從ChatGPT到Deepseek，AI大模型的出現(xiàn)為產(chǎn)品設計帶來了無限可能，但如何將這些強大的技術(shù)融入產(chǎn)品設計中，更好地滿足用戶需求，成為產(chǎn)品經(jīng)理必須面對的問題。本文以通俗易懂的方式，為產(chǎn)品經(jīng)理介紹了AI大模型的核心知識，供大家參考。

從 ChatGPT 問世到 Deepseek 的出現(xiàn)，AI 給人類帶來的驚艷已無需多言，AI 大模型的發(fā)展速度遠超過我們想象。「如何打開腦洞讓 AI 幫你做 PPT？」、「如何寫 prompt 提示詞讓 AI 顯得更專業(yè)？」，現(xiàn)在市面上并不缺乏教你如何更好使用 AI 大模型的內(nèi)容。

今天我想要和大家聊聊的是：除了這些眾所周知的，產(chǎn)品經(jīng)理還需要知道哪些 AI 大模型的知識？

1.核心問題是…？

作為非 AI 領域的產(chǎn)品經(jīng)理，可能并不需要深入了解其技術(shù)原理和運作方式，但在當前猛烈的技術(shù)浪潮下，你總有一天會遇到這樣的問題：

如何充分利用 AI 大模型，

融入自己的產(chǎn)品設計，

更好滿足用戶需求？

在此之前，你可能聽說過一些名詞，諸如微調(diào)、知識庫、Token、插件、MCP等，但知其名，不知其意。

此外，現(xiàn)在 AI 大模型也種類繁多，國外的 OpenAI、Google Gemini、Anthropic Claude、Meta Llama、xAI Grok…以及國內(nèi)的 Deepseek、阿里通義千問、月之暗面 Kimi、字節(jié)豆包、騰訊混元…

縱然亂花漸欲迷人眼，但其實大體上核心基本能力相似，分支專業(yè)領域各有所長。

作為產(chǎn)品經(jīng)理，有必要對這些能力有一些基本了解。別等到不得不擁抱AI的時候，你能想到的只有一個輸入框。

2.他們能做什么？

接下來我將要重點介紹 AI 的一些基本能力，可以幫助你更好地去定制和設計 AI，讓 AI 與你的產(chǎn)品更加契合。

希望了解這些知識后你能夠打開思路，避免千篇一律教條化 AI 接入。

2.1 結(jié)構(gòu)化輸出，讓AI學會「填表」

這個很好理解，就是讓 AI 按照規(guī)定的格式來說話，別「瞎逼逼」。

填表比說話更有效率

我們平時也經(jīng)常會「填表」，目的就是讓我們按照規(guī)定的格式來輸入信息，這樣的數(shù)據(jù)能夠更好地收集和處理。否則張三李四各說一個版本，你也搞不清楚關鍵的信息是否收集到位了。

讓大模型「填表」

對于大模型，你也可以要求 AI 用你規(guī)定的格式來回答問題。

{
“產(chǎn)品名稱”: “智能音箱”,

“型號”: “X100”,

“價格”: “499”,

“庫存”: “200”,

“image”: “圖片地址”,

“url”: “鏈接地址”

}

這樣做的好處包括但不限于：

※ 規(guī)范回答格式，一定程度避免 Ta 放飛自我；

※ 方便開發(fā)工程師對數(shù)據(jù)進行二次包裝或者處理；

※ 切換不同大模型時，能獲得相對規(guī)范統(tǒng)一的回答。

隨便舉幾個應用例子：

※ 讓 AI 從用戶差評中自動提取「問題類型-嚴重程度-情緒評分」；

※ 把自由格式的會議紀要轉(zhuǎn)換成「議題-負責人-時間節(jié)點」的表格；

※ 讓大模型根據(jù)需要，回復用戶不同格式的消息：文本、圖片、視頻、跳轉(zhuǎn)鏈接等等…

小結(jié)

