这篇著作从分析LLM不错作念哪些事好色小说，提供一些不错为居品司理带来匡助或灵感的启发。

咱们了解到，生成式AI指东说念主工智能系统不错产出高质地的内容，出奇是文本，图片和音频。这个特色使得好多东说念主工智能应用按次不错愈加容易的被搭建出来，相似，因为生成式AI刻下的抖擞发展，这也意味着搭建这些东说念主工智能应用按次会比正本低廉的多。

固然生成式AI不错生成高质地的文本、图片和音频，然则迄今为止，对咱们影响最大的如故文本生成，是以今天想要从文本生成这个角度和寰球共享一下LLM不错匡助咱们作念哪些事情，或者怎样用较低的老本搭建对企业有价值的东说念主工智能应用按次。

在这之前，我想把大言语模子不错匡助居品司理作念的事情分为两大类，

一类是个东说念主向价值，也便是只消你领有任何大言语模子账号，无论是免费如故付费的，你只消登录就可使用，是Web-based LLM，我会在后头的著作中标注为个东说念主。

另一类是企业向价值，也便是把LLM引入到企业原有的软件自动化过程中智力产生价值，是基于LLM的软件应用，我会在后头的著作中标注为企业。

一、LLM不错作念哪些事情

1. 从“点滴” 到 “完好”

当咱们给LLM一些很轻便的提醒词之后，LLM不错给咱们好多

1 ）头脑风暴好伙伴（个东说念主）

想当初咱们从0到1作念一个新址品的时候，在一个很好的idea通过贸易分析后遭遇的第一个坎便是给这个新址品起一个名字。咱们系数这个词中枢团队阅历了好几轮头脑风暴，从重要字的挑选到居品宗旨的匹配，从传播性到肯求去重查询，最终决定了一个居品名。

而当今你不错把大言语模子行为你头脑风暴的好帮衬，用一些轻便的提醒词就不错让TA帮你作念一些创意类的念念考，从而不错匡助咱们从中赢得灵感。而这个小高手的灵感仿佛不会缺少，当你络续的让TA再想一想，TA会勤极力恳的不竭的念念考，直到匡助你赢得悦主见灵感络续加工

以致不错帮你一说念首脑风暴行为有联想

2）匡助你写居品Newsletter/Release Note（个东说念主）

居品司理一个很要紧的职责是让寰球了解到每个迭代完成后好色小说，咱们作念了哪些功能从而传递了哪些价值。无论是关于研发团队的招供和饱读舞，如故关于外部联接团队的弹药补充。这么不仅巧合让你所指挥的研发团队在公司中有着抓续曝光，让公司了解到你团队所创造出的价值，而且也不错通过和外部联接团队的互动让研发团队了解到他们的反应/笃定/费神，笃信我，这比你一遍遍不竭的传递每个迭代的研发方针来的灵验的多。

当你给到大言语模子一个简单的指示“请帮我写一份居品发布见知”

大言语模子会给到你一份专科的模样，包括：标题、版块号、发布时间、新功能、优化、问题配置、已知问题、结语。

当你不错给到大言语模子更多凹凸文信息，比如居品的基本信息，咱们此次作念了哪些重要故事，大言语模子不错推崇的更好。

3）翻译（个东说念主）

在居品研发的过程中，无论是全球企业的跨国合作，如故信息汇注/学习，皆很有可能拿到非母语贵寓。举两个常见且的确的对比例子。

例子1：咱们也曾有个技俩需要作念一个内容型主导的居品，在这个过程中需要了解好多热沈学的学问，把柄这些学问的相识及内容人人的疏导智力念念考怎样作念相应的数字化转型居品，而这些热沈学学问的多量文档贵寓皆是总部作念文档存档，咱们只可靠我方及翻译软件的匡助完成这些责任。

例子2：最近咱们开动作念引入大言语模子的AI+居品研发，在这个过程中，也必不可少需要翻阅多量的贵寓，由于是一个全新的学问限度，像咱们在系数这个词研发过程中，以致需要查阅有关的论文。然则当今有了LLM的扶抓，果然有种升空的嗅觉，咱们会用一些大言语模子径直阅读下载的原版论文PDF模样，TA不仅巧合帮你很好的翻译，以致在这个基础上作念脑图匡助你快速定位需要看的内容。

骨子使用下来，有些大言语模子的翻译质地以致高于一些专科的翻译软件。

2. 化“繁” 为 “简”

1）校对 & 润色（个东说念主）

居品司理其实除了需求文档以外，有不少笔墨责任，比如对内对外的疏导邮件，居品手册，居品发布会的逐字稿等等。在这个过程中，我频繁会有两种情况需要大言语模子匡助我。

情况1：当我用非母语言语和合作方疏导，无论是和研发团队如故和Stakeholder疏导，我会让大言语模子帮我作念校对，从而幸免我的疏导内容有基本的语法造作或拼写造作。这个免强症齐备受我毕业入职第一家公司发生的一件事情所影响。我刚刚毕业时加入的一家公司是作念SAAS平台，服务于全好意思近100所高校，有一次发布之后咱们平台上的一个新功能TIPS有拼写造作，销售总监在构兵某个客户后发了一封邮件婉转的评释了咱们服务对象是受过高档西席，而居品上有这么的造作会终点影响他们的销售。

