即刻App年轻人的同好社区
下载
AI工作流
你探索出了哪些AI辅助工作的思路，来这里和即友们分享，一起提升工作效率！
3528人正在讨论，4.6万人浏览
相关圈子
AI探索站
5.3万名prompter正在创作
设计师的日常
6.4万名设计师正在擦屏幕
JitHub程序员
37万名开发者在这里同性交友
人工智能讨论组
45万名技术爱好者在研究人工智能or“智障”
职场那些事儿
100万+名职场人士正在分享
动态
- 我探索出了一种最简单让生成式 AI 融入工作流的方式，我把它称之为『流水账式 AI 工作法』。
具体做法也很简单，当你开始工作时，你只需在开始简单地和 chatGPT 提到一句：
“我现在正在完成 xx 任务，我将不断和你同步这个任务的情况和背景信息，请你协助我一起完成这个任务。”
说这么多其实也够了，不过如果要进一步的话，你还可以提出一些别的要求，比如：
① 请你在你的每次回答之后，向我提出三个我可能需要解决的问题，这有助于我解决我的工作方式。
② 请你在每次听完我的叙述之后，去互联网上搜索对应的理论知识、论文内容、书籍、教程等有助于我更好完成任务的知识补给，并且做一个摘要给到我。
③ 请你在听完我的任务描述后，去为我搜集一些效率工具，并且简述这个工具的哪些功能，可以如何解决我的问题，并且返回这个工具的链接给我。
在提好了这些要求之后，你就可以开始把 chatGPT 当成你的老板，然后一点一点汇报你的工作思路和任务进度了。
你要做的其实也不难，就是把那些你想写在工作文档上的内容，想要和同事说的那些话，通通“抄送”给 chatGPT 就行，让它发散地思考、自由地回答。
它总能给你惊喜。
这样的工作方式在 chatGPT 升级到 all tools 版本之前，是很难做到的，因为它只能理解你的文字。
而现在，它拥有了理解图像的能力，可以识别你输入给它的流程图、原型图、幻灯片、聊天记录截图等等材料；
它拥有利用 DALLE 3 生成图像的能力，可以给你生成不少设计参考或者能直接用的图；
它拥有联网搜索的能力，能够读取你给它的链接，也能帮你搜索资料。
所以，理论上你可以把你工作里遇到的所有问题都同步告诉它，听它一言。
我昨天试了一整天，这个过程太丝滑，太让人愉悦了，工作效率真的提高了很多。
作为一个 J 人，我之前崇尚的工作方式有两种，一种是「清单驱动工作」，一种是『文档驱动工作』。
「清单驱动工作」的核心内容是 GTD（get things done）
在开始任何任务之前，先把它写在清单里，并且通过子任务的方式，将其拆解得足够细，这样让你丝滑地、思路清晰地开始工作。
『文档驱动工作』指的是在工作过程中，随时开着一份在线文档
把你进行工作的过程中，所有思考都用文字梳理和总结，所有过程性产出都嵌入到文档中，所有参考资料也都同步到文档上。
这点飞书文档做得很好，现在飞书文档里已经能够嵌入聊天记录、表格、实时预览与更新的网页等多媒介组件了。
「文档驱动工作」的目的是知识资产的留档，保证过程中所有过程产出不丢失。
对于团队来说方便信息同步，对于个人来说方便知识管理。
同时也方便事后做复盘和迭代。
而现在，我们今天分享的「流水账式 AI 工作法」结合了两种工作方式，属于『用 AI 驱动工作』，可以算得上是下一代的工作方式了，很让人兴奋。
这种体验非常好，会让你有一种无所不能的感觉，很像网文里写的：
起心动念，风生水起
手握日月摘星辰，世间无我这般人。
#AI工作流203 28153 - 最近常在想一个问题，在生成式 AI 这个领域，到底有什么是值得你长期研究的？
怎么写好 prompt 嘛？
好像不是诶。
