告别AI焦虑，普通人快速入门AI大模型的三大关键能力

机械学习项目成功的关键在于对问题的深刻理解，而非算法的选择。

——彼得·诺维格（Peter Norvig）人工智能专家谷歌研究总监

从24年初开始，围绕大模型如何落地到公司，我进行了大量的研究，借鉴了很多行业案例和知识付费课程。

但是不幸的是，许多人仍然对这项新技术持怀疑态度。就在几天前，另一位产品经理来找我说：

他说：“AI刚出来的时候，我既兴奋又好奇，以为终于可以有个帮手分担工作了。我也试着使用kimi、文心一言帮助我回答问题，生成文档。但是几次之后发现，AI在具体的工作任务上仍然很难帮助我。举例来说，它导出了一份调查报告，它给出了一个完整的框架，但是内容填充得很水，还得自己去改变，这和在网上找模板有什么不同。几次之后，我只能让AI帮我做些不重要的事情，结果就是食之无味弃之可惜。”

想一想，面对滚滚而来的AI焦虑，你是否也有过类似的疑问：

• 注册了几款大型商品，但打开后脑子一片空白，不知如何与之对话。

  
  

• 问了几个问题，发现给出的答案就像大厂的黑话——好像说了很多，其实和没说的一样。

  
  

• 我用软件自带的智能体尝试了几套提示，好像导出比以前好了，但也局限于写公文、发邮件等文案的生成。我想让它帮助我提高审批应用程序的效率。我该怎么办？

  
  

本文，我想试着给出一些解决方案。

我认为：要想用好大模型，首先要学习的不是工具，不是提示词，而是要有业务理解。 流程抽象 积累方法论能力。我称之为：行业、流动、法三步模型。

这种方法，源于业界非常有名的一句话：

成功者的本质，就是把一件正确的事情重复一万遍。

AI可以做的，就是重复一万次。但是在这之前，你首先要知道什么是对的，以及如何正确地做一万次。

• 商业理解，锻炼对正确事物的判断力。

  
  

• 过程抽象，锻炼的是把事情做一万次的自动化能力。

  
  

• 方法沉淀，锻炼的是如何正确地将自动化方法传递给AI的能力。

  
  

具体怎么做，说说呢？

步骤一，行业，具有特定领域的业务理解能力。

也就是行业know 能力低下。也就是说，了解一个行业的商业模式、竞争格局、上下游和实际的业务运作模式。

上面提到的“帮助我提高审批App时的效率。”比如，你要知道应用分发这个领域，有哪些角色参与其中，然后再去思考平台在其中的职责，靠什么盈利。其中，利益分配的链条，如何从开发者、客户、广告主、平台方传递到平台方。你还应该知道这个行业可能会发生什么，可能会发生什么，可能会发现什么，可能有什么办法可以解决。这类风险的特点是什么？

你越清楚应用开发者、平台运营商和用户之间的互动模式，你就越能从中找到规则，这样你就可以很容易地进入第二步:流程抽象。

步骤二，流，具有抽象建模工作流程的能力。

也就是说，知道如何使用节点 连接方式，将一项业务的经营逻辑抽象成：角色： 行为 数据 运行线路的方式。

• 角色。职位职责和分工要求完成业务。

  
  

• 行为，规定角色要完成一件事情，需要做哪些具体的执行动作？

  
  

• 资料，规定角色执行前的参考环境，执行后的输出结果。

  
  

• 运行线路，规定角色在哪些数据的前提下，执行哪些动作，产生哪些数据，从而影响下一个角色。

  
  

还是以“帮助我提高审批App时的效率。举例来说，简单抽象一下，可以根据这种结构来理解：

角色：开发者，平台审查员，客户

行为：开发者，提交应用信息和安装包；平台，审核信息保证合规；客户，下载软件，使用产品，提出反馈

资料：包括使用的类别数据、资质数据、简介数据和产品本身的数据，以及用户下载软件后的反馈数据等。

运行路线，如图所示。开发人员根据要求生成提交行为，形成待审查的数据；审查员获取数据，按照规则完成审批动作；客户可以看到审批通过的应用程序，执行下载动作并提出反馈；审查员会根据反馈做出调整规则或回复反馈的动作。

