有人担心未来AI 会取代人类的工作这个问题仁者见仁智者见智。就我个人来说我是个AI 乐观主义者我相信大模型的出现就像当年互联网的产生是生产力的再一次质的飞跃。作为一个工具的出现如果我们想要让它更好的服务我们那么我们就要了解它掌握它的使用技巧。今天写这篇文章的目的就是我最近与我的“贾维斯”互动时发现的一些使用小技巧希望分享给大家。由于大语言模型据有人类知识的总和以及强大的文本生成能力因此它能生成广泛且深人的文本内容。例如ChatGPT当我们与ChatGPT互动时为了获得理想的输出结果需要结构化地描述问题。如果问题表述得不能准确那么返回的结果可能会与预期大相径庭。这种情况与乘坐自动驾续汽车类似。对乘客而言重点不再是紧张地操控方向盘而是专注于告诉自动驾驶系统何时、何地出发及目的地在哪里。那么作为一个IT 项目经理大模型能帮助我们做什么呢就像大家知道的它可以帮助我们写文档码代码做 PPT甚至出设计图。有了大模型一个项目经理好似配备一整支队伍的样子。那如何去更好的诱导它去为我们做事呢为此我总结了三个大方向1.清楚描述为了让大语言模型能生成高质量的软件代码我们需要对软件的功能和逻辑进行清晰、详细的描述。避免使用模糊或笼统的描述因这会导致大语言模型无法准确理解你的真实意图从而生成低质量的代码框架。确保描述中没有歧义因为大语言模型可能无法识别你的具体意图从而随机选择一个解释。2.聚焦会话保持与大语言模型的会话session 连贯确保一个主题只聚焦讨论一个问题避免讨论过程中跑题。建议使用Notion 或Word 文件来记录与大语言模型互动的每条信息包括提问和回答。3.分层迭代在描述问题时可以采取自上而下或从宏观到微观的逐步逻辑分层。先解决一个层次的问题再逐步深人。对于涉及广泛的问题首先建立一个宏观框架来确定问题边界然后再深入讨论细节。基于上面3 个方向我们应采取结构化的提问法向大语言模型描述问题这样可以使我们充分发挥大语言模型的作用从而获得更精准、更高效、更适合和更有价值的解决方案。要结构化地描述问题必须遵循以下七步法。(1)确定问题的核心核心首先明确问题的关键点包括你想要解决的具体问题和期望达到的目标。(2)分解问题详细将问题拆分成更小、更易于管理的部分。这有助于更清楚地了解问题的各个方面以及它们之间的关系。(3)提供背景信息背景给出与问题相关的背景信息和上下文这有助于大语言模型更好地理解问题的实际环境和需求。(4)设定优先级优先级确定问题中各部分的优先级以便大语言模型能够根据你的需求和关注点提供针对性的回答。(5)提出具体问题具体在描述问题的过程中尽量使用明确、具体的语言。避免使用模糊或多义词汇以减少歧义和误解的可能性。(6)陈述假设或限制条件限制如果问题涉及特定的假设或限制条件请明确地表达出来。这将有助于大语言模型提供更贴近实际需求的解决方案(7)指定期望的输出格式输出明确表述你希望得到的答案形式例如列表、段落、图表等。与大语言模型互动将是未来IT 工程师主要的工作方式所以必须要牢记上面提出的结构化提问法。其中核心、详细、背景、优先级、具体、限制和输出是结构化提问法的七大关键要素。为了更加具象化上面的概念我举一个我负责的项目作为例子。下面是我根据上面的7 步法总结的结构化问题。我将这个问题向ChatGPT4.0 中进行提问。| 核心你要干什么 我要创建一个关于区块链电子存证平台的需求文档。 详细分解问题 这个需求文档要求包含以下几个章节 1.需求背景 2.需求范围。这个章节中需要概要描述各个功能需求点以及实现的功能描述。 3.交易功能需求。这个章节中要详细描述上述功能需求点包含每个功能需求的输入、输出、流程描述。 4.非功能需求。这个章节中需要列出业务量评估系统运行能力以及历史数据处理需求。 背景 这个系统以金融产品为维度通过收集和整理散落在各个业务系统中的业务数据将每一笔发生的交易用文档和可回溯视频方式还原并留痕其交易发生时的操作。