最近 Open AI 的几波更新，比如 GPTs、比如 DALLE 3，一是让写好 prompt 这件事情没那么难了，二是让 prompt 的价值空间变得更加有限了。
因为用户心智有限，大伙儿只能记住一些对自己能有帮助的应用。
所以当你调式出了一段完美的 prompt 时，最优策略是把它变成 system prompt，内置在产品或者像 GPTs 这样的小工具里。
底层技术嘛？
嗯，这个确实很值得关心，但真的很难呀。
我曾尝试去啃一些 X（Twitter）上学者们发的论文，但都没能坚持下来。
而且，貌似在一些技术问题的共识上，学者们也没能达成一致。
我自己当前的结论是，最值得长期研究的，是「工作流」。
假如你是一个产品经理，你每天面对的，大概是这样的课题：
1️⃣ 如何更好地理解真实的用户需求，并设计出对应的功能来满足这些需求。
2️⃣ 如何更好地通过需求文档和原型图来提高沟通效率，向程序员和设计师同事明白自己的设计的新功能如何落地在产品上。
3️⃣ 怎么做好需求排期和研发项目管理，让这些功能能够在合理的时间范围内上线。
4️⃣ 在功能上线后，如何通过数据分析，来获得真实市场的反馈，并且利用这些反馈来做出更高质量的决策，来为企业增加营收。
很容易看出，这是一个涉及多个步骤、多方配合的复杂流程问题，至少在目前不能单独靠一个 chatGPT 来解决。
如果你真的想让大模型的能力来帮你提高效率，一份教你写 prompt 的教程、一篇篇论文解读、一个个工具教程，很难系统性地帮到你。
我非常建议你做一件这样的事情：
① 找一个悠闲的日子，画一个流程图，详细地列出了自己工作的每一个步骤。
② 分析出每一个步骤你需要输入什么，完成这个步骤后会输出什么。
③ 为每个步骤单独编写了一段 prompt，或者匹配上了一个成熟的 AI 产品。
在这个过程结束之后，相信你的思路会变得非常清晰，若能好好执行，效率自然能大幅提升。
而且呢，这也是一种更高效的学习方法。
你不再是以产品为中心在学习，试图穷尽一个产品的所有能力；
你也不再是以他人为中心在学习，并没有在呆呆地跟随一个课程大纲；
你是在以「工作流」为中心而学习，是在自己为中心在学习。
你找到了自己的目标，你凌驾于 AI 之上，而不是让 AI 绑架了你。
#AI工作流66 816 - 和 Ruby Nian GEN48 做的 AI 短片，入选了 Runway TV 的动画单元。
www.runway.tv
开心的感恩节惊喜~ 😆 我现在越来越坚信，用不了多久就可以一个人做一部电影了。
#AI工作流
60 46 - ChatGPT指令 新媒体运营必备爆款AI指南
爱上班、爱做自媒体的小伙伴有福了！
💡解放脑细胞，拯救创意枯竭的小伙伴。
📖整理了部分新媒体运营ChatGPT指令⬇️
想获取更多干货资料评论区扣666 或者直接关🐷✉️快人一步哦～
#ChatGPT对话大赏 #AI工作流 #AI的神奇用法
32 2024 - 快捷指令+GPT+flomo+心光，搭建了一个特别舒服和养老的日常记录+提醒追踪反馈流
过去有一个痛苦是，有一些记录，我想记录或同步在不同软件上，例如有些日常记录我希望能够记在心光里面，而不是flomo，原因是太琐碎会污染flomo信息流。有些我又希望同步到flomo。无论是选择哪个软件来记录，还是同不同步，怎么同步都是一个问题。
最近尝试gpt来做日记，效果非常好。就是容易遇到网络问题，经常导致发送失败和丢失。并且碎片化记录，过于消耗本就不多的gpt4对话次数，但分散在各个软件，又需要花大成本统合。
现在这些问题，通过搭建快捷指令都得到了解决，最近记录的频率和快乐又回来了。
分享一下workflow：
1.【选择】把日常记录进行分类，或者有些想留下来的记录进行分类。我选择的是后者：好事发生，间歇笔记、恐惧清单、决策记录和回顾，小碎片是不确定的其他。