通過結(jié)構(gòu)化輸出，你可以進一步壓榨 AI 大模型，讓 Ta 和你想要設計的功能、想要滿足的需求更高效地結(jié)合起來，AI 不再只是偶爾嘴上跑火車的對話框了。

2.2 學會用工具，告別「光說不練假把式」

數(shù)百萬年前，人類開始學會制作和使用工具，工具的使用又反過來推動了人類的進化。

巧婦難為無米之炊

試問，在不借助任何工具的情況下，你能不能空手做好一桌大餐？

很難吧。

如果給你足夠的工具，譬如菜刀、鏟子、鍋碗瓢盆、微波爐、烤箱、榨汁機、一個可以查詢食譜的電腦…是不是事情會 easy 很多？

同樣的，一個只會對話和回答問題的 AI 都是鍵盤俠，紙上談兵罷了。但如果學會了使用工具，AI 實力將得到極大的提升。

舉例一個具體的場景，當你想要去成都旅游時，可能會問 AI 大模型一些基礎的攻略：

但如果讓 Ta 學會調(diào)用旅游相關的工具，事情就會變得有意思：

※ 查一查成都最近的天氣是否適合旅游；

※ 幫你訂好到成都的機票；

※ 查詢飛機降落的信息，及時提醒在哪里取行李；

※ 幫你預約好接機的網(wǎng)約車；

※ 幫你預訂好合適的酒店；

※ 幫你預定好每一天的行程、博物館的門票、用餐的餐廳等等；

※ 每到一個地方，都按照你的興趣為你講解；

……

簡單來講，你是可以教會 AI 怎么去使用你提供的工具的，基本的形式是：

※ 先告訴大模型 Ta 可以使用哪些工具，這些工具分別是干什么的，怎么用；

※ 當你向 AI 提出一個需求時，Ta 會自己判斷是直接回答還是調(diào)用合適的工具來幫你完成任務；

※ AI 會按照工具的使用說明書，自動生成調(diào)用指令，向工具發(fā)出請求；

※ 工具處理完請求后，返回結(jié)果，AI 再將結(jié)果整理、優(yōu)化并反饋給你。

目前，工具調(diào)用常見的概念有兩個：單個工具調(diào)用（Function Calling） 和 工具包調(diào)用（MCP）。

Function Calling

大多主流大模型都提供了 Function Calling 的能力，你可以提供很多個 Function 給大模型使用，每個 Function 實現(xiàn)不同的功能。

這就像工具箱里一個個不同用途的工具：螺絲刀、鉗子、錘子、扳手、鋸子…每個工具都有不同用途。大模型會根據(jù)對話需求，自行決定是否調(diào)用工具以及調(diào)用什么工具。

需要注意的是，這些工具需要你親手做好，并寫好說明書教大模型如何使用。雖然大差不大，但每個大模型對 Function Calling 規(guī)則和標準不盡相同，當你切換不同大模型時，可能需要針對性「私人定制」一下。

MCP

相比 Function Calling，MCP 則更像是一個個打包好的、不同用途的工具箱，譬如剛才提到的螺絲刀、鉗子、錘子、扳手、鋸子…就可以打包成一個「維修工具包」。

除此之外，我們還可以把創(chuàng)口貼、紗布、棉花、剪刀、碘伏等打包成一個「醫(yī)療急救包」。

同樣的，把指甲刀、銼刀、修眉刀、挖耳勺等集合到一起，又可以成為一個「日常護理包」。

沒錯，你可以把 MCP 看做是一個標準化的、解決不同領域問題的「集合工具包」，Ta 把某一領域需要用到的功能都打包在了一起，并且用標準化的協(xié)議來連接大模型。這樣一來，不同的大模型都能夠統(tǒng)一地使用工具包里的每一個工具.