并且在数据收集的第一时间将所有数据的数字指纹通过区块链网络同步至外部司法机构的节点。一旦金融交易发生纠纷外部司法机构可核验其数字指纹的数据的真实性以作为证据。这个系统的建立创建了金融业务线上司法处置的可行性方案加速了不良资产的处置效率通过交易操作可回溯视频还满足了监管要求。在日常经营中当客户对过往交易产生质疑时本系统还可以协助一线业务人员进行现场纠纷处理。这个平台包含几个功能模块系统管理模块、证据管理模块、模板管理模块、司法处置渠道配置模块、数据接入管理模块。其中系统管理模块里包含用户角色权限设置、系统全局参数配置等功能。证据管理模块则包含两部分一部分是业务关键数据的展示另一部分是用户操作的可回溯视频展示。模板管理模块是为接入的金融产品创建数据展示模板。司法处置渠道配置是指不同的金融产品数据数字指纹可通过路由配置共享至不同的外部司法节点。数据接入管理模块则记录着不同金融产品的数据各自不同的数据收集渠道配置。这个系统要求能提供7*24小时运行能力预计日交易量10 万条交易每天。预期数据年增长量10%。 优先级 在这个需求文档中请重点论述交易功能需求章节。每个功能需求的都要包含输入、输出、流程描述。 具体 暂时不需要 限制 字数3000-5000 字之间。 输出 请以markdown格式输出此需求文档 |下面链接就是ChatGPT4.0 根据我的要求生出的需求文档。由此可见以前我们需要憋3-5 天才能完成需求文档现在只需5 分钟就生成了而生成内容只需要稍加润色就可以提交审阅。通过这种结构化提问法我们可以更加清晰地表达自己的需求从而使大模型能够提供一个准确且具有针对性的解决方案。在架构设计阶段架构师不再根据已确定的用户需求来绘制各种设计图而是准备好用户需求、技术选项和架构要求让大模型提出设计方案然后从中进行选择。UI/UX设计师只需要将项目背景、用户需求、用户画像和设计意图告诉大模型让大模型提出设计方案然后由设计师自己在反复的互动选代过程中进行方案的选择。在应用编码阶段程序员首先向大模型描述高层设计方案和具体代码的实现逻辑然后让大模型生成代码示例。在测试阶段测试工程师首先提出应用的设计要求、实现的代码和测试要求然后让大模型制定具体的测试大纲甚至直接完成测试工作。最后我想说的是当第一台蒸汽机开始工作的时候当第一辆汽车行驶在道路上的时候当第一封电子邮件点击发送的时候人类社会也如今日这般迷茫但生产力的进化永远都不会因为人的迟疑而停下脚步。积极拥抱变化积极适应环境这是达尔文给我们最好的答案。二、中国传统哲学在LLM企业项目管理应用中的思考与实践︱PMO大会PMO评论无限光年上海技术有限公司人工智能技术创新PMO负责人、原字节跳动朝夕光年PMO总监端煜先生受邀为PMO评论主办的2024第十三届中国PMO大会演讲嘉宾演讲议题为“中国传统哲学在LLM企业项目管理应用中的思考与实践”。大会将于6月29-30日在北京举办敬请关注议题内容通过对中国传统文化代表儒家、墨家、法家、道家、佛教的解读以及大模型浪潮下的初创公司面对的困境通过实例分享如何打造一个有价值的PMO部门。Chapter A1、墨家的核心介绍以及墨家“失败”的原因2、法家的核心介绍以及法家“失败”的原因3、佛教的核心介绍以及佛教“失败”的原因4、道家的核心介绍以及道家“失败”的原因5、各文化流派之于项目管理的思考与启示。Chapter B1、战略方面大模型公司的环境分析战略定义目标管理2、项目方面大模型项目的立项管理项目管理的特点3、组织方面大模型创业公司的组织特点关系网绩效体系。Chapter C1、在初创大模型企业PMO的定位及实施路径2、大模型项目管理解决思路及实践3、大模型目标管理解决思路及实践4、一个优秀的PMO画像与知识领域。