2.【记录】在快捷指令上选择类别，在弹出窗口用文字或者语音转文字进行记录。
3.【AI分析反馈】记录完成后，所有的记录都会同步备忘录中的每日日记页面中。每天晚上我只需要复制这个页面，加上我的笔记分析prompt。》〉》就解决了gpt的困扰。
4.【重点跟踪回顾】恐惧清单和决策记录还会自动同步到单独的恐惧清单和决策记录里面。方便整体回顾。
5、【提醒】间歇日记和决策清单、恐惧清单都增加了是否要添加到提醒事项和什么条件下提醒的选择。在自动化里面，设置了自动把提醒事项同步到日历的操作。
6、【同步】好事发生、决策记录会自动同步到星光和flomo，但是小碎片添加了一个是否同步的选项。》〉》解决了记录选择哪个软件，同步还是不同步的问题。#AI工作流 @心光-AI生活记录伴侣 @flomo浮墨笔记
82 1130 - 文科生在AI团队里，究竟能干嘛？
这大半年来，市面上被报道的 AI 团队，核心人才大多有技术背景，至少得是个理工科背景。
包括在很多 AI 社群里，懂技术的开发者，往往更受欢迎。
作为中文系毕业的文科生，我也一直在想：难道在 AI 领域，就没有咱文科生的一席之地了吗？
从事 AI 3 个月后，我参与开发的一款内部 AI 工具，终于有了点阶段性的进展。回顾这 3 个月的经历，我隐约找到了点文科生在 AI 团队可以做的事儿。
先说个太长不看版：
内部AI 产品的开发，至少有 3 个里程碑
1、找到 AI 可以帮到忙的高价值场景
2、开发出能解决问题的傻瓜式 AI 工具
3、帮助业务一线员工真正用出效果
每个里程碑达成过程中，我这个文科生起到的作用是
1、找场景阶段：调研和科普 AI 在行业中的应用
2、产品开发阶段：通过提示词，把专家经验放进产品
3、用户成功阶段：在真实业务中，帮助种子用户成功
如果你对细节感兴趣，欢迎查看下面的详细内容：
一、找到 AI 可以帮到忙的高价值场景
1、找高价值场景
6月份初，在参与筹建「开源 AI 解决方案社区」的过程中，经过跟多位AI从业者深入交流，我得出了一个结论：
“和行家/专家一道，找到行业的高价值场景，做出该场景的AIGC解决方案，可能更赚钱。”
这段话被转发出去之后，得到过几位行业领袖级人物的肯定。我后来参与的AI工具，也是在这个思路下开展的。
2、技术之外要做的事
想要“和行家/专家一道，找到行业的高价值场景”，AI团队就不能只懂技术。
我们还需要花更多的时间，去找行家/专家沟通，去了解该细分领域的知识和商业模式，去了解服务公司的核心优势。
就像那些搞运输的司机，懂发动机原理固然不错，但真想要赚钱，他们更需要搞清楚：运什么人、什么货性价比更高，走哪些路线更有赚头。
3、我这个文科生能做的事儿
对于绝大多数的行业专家来说，AI到底发展到了什么程度，其实是个谜。
因为新闻一会儿说AI会取代他们，一会儿又说 AI 到了冷静期，很多 AI 公司都黄了，也没个准数。
于是，我就冲了上来，做了些较为细致的调研。然后，用专家能懂的话，把AI 的真实情况，尤其是对行业的真实影响，科普给他们。
等专家对「AI 能干啥和不能干啥」有个基本概念过后，我再试着用他们能接受的方式，一起测试 AI 在解决业务真实问题方面的效果。
整体来看，专家们更喜欢业务导向的专题式调研报告，测试过且有know-how 层面的SOP更佳，有客户/用户的数据最好。而对于市面上常见的技术向、产品向的科普文章（和软广），他们其实兴趣不大。
二、开发出能解决问题的傻瓜式 AI 工具
1、确保 AI 能解决业务中的真实问题
5月下旬，OpenAI的创始人之一，大神Andrej Karpthy在微软Build 2023开发者大会上有提到过：
