交互的柱石。回忆才能使其可以记住历史对话、用户的偏好、以及曩昔使命的成功与失败，然后在持续的交互中体现得更智能、更具连续性。

反思才能 (Reflection)

这是Agent完成自我纠错和优化的机制。在履行一个多过程使命时，反思才能让Agent可以周期性地停下来，评价自己当前的进展、判别之前的行动是否有用、并思考下一步的最佳战略。这种才能是Agent可以完成杂乱使命、避免堕入错误途径的要害。

规划与决议计划才能 (Planning)

这是Agent的中心中枢。它担任将一个庞大的、含糊的用户方针，拆解成一系列明晰、详细、可履行的子使命，并动态地规划出履行顺序、挑选适宜的东西。正是这种规划决议计划才能，才让Agent从一个简略的指令履行者，进化为一个真正能自主解决问题的智能伙伴。

第四层：用户层——对话框，重塑人机协作

咱们终于来到了四层架构的顶端——用户层。这是所有底层技能、模型才能与运用逻辑的终究呈现，是产品价值的终究体现。

当前，绝大多数AI产品呈现给用户的，是一个简略的对话界面。这极大地简化了产品司理的原型作业，但咱们必须清醒地认识到，对话框绝对不是、也不应该成为AI交互的唯一形态。人类获取信息总量的80%来源于视觉，而视觉远不止于阅读文字。新一轮的AI技能浪潮，正在推动人机交互发生一场深刻的范式转移。

从“指令-履行”到“协作-共创”

传统的图形用户界面（GUI）是根据“指令-履行”形式的，用户通过点击按钮、菜单下达准确指令，系统则忠实地履行。而AI带来的对话式、多模态交互，正在将这种单向联系，重塑为一种协作伙伴的联系。

举个比如，幻想一下这个场景：你正和一个智能伙伴一起在白板前进行脑筋风暴。你随口说：“咱们是不是该调研一下具身机器人的相关内容？”话音未落，AI伙伴已在画布上即时生成了一张思想导图，梳理出初步结构。你审视后觉得用维恩图更能体现模块间的交叉联系，便说：“换成维恩图或许更清楚。”AI立刻切换了可视化方法。在这样流畅的反复交流、不断调整中，你们高效地完成了调研结构的建立。最后，这位智能伙伴根据你们一起构建的思路，自动调用搜索东西，为你整理出一份结构明晰、信息详实的调研报告。