MCP（Model Context Protocol，模型上下文協(xié)議）是由 Anthropic 公司推出的開放標準協(xié)議，目前這個技術(shù)標準還在發(fā)展當中，更加復雜的技術(shù)概念就不在這里贅述了，感興趣的朋友可以搜索更多資訊進一步了解。

二者對比

多模態(tài)：給AI嘴巴、眼睛和耳朵

除了傳統(tǒng)的文本對話和工具調(diào)用之外，現(xiàn)代 AI 大模型正逐步具備強大的多模態(tài)能力。這意味著，AI 不僅能“說”，還能“看”圖像、聽語音，甚至處理視頻內(nèi)容，從而為產(chǎn)品帶來更多維度的交互體驗。

具體來說，多模態(tài)能力體現(xiàn)在以下方面： ※ 視覺識別與生成 能看圖，也能畫圖。AI 可以看懂圖片，也可以根據(jù)描述自動生成符合風格的圖片素材。 ※ 語音識別與合成 聽人話，說人話。AI 能聽懂用戶說的話，也能夠通過語音回應用戶。 ※ 視頻內(nèi)容解析 看視頻，做視頻。AI 能看懂視頻的內(nèi)容，并且有自己的理解。與此同時，AI 也在逐步具備生成視頻的能力，仍在發(fā)展中。

通過多模態(tài)交互，你可以讓 AI 大模型變得更加“全能”，不僅限于文字對話，而是通過視覺、聽覺等多個感官渠道與用戶互動，為產(chǎn)品創(chuàng)新提供更多可能。

AI Agent

最近到處都在講的 AI Agent，就是把這些能力整合在一起，通過感知、決策和使用工具，成為一個能自主思考并完成任務的智能助手。

小結(jié)

你可以把你產(chǎn)品的各種能力按需包裝成「工具」或者「工具包」，AI 不止會「說」，還能真正去「做」。 此外，可按需接入多模態(tài)能力，賦予 AI「看」、「聽」、「說」的能力。 這樣一來，AI 同你產(chǎn)品的結(jié)合度會更加緊密，也可以更好地滿足用戶的需求。

2.3 PUA大模型，教Ta做事

大模型什么都懂，但 Ta 不一定懂你。那怎么讓大模型知你懂你、按照你想要的方式和答案去回答用戶呢？

請掌握好兩大「PUA」大法：模型微調(diào)（Fine-tuning） 和 檢索增強生成（RAG）。

說人話就是：喂飯 和 給辭典。

給AI喂飯：模型微調(diào)（Fine-tuning）

俗話說，熟讀唐詩三百首，不會作詩也會吟。如果你對 AI 針對某些問題的回答不夠滿意，就可以用填鴨式教學的方式不停地給 Ta 舉例子，讓 Ta 逐步變成你想要的模樣。

通過「喂飯」，可以把一個通用大模型轉(zhuǎn)化為「醫(yī)療問答專家」，或者一個「中二少年」。需要注意的是，雖然這里叫「微調(diào)」，但 AI 的「飯量」很大，你需要提供足夠多的數(shù)據(jù)，Ta 才能夠有更加穩(wěn)定可靠、符合期望的表現(xiàn)。

給AI辭典：檢索增強生成（RAG）

在不借助互聯(lián)網(wǎng)的情況下，如果你要搞懂「樽俎折沖」這個成語的含義，你會怎么辦？

查辭典是一個比較高效的辦法。

同樣的，如果想要 AI 專精一些冷門或?qū)I(yè)性知識，譬如客服回復話術(shù)或產(chǎn)品使用說明。

那就可以丟給 Ta 一個知識庫文檔，AI 會自己去檢索文檔內(nèi)容，結(jié)合文檔的知識來回答用戶問題。

值得一提的是，這里 AI 使用的不是我們傳統(tǒng)的「關鍵詞搜索」，而是「語義檢索」。

平時我們搜索一個文檔，「番茄」就是「番茄」，「西紅柿」就是「西紅柿」，你搜索「番茄」是找不到「西紅柿」的。

而語義檢索可以做到搜索「番茄」也找到「西紅柿」。這讓 AI 對知識庫的檢索能力變得比人更強大。

二者對比

小結(jié)