“很多事情，直接写提示词（prompt）就可以搞定。在达到提示词上限之前，不需要考虑模型微调。”
在实际业务当中，很多问题，确实可以通过提示词解决。而提示词的上限，则取决于业务的重要程度和专家的专业程度。
如果，有幸在上个阶段，找到了重要性够高的业务场景。那么，这个阶段的重点，就变成了「如何和专家一起提升提示词的上限」。
从个人经验来看，很多 AI 工程师是不屑于学提示词的，绝大多数行业专家又不太会提示词。这中间的鸿沟，就需要我这个「愿意学和擅长教提示词」的人来填。
如果说提示词对专家太难，对 AI 工程师太简单，那么对我这个喜欢讲大白话的文科生，可能就刚刚好。
2、确保 AI 工具足够简单易用
入行仨月，我越发认可一句话：“公司只要有‘两个人’会提示词就行了”。
提示词真要做到「能解决业务中真实问题」的程度，不仅需要大量的业务知识和提示工程知识，还需要反复地尝试和迭代。
这其中的学习成本和试错成本，远不是业务一线伙伴所能承担的。咱千万别指望，通过几场培训和交流，就能让业务人员用起来。事实证明，这是不可能的。
更可行的方式，是让对业务感兴趣的提示词高手（我）和对 AI 感兴趣的业务专家合作。把一些高频的、能提效的场景中要用到的提示词，都提前写完并封装好。
最终交付给业务一线伙伴的，是只要傻瓜式操作就能稳定出效果简易工具。
三、帮业务一线伙伴真正用出效果
一旦进入真实业务场景，再简单易用的提效工具，都有一定的学习成本。
哪怕简单如微信，私域运营过程中要用到的功能，也得专门搞场培训。
1、在企业内部，AI比数字化工具更难推
在业务一线伙伴那里，AI 可不只是新的提效工具那么简单，在潜意识里，他们还有被取代的担忧。
而对那些简单试用过一些AI 的业务伙伴来讲，他们在市面上的 AI 那里碰过壁，不一定相信这一款AI工具真的有用。
这种情况下，如何吸引到一定量的种子用户，如何让种子用户快速上手，如何让甜蜜用户用出效果和持续使用，都是难题。
2、但互联网时代的运营方法论，依然有效
比如，重点突破感兴趣的业务团队，深入到他们手头具体的项目中去，点对点地用 AI 工具帮他们提效。
一旦在业务中起到作用，该团队就会一直用下去。
而在沟通过程中，我还可以不断总结他们的痛点，找到真实业务中高频的具象的场景，测算出大致的提效数据。
比如从 3 天提效到 10 分钟等，好让其他业务团队能真切感受到 AI 工具的帮助，最终以点带面让相关团队都用起来。
四、其他的延展
1、关键在“行业的高价值场景”上
总结到最后，我越发感觉到，这里面真正关键的，不是找场景阶段的调研和科普，不是产品开发阶段提示词工程，也不是用户成功阶段的产品运营，而是真正找到了“行业的高价值场景”。
只有场景找得足够准，才有可能立得了项，有可能获得种子用户，有可能形成早期的标杆，有可能为公司乃至行业带来价值。
但现阶段想要找到这个场景，AI 团队一定要跟行业专家合作，一定要对该领域的技术进展和产品表现足够了解。此处，才是文科生们最能创造价值的地方。
2、文理科或许都不是重点
最后，话说回来，既然都有了 AI 加持，就不用过于纠结文科、理科了。肯专研的话，很多技术上的问题、行业里的专业问题，都是可以学会的。
而且，从合作的角度来看，这些问题也无需学到多么精通。收到需求后，知道技术能否实现；看到技术后，清楚业务中如何应用，就差不多了。
至于那些个高价值场景，可能还需要把这门生意摸得足够透，对市面上「需求（流量）-产品-变现」的玩法了解得足够多。
我希望自己，今后尽可能少考虑自己学的是什么专业，担任的是什么岗位。然后，把更多的心思，花在如何用我的优势和用 AI 为客户/用户创造更大价值上，花在细分领域客户/用户的需求洞察上。