01什么是AI大模型应用开发工程师如果说AI大模型是蕴藏着巨大能量的“后台超级能力”那么AI大模型应用开发工程师就是将这种能量转化为实用工具的执行者。AI大模型应用开发工程师是基于AI大模型设计开发落地业务的应用工程师。这个职业的核心价值在于打破技术与用户之间的壁垒把普通人难以理解的算法逻辑、模型参数转化为人人都能轻松操作的产品形态。无论是日常写作时用到的AI文案生成器、修图软件里的智能美化功能还是办公场景中的自动记账工具、会议记录用的语音转文字APP这些看似简单的应用背后都是应用开发工程师在默默搭建技术与需求之间的桥梁。他们不追求创造全新的大模型而是专注于让已有的大模型“听懂”业务需求“学会”解决具体问题最终形成可落地、可使用的产品。CSDN粉丝独家福利给大家整理了一份AI大模型全套学习资料这份完整版的 AI 大模型学习资料已经上传CSDN朋友们如果需要可以扫描下方二维码点击下方CSDN官方认证链接免费领取【保证100%免费】02AI大模型应用开发工程师的核心职责需求分析与拆解是工作的起点也是确保开发不偏离方向的关键。应用开发工程师需要直接对接业务方深入理解其核心诉求——不仅要明确“要做什么”更要厘清“为什么要做”以及“做到什么程度算合格”。在此基础上他们会将模糊的业务需求拆解为具体的技术任务明确每个环节的执行标准并评估技术实现的可行性同时定义清晰的核心指标为后续开发、测试提供依据。这一步就像建筑前的图纸设计若出现偏差后续所有工作都可能白费。技术选型与适配是衔接需求与开发的核心环节。工程师需要根据业务场景的特点选择合适的基础大模型、开发框架和工具——不同的业务对模型的响应速度、精度、成本要求不同选型的合理性直接影响最终产品的表现。同时他们还要对行业相关数据进行预处理通过提示词工程优化模型输出或在必要时进行轻量化微调让基础模型更好地适配具体业务。此外设计合理的上下文管理规则确保模型理解连贯需求建立敏感信息过滤机制保障数据安全也是这一环节的重要内容。应用开发与对接则是将方案转化为产品的实操阶段。工程师会利用选定的开发框架构建应用的核心功能同时联动各类外部系统——比如将AI模型与企业现有的客户管理系统、数据存储系统打通确保数据流转顺畅。在这一过程中他们还需要配合设计团队打磨前端交互界面让技术功能以简洁易懂的方式呈现给用户实现从技术方案到产品形态的转化。测试与优化是保障产品质量的关键步骤。工程师会开展全面的功能测试找出并修复开发过程中出现的漏洞同时针对模型的响应速度、稳定性等性能指标进行优化。安全合规性也是测试的重点需要确保应用符合数据保护、隐私安全等相关规定。此外他们还会收集用户反馈通过调整模型参数、优化提示词等方式持续提升产品体验让应用更贴合用户实际使用需求。部署运维与迭代则贯穿产品的整个生命周期。工程师会通过云服务器或私有服务器将应用部署上线并实时监控运行状态及时处理突发故障确保应用稳定运行。随着业务需求的变化他们还需要对应用功能进行迭代更新同时编写完善的开发文档和使用手册为后续的维护和交接提供支持。03薪资情况与职业价值市场对这一职业的高度认可直接体现在薪资待遇上。据猎聘最新在招岗位数据显示AI大模型应用开发工程师的月薪最高可达60k。在AI技术加速落地的当下这种“技术业务”的复合型能力尤为稀缺让该职业成为当下极具吸引力的就业选择。AI大模型应用开发工程师是AI技术落地的关键桥梁。他们用专业能力将抽象的技术转化为具体的产品让大模型的价值真正渗透到各行各业。随着AI场景化应用的不断深化这一职业的重要性将更加凸显也必将吸引更多人才投身其中推动AI技术更好地服务于社会发展。CSDN粉丝独家福利给大家整理了一份AI大模型全套学习资料这份完整版的 AI 大模型学习资料已经上传CSDN朋友们如果需要可以扫描下方二维码点击下方CSDN官方认证链接免费领取【保证100%免费】