你可以把一些產(chǎn)品特有的知識教給 AI，這樣 AI 就可以變成你期待的樣子。

2.4 和AI對話，一場人格分裂的角色扮演

首先，眾所周知，AI能對話。

除了在Ta們提供的聊天框內(nèi)與他們對話，你還可以調(diào)用 API（開放接口）能力，與 Ta 對話。

# 每一次消息都要帶上之前說過的話，不然AI不知道之前說了啥。

messages = [

{

“role”: “system”,

“name”: “唐詩專家”,

“content”: (

“你是一位唐朝詩人助手，能夠根據(jù)上下文扮演不同的唐代詩人。”

“請確保所有回答都融合唐朝詩人的文風。”

“根據(jù)用戶要求，分別模擬李白和杜甫的風格：”

“李白應表現(xiàn)豪邁奔放，而杜甫應表現(xiàn)沉穩(wěn)細膩。”

)

},

{

“role”: “user”,

“name”: “王工”,

“content”: “李白，請你描繪一下秋天的景色。”

},

{

“role”: “assistant”,

“name”: “李白”,

“content”: (

“秋風蕭瑟，落葉紛飛；云海蒼茫中，激起我心中無限豪情。”

)

},

{

“role”: “user”,

“name”: “用戶”,

“content”: “杜甫，請你點評李白的這段描寫。”

},

{

“role”: “assistant”,

“name”: “杜甫”,

“content”: (

“李白兄之詞，雖豪邁奔放，但略顯輕佻；秋景雖美，情思更需沉穩(wěn)細膩。”

)

},

{

“role”: “user”,

“name”: “劉總”,

“content”: “李商隱你來評價一下李白和杜甫。”

},

]
# 調(diào)用接口，把包括新對話的聊天記錄傳過去

response = openai.ChatCompletion.create(

model=”gpt-3.5-turbo”,

messages=messages

)
# 收到回復，打印出來看看

print(response.choices[0].message[‘content’])

看不懂沒關系，也不需要太懂，我舉個例子來逐一解釋。

想象甲乙丙三方公司通過郵件進行溝通：

① role（角色）

角色即身份，有點類似郵箱@后的域名，你來自哪個公司一眼就看出來了。對于 AI 來說，主要有 3 種身份：

※ system（系統(tǒng)）

類似于第三方監(jiān)管機構(gòu)，郵箱地址：xxx@system.com。主要負責制定一些基本規(guī)則，教乙方做事，讓乙方在甲方面前老實點，別放飛自我整幺蛾子。

※ user（用戶） 至高無上、提出需求的甲方，郵箱地址：xxx@user.com。甲方說啥就是啥，有啥問題都隨意提。甲方可以是一個人，也可以是多個人。

※ assistant（助手）

這里就是指 AI 大模型，兢兢業(yè)業(yè)滿足需求的乙方，郵箱地址：xxx@assistant.com。甲方說啥就是啥，乙方必須有求必應。同樣的，乙方也可以是一個「人」或多個「人」。

② name（名字）

有點類似郵箱@前面的賬號名，你是甲方的誰誰誰或者乙方的誰誰誰就分得很清楚了：

※ 唐詩專家指導@system.com

※ 劉總@user.com、王工@user.com

※ AI李白@assistant.com

※ AI杜甫@assistant.com

※ AI李商隱@assistant.com

一般來說，我們不會默認使用 name，因為 role 的三種角色已經(jīng)足夠了。但如果你構(gòu)思的產(chǎn)品需要有多用戶和多角色的時候（譬如人機混戰(zhàn)劇本殺），那么 name 就能派上用場。

③ content（內(nèi)容）

顧名思義，寫郵件的時候肯定會包含郵件正文，甲乙丙三方都通過郵件正文傳遞信息。

④ forgetful（健忘）

每封郵件必須包含之前所有的對話歷史。

很不幸，這個郵箱對話系統(tǒng)非常簡陋，每次只能看當前收到的郵件內(nèi)容，不存檔之前說過什么，甲乙丙也都是「金魚腦」，什么都不記得。

因此，為了讓大家明白來龍和去脈，每一次發(fā)郵件的時候，都需要帶上之前所有的對話。只有這樣，AI 才能明白之前討論過哪些問題，進而做出連貫、準確的回答。

但這樣也帶來兩個硬傷：

※ AI 對話的記憶有限，遲早會失憶；

※ 對話輪次越多，消耗的 token(RMB??) 也呈指數(shù)級增長。

小結(jié)