毕竟，客户/用户真正关心的，不是我是谁，而是我能给他们带来的是什么。#AI工作流295 48144 - 「用 ai解决 100个实际需求」
输入自己的系列碎片化的资料，让ai分析这些资料之间的关联性和逻辑性，提出可能的主题和结构思路。（实现效果85 分）
然后基于原始资料，以 v5最详细的标准编写一篇分析报告。报告风格要求专业、深入、有洞察力。（实现效果 70 分，可能还需要一个步骤或着 prompt 优化）。
必须赞一下小作笔记，刚更新 ai 对话卡片功能真赞，可以换头像名称，还可以挑选对话。@谢广志
#ChatGPT对话大赏 #AI工作流
29 67 - 发现了一个很值得琢磨的小红书号，这算是一个 AI + 小红书的最佳实践了。
我们从封面、笔记卡片、标题、文案这四个角度来拆解一下这个号：
1️⃣ 封面
封面应该是用 DALLE 3 来生成的，在画面中出现了 Notion 的文字，并且通过视觉元素让人一眼感知到笔记的主题。
这个是用 midjourney 和 Stable Diffution 很难做到的点，算是一个 DALLE 3 的独特应用案例了。
2️⃣ 笔记卡片
这个号采取了最简单的办法，就是直接用 Notion 的界面截图。
这个办法有两个好处，一个是做起来确实方便，另一个是可以激励你把 Notion 的模板做得更好看一些。
3️⃣ 标题
标题应该是自己手写的，并没有太多套路，不过很好地做到了重点前置，几乎每篇笔记都是以【时间管理】、【财务追踪】这样直击主题的表达。
我个人不太喜欢过于咋咋呼呼的标题，还挺喜欢这种「直接说重点」类型的。
4️⃣ 文案
看得出来文案是用 chatGPT 写的，不过这一类的笔记用户大概率不会太在乎你的文案形式，能把这个模板的功能要点传递清楚就行。
关于这一点，chatGPT 确实能做得很好。
这个形式倒是很适合那些做模板分享、资料分享的长好。
收藏了，案例素材 ➕ 1
#AI工作流
33 417 - 如果你一直在钻研生成式 AI 这个领域的东西，那你一定逃不掉被很多人来询问，该怎么用生成式 AI 的能力，做好自媒体。
不过呢，这毕竟是一个共识性的机会，所以你在市面上能看到各种各样的教学、课程、付费社群试图教会你做好这件事。
我也买了不少，但实践起来还真不容易。
作为一个在 AI 领域摸爬滚打这么久的人，一直让我感觉很惭愧的是，我写的 90% 的内容居然还是自己一个字一个字打出来的。
不过呢，昨晚在和一个数字游民社区聊了聊这个领域的问题，还获得了不少新的启发，这个思路感觉很值得开源一下：
现有的 AI + 自媒体的课程里，常见的思路是从定位、内容选题、大纲、标题、文案这一整套单一内容生产流程，来写如何把生成式 AI 的能力嵌入进去。
但作为一个稍微成熟的创作者来说，这一套流程你其实不太需要用到 AI，因为你自己做得比 AI 好得太多了。
那痛点在哪里呢？可能在于多平台分发。
我在刚开始在各种平台上写内容的过程中，会有一个美好的幻想：
做了一个 b 站视频，文字稿可以放到公众号、知乎，并切片放到短视频平台，再做成图文内容放到小红书……
可全职博主们，都会坚定地不建议你这么干。
因为你实操过之后就会发现，将一条完成态的内容，适配不同风格，分发到多个平台，甚至比生产内容本身还要累。
而且，生产内容是能够给人带来快感的，而改写和分发纯粹属于 dirty work，做起来感觉很不好。
这就是稍有成绩的博主们都会给自己招一个助理的原因。
那么，这一类的工作，能不能用 AI 来解决呢？
从第一性原理出发，你想要做出个人品牌，得写出独特风格的内容。
但是这个 chatGPT 很难做到，因为它是用大量「平庸的数据」训练出来的。