步骤三，法，具有将过程事件结构化为方法论的能力。

也就是说，以结构化文本的方式表达成功的过程，本质上是沉淀可重用的方法论。而且方法论在AI时代的外化方法，就是prompt。

或者继续上面的例子。如果你想让AI在这个过程中发挥作用，你应该为它安排一个角色，这样它就可以作为一个节点参与运行线路，获取数据，执行规则，输出结果。

您的目标，就是尽可能让AI这个角色，帮助您执行蓝框所示的行为，让您从角色中解脱出来。

假定想让AI帮你执行“审批类别”这一动作，能如何描述？

角色：类别审查员

目的：判断类别数据和资质数据，是否符合类别审批规则

执行流程：

1、阅读资格数据

2、提取资格数据的关键信息，如所属行业、证书号码等。

3、确定资格数据是否真实有效(对接第三方接口)

4、若有效，查看资质信息，是否符合类别要求的规则。例如：经营范围，员工数量等。

5、若匹配，审批通过，进入下一步，执行审批应用行为。

6、如不匹配，审核不合格，生成不合格的表明文案，附加原因不合格，输出给审核员二次确认。

输出格式：

结论 原因 验证根据

这种方法论一出来，聪明的你一定会发现，它就是一套结构化的提示。

其实稍微整理一下，也可以写成新员工的培训资料，甚至作为需求文档提交给技术，写成代码。自然语言和代码之间的转换也是大模型的特长。

看着这儿，你可能会说，这太复杂了吗？

如果你想用好大模型，你必须首先成为领域专家和沉淀方法论。这要求各行各业的资深人士都做不到。我只是一个普通人。拥有这样的能力太难了！

现在是不是不懂这些，就不能用AI了？

当然不是。如果你在没有方法论沉淀的情况下使用AI，我会给你三个诀窍:

第一招：拜师，快速上路。

与其学习零星的工具技巧，不如先找那些已经借助AI，在垂直领域取得成绩的大佬们，向他们学习。

这些老板不仅有扎实的理论知识，而且有效地帮助了AI。你可以直接问他们，模仿他们的做法，让自己先达到“及格线”。当然，这个把戏并不局限于平凡，而是帮助你快速建立信心，打好基础。站在巨人的肩膀上，你很快就能明白AI的能力边界有多宽，以及它如何在你的领域取得巨大的成就。

第2招：记录反馈，不断尝试和犯错

使用AI时，每一次尝试都要记录下来。不管结果是好是坏，这都是宝贵的经验。

遇到问题，不要急着退缩。我需要那种“我不相信”的力量。我相信AI一定会帮助我自己。带着这种信念，找到问题，想办法。如果自己处理不了，可以向老板请教。一步一步，你总能越来越接近自己的目标。

在这个过程中，解决问题的经验是非常宝贵的，它可以帮助你在以后遇到类似的问题时举一反三。这种边做边学，边学边改的方法，是提高AI技能的唯一途径。

第3招：内在经验，融合贯通。

当你觉得自己已经能够熟练运用AI，达到预期效果的时候，不要在这里满足。我们应该结合你的理解和创新，形成一套我们在这个过程中学到的前辈经验的独特方法。这意味着你应该分析你的做法，找到一个可以改进的地方，然后不断打磨和优化。当招数构成时，就是你领域沉淀的独家方法论。

总体而言，面对AI的来势汹汹，每个人都不应该明哲保身。。AI不仅仅是一种工具，它更像是一个智者，一个导师，引导我们深入了解业务，抽象流程，沉淀方法。但是别忘了，AI也是一面镜子，它反映了我们对问题的理解，对工作的热爱，对生活的执著。使用AI，并非一蹴而就，它需要我们不断地学习、尝试和反思。正如彼得·诺维格所说，机器学习项目的成功源于对问题的深刻理解。所以，不要害怕开始，不要害怕失败，因为每一次尝试，都是成功的一步。

我相信AGI的时代一定会到来。积极拥抱这种趋势，不是品尝，而是深入体验，找到最好的解决方案。当AI真正大规模普及时，你一定会受益。

互动一下

当你和AI交谈时，你遇到了什么问题？你的业务有没有和AI结合的概率？如果你对AI有任何疑问或建议，不妨发到评论区，我来帮你看看怎么解决~

本文来自微信微信官方账号“网络悦读笔记”（ID:pmboxs），作者：申悦，36氪经授权发布。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com