了解以上的信息之后，結(jié)合不同的 system、user、assistant，相信你已經(jīng)有了很多新的想法和創(chuàng)意。

2.5 更多小知識

作為甲方的你，除了可以和大模型對話，還可以提一些小要求。

我就簡單說幾個大家可能常用的：

stream：流式輸出

可以控制 AI 的回答是全部就緒了一次性發(fā)給你，還是一個字一個字蹦給你。是的，我們平時看大模型回答一直在打字，就是用的流式傳輸。由于大模型輸出完整答案的時間目前還比較長，流式輸出可以有效減少用戶的等待焦慮。

frequency_penalty：重復率

-2 到 2 的一個數(shù)字，減少重復內(nèi)容，避免復讀機。如果 frequency_penalty>0，AI 回答問題一旦出現(xiàn)已有文本中就會被扣工資。

temperature：溫度

雖然叫溫度，但其實代表著 AI 的隨機性、創(chuàng)造性。溫度低，AI 就比較穩(wěn)扎穩(wěn)打，對同樣問題盡可能保持一致回答，反之思維則更加發(fā)散、回答的隨機性更多。還有一個參數(shù)叫 top_p，作用類似就不贅述了，免得把你繞暈了。

小結(jié)

如果你還想知道更多關于大模型的參數(shù)，你可以去查看各個大模型官網(wǎng)的 API 文檔，里面有更加詳細的說明。

3.AI的幻覺

AI 幻覺，簡單來說就是 AI「一本正經(jīng)地胡說八道」，Ta 有時候會給出看似邏輯通順、有鼻子有眼，但實際上不符合事實、和你問題八竿子打不著的回答。

這是因為：

※ 瞎讀書，讀瞎書：

訓練數(shù)據(jù)中包含了太多錯誤的、質(zhì)量不高的信息，走火入魔、誤入歧途了；

※ 想太多，太多想：

AI 會強行關聯(lián)高頻出現(xiàn)的詞匯（比如：看到「加拿大」就想「多倫多」，但你的問題其實是加拿大首都在哪里）；

※ 好面子，怕冷場：

現(xiàn)在的大模型更多被設計成“寧可死鴨子嘴硬瞎編也不承認自己不知道”，遇到拿不準的就會一本正經(jīng)的胡說八道。

所以，除非你是專門做 AI 類的產(chǎn)品，否則最好讓 AI 成為你產(chǎn)品功能的「拓展」，而不是「替代」。

畢竟，AI 不是隨時都靠譜。

4.他們分別擅長什么？

主流大模型就像武俠世界的各路高手，有的內(nèi)力深厚適合硬剛代碼，有的輕功了得擅長處理萬字長文，有的暗器精妙專攻多模態(tài)花活。結(jié)合你的產(chǎn)品需求選對兵器，才能讓 AI 真正成為你的「六脈神劍」。

以下是國內(nèi)外部分主流大模型的對比（表格較大，PC查看效果更佳）：

以上的總結(jié)不一定準確，大家還是以各大模型官網(wǎng)和權(quán)威測評為準。

5.寫在最后

大模型不是萬能藥，它更像是產(chǎn)品創(chuàng)新的「催化劑」。理解能力邊界，善用工具組合，才能讓 AI 真正成為用戶的「超級助手」。

一個比較個人主觀的想法：

產(chǎn)品經(jīng)理的核心任務，

是用AI放大用戶價值，

而非追逐技術(shù)炫技。

很慶幸見證這個 AI 飛速發(fā)展的時代，也正因為如此，AI 相關的技術(shù)日新月異。這篇文章也僅僅介紹了一些稍有拓展的基本概念。如果你對 AI 感興趣，不妨在閑暇時多關注一些。

歷史的車輪仍在向前，焦慮不如期待。