不过呢，它是一个很强的模仿者，对于帮助你把一整篇内容，在保证原语义不变的情况下，通过增减字数、微调语气的方式，变成适合别的媒介的内容形态这个任务，应该大有可为。
并且，它能够写好代码，能够联网，能够发出 HTTP 请求，应该不难搞定多平台的分发问题。
所以这个思路还挺值得去研究的。
不过目前我还没有找到合适的教程和工具，如果你刷到过和这个有关的内容，希望能推荐一下给我，球球了😭
#AI工作流31 35 - 目前好多 AI 写作类的课程都是给内容能力不强的小白看的，
那么，假如你自己是一个成熟的内容创作者了，已经创造过一些数据比较好的内容了，那该如何利用 chatGPT 来复制自己的内容创作能力呢？
受一些指令微调（fine tune）相关开源项目的启发，我探索出了一种用 chatGPT 复制自己的内容能力的方式，我把这种方法称之为「逆向润色」。
我问我的作家朋友晓雨“借了”几个她写的小红书标题，来给各位看看这个操作过程：
——————
🕵：
请你把我输入给你的标题改造成严肃且无趣的表达形式：
1. 和100个陌生人吃饭后，我把它写成了一本书📖
2. 重磅好消息❗️《追得上星星的女孩2》上市啦🌟
3. 月入 8W 后，我发现自己有可复制的搞钱体质！
4. 写作变现有哪些方法，别再傻傻投稿了❗️
5. 我所有的自卑，都终结在月入8w的那个月
6. 一个infp的旅居日记，高敏感是苦难更是财富
……
🤖：
1. ：和100个陌生人共进晚餐的经验及其书籍记录"
2. "《追得上星星的女孩2》新书发布"
3. "月收入达到8万元后的个人财富管理心得"
4. "探索写作盈利的多种方式，超越传统的稿件投递"
5. "我的自卑感随月收入8万元的增长而消散"
6. 一位 INFP 性格类型者的旅居日记：高敏感度的挑战与机遇
……
——————
现在你就得到了一大堆写得不好的内容，我们可以假装这些不好的内容是 chatGPT 润色前的，你自己写的这些是 chatGPT 润色后的。
于是呢，你轻松写出一段这样的 prompt：
# 角色：
你现在是我的内容助理，拥有世界一流的内容风格模仿能力。
# 任务：
我将给你输入我初步拟定的标题，请你根据我给你的标题润色示例，让我的标题变得更加生动有趣、吸引读者。
# 示例：
润色前：和100个陌生人共进晚餐的经验及其书籍记录
润色后：和100个陌生人吃饭后，我把它写成了一本书📖
润色前：《追得上星星的女孩2》新书发布
润色后：重磅好消息❗️《追得上星星的女孩2》上市啦🌟
润色前：月收入达到8万元后的个人财富管理心得
润色后：月入8W后，我发现自己有可复制的搞钱体质！
润色前：探索写作盈利的多种方式，超越传统的稿件投递
润色后：写作变现有哪些方法，别再傻傻投稿了❗️
润色前：我的自卑感随月收入8万元的增长而消散
润色后：我所有的自卑，都终结在月入8w的那个月。
润色前：一位INFP性格类型者的旅居日记：高敏感度的挑战与机遇
润色后：一个infp的旅居日记，高敏感是苦难更是财富
润色前：INFP性格类型者在低能量期的自我救赎和写作治疗
润色后：一个INFP的低能量期自救之旅，全靠写作疗愈
润色前：如何成为一名在旅行中也能赚钱的自由职业写手
润色后：如何成为边玩边赚钱的自由撰稿人？✍️💰
润色前：实现18岁的梦想：面向大海的旅居和写作生活
润色后：面朝大海，旅居写书，我实现了18岁的梦想🌊
润色前：初学者写作技巧：如何有效地表达故事
润色后：有故事，却不会表达？➡️新手写作4个小妙招！
润色前：三年内改变命运的个人经历：应用吸引力法则
润色后：三年前我逆天改命，只因用了吸引力法则🧲
润色前：将爱好转变为收入的三个个人故事分享
润色后：分享3个热爱变现故事，勇敢的人先享受世界！