情况2：好多居品司理是技能配景出生，其实瑕瑜常不擅长写居品发布会逐字稿的，但又不得不准备逐字稿。我不晓得寰球是不是这么，归正我是不成莫得逐字稿轻佻施展的，这会让我终点垂危，但大多数情况下，我的第一版逐字稿停留在评释晰居品宗旨和Unique selling point上，我牢记我第一次作念居品发布会的时候，市集部的共事看到我的逐字稿，指着某个场所说，这边你的笔墨需要有极少力量时，我那时是一脸懵逼的，直到拿到改完的逐字稿，我才发现笔墨责任者果然是，好横暴。然则有了大言语模子之后，我不仅会让TA匡助我润色，得意，以致不错建议我关于逐字稿的条件给到我修改建议，系数这个词宇宙皆因为有了这个小帮衬而变得好意思好了好多~

2）回来长篇著作（个东说念主）

就像在翻译的例子2中提到的，好多时候，咱们在研发居品前和过程中，需要翻阅多量的贵寓，无论是分析阶段的市集论述、行业论述，如故过程中需要学习的多样专科内容。

有些时候，这些内容需要你通篇阅读，而有些时候无论是时间原因如故快速定位需要阅读内容的需求，大言语模子的长篇著作回来才略皆能匡助咱们大大种植后果。

3）企业责任提效（企业）

咱们也不错把LLM引入现存企业的责任流种植为企业提效，比如服务过SAAS系统的伙伴皆知说念，大多数SAAS平台会有一个客服部门，他们是最前哨构兵客户的东说念主群，有时候会径直和客户疏导，有时候需要恢复客户在系统提交的Ticket处理问题。

例子1：客服部门的司理需要了解逐日责任概览，在原有的过程中，客服司理需要阅读多量的文本才不错了解到每天或一段时间内的概况，引入LLM后，不错通过语音转文本的格局（如若客服东说念主员和客户聊天的语音是允许被授权灌音的），转成好多份文本，让LLM通过一定的规则模样回来出概览，举例客户称号，轻便问题描画。这么就不错大大种植客服司理的责任后果。

例子2：客服部门每天要接管多量客户提交的Ticket，这些tickets可能是处理一个客户的操作疑问，可能是一个需要要紧配置的问题，可能是一个非要紧要配置的问题，以致是一个客户的期待优化，当咱们在原有的过程中引入大言语模子，TA不错匡助咱们作念Tickets分析，不错通过一定的规则模样回来并转到后续过程，举例是否是操作疑问，如若是的话转到客服部门，如若不是的话，转到研发部门。

4）信誉追踪

当咱们联想研发的居品还是插足到了市集并矫捷销售之后，从居品司理的角度来说，实时跟进居品反应的优先级就提高了。咱们可能会主动构兵用户获取直不雅的反应，也可能通过居品上的问卷汇注。而无论哪种格局，咱们皆会赢得一堆定性或定量的数据。定量磋磨频繁会有好多器具匡助咱们作念整理和分析，而定性磋磨频繁所需要耗尽的东说念主力老本会好多，而大言语模子不错匡助咱们更高效的作念定性分析，尤其是作念一些初步的监控，举例咱们不错把平日的问卷通过回来索要出用户的反应是正面的如故负面的，一朝正负比例卓著一定的阈值，就能引起咱们的关怀并作念更潜入的分析。

聊天（企业）

固然世面上有好多通用聊天机器东说念主，比如ChatGPT，Bing Chat，Kimi，文心一言。

然则好多公司其实如故在磋磨开采多样万般专科的贪图机器东说念主以更好的管制特定的问题，因为这些专科的贪图机器东说念主皆终点擅长回答特定的问题。比如旅行联想贪图机器东说念主，功绩指导贪图机器东说念主等等。

咱们最近作念的技俩中有一个指挥力照管人贪图机器东说念主，TA会学习好多指挥力有关的软技巧从而不错专科的匡助用户管制由软技巧引起的多样问题。

除了这类商用贪图机器东说念主，咱们也不错在企业里面作念一些袖珍聊天机器东说念主并连合已有责任过程种植企业责任后果。

比如，如若一家大型公司，IT部门可能每天会收到多量的密码健忘需要重置的请求，咱们不错把聊天机器东说念主和重置密码过程连合在一说念，这么就不错大大镌汰IT东说念主员重迭处事的时间。

二、LLM不不错作念哪些事情

大言语模子会有学问截断，也便是大言语模子的查考贵寓是有时间鸿沟的，它只消在特定时刻才对宇宙有所了解，一朝卓著这个时间鸿沟，大言语模子就不成给出正确的谜底。

大言语模子会有幻觉，感有趣的话不错稽察 “自满、幻觉、反省，AI+居品司理需要了解的三个理由景色” 这篇著作。

大言语模子有凹凸文放手，感有趣的话不错稽察“AI居品司理必修课：你必应知说念的Token重心”。

大言语模子不擅所长理结构化的数据，也便是咱们常见的excel表格类内容

大言语模子的输出可能会有安全好色小说，伦理说念德，偏见等问题，这些问题大言语模子公司也在络续的克服。