润色前：出版内容的选择：解析热门出书题材
润色后：什么内容更易出版？解析热门出书题材✍️
润色前：写书前的注意事项：出版过程中的常见陷阱
润色后：写书别瞎写！出版避坑指南📮
润色前：在快速变化的时代选择放慢步伐
润色后：我在时代的洪流里，选择放慢了脚步👣
# 要求：
1. 润色后的标题要加上符合标题内容的 emoji。
2. 标题要有和读者面对面打招呼的感觉。
3. temperature= 0.9
好的，你应该明白我的意思了，以下是你需要润色的标题：
你相当于得到了一个拥有你个人风格的标题生成器。
我又问晓雨同学借了一下她最近的选题表，拿着几个她的新选题试了一下，感觉效果很不错：
Before: 每天坚持下班后写作2小时，我出了6本书
After: 每天只需2小时✍️，下班后的写作让我成为了六本书的作者！
Before: 出书的流程
After: 揭秘出版之路🔍——出书的每一步都不难！
Before: 保姆级出版教程
After: 新手作者必看👀——出版教程，轻松搞定从写稿到出版！
Before: 如何精准寻找自己适合的出版社？
After: 找出版社不迷路🧭，精准锁定最适合你的那一家！
————
当然，让 chatGPT 写标题的标准方法是让它批量生成几十条，然后你来进行挑选，或者让这几十条文案给你灵感，加速你的创作。
同时，这个方法不仅适合于写标题，文案的润色、正文的润色、脚本的润色等等都适用。
如果你是新人的话，也可以先调研一下你的领域中成熟创作者的内容风格，然后用「逆向润色」方法来帮助你生成更好的内容。
这里需要说明的是，我并不希望你用这种方式去洗稿，而是希望你用这种风格来审视你的输出有哪些改进空间。
你应该做的是，将自己写过的一段文字给到 chatGPT ，让它进行润色，然后你再自行比较润色前后的区别，总结技法和规律。
以此来让你拥有更强的内容创作能力。
之前我做的是企业服务，工作职责是帮助老板们思考怎么用 AI 的能力来替代员工；
但现在作为个人，我真心希望你能用 AI 拓宽你的能力边界，而不是让你困在「数字助理」的奖励里。
————
晓雨是我特别喜欢的一个作家，她的书我基本都看完啦，在图片里放一下她的小红书主页和她在微信读书里已经上架的书，超级安利大家去看！
#AI工作流
26 513 - 成了，成了，我的爬虫成了。不需要插件，不需要下载Python，102 部电视剧的评分，2 分钟就爬完了。
代码是 ChatGPT 给的，提示词是“我有 100 部电视剧，想在 colab 上，使用Python爬虫，在豆瓣上爬他们的评分，请问具体可以怎么操作呢？”的大白话。
返工过 2 版。
第一版因为豆瓣有反爬虫机制，每部电视剧都显示“未找到评分”，报错给ChatGPT后，它自己添加额外的请求头（headers）；
第二版是我自己的原因，我想看到每一步的反馈，方便不满意及早调整。它说可以使用Python的print函数或其他日志记录方法，来输出当前正在处理的电视剧名称和已完成的数量，然后有改了段代码。
之前，也试过用 ChatGPT 的联网功能和联网插件去爬，但联网功能的爬虫太老实，看到反爬虫机制就作罢了；webpilot 等联网插件则太不老实，爬出来的结果乱七八糟，早就不是豆瓣上的真实数据了。
更早的时候，也有想过用chrome浏览器上的Web Scraper 插件爬。不过，每一部剧都需要重新搜一遍，印象中Web Scraper 不太能胜任。以往我都是搜完某个关键词之后，用Web Scraper把网站上的所有结果全部爬一遍。
我爱ChatGPT和colab，对我这种非技术人员实在太友好了。没学过 Python 没关系，没学过爬虫没关系，只要敢问，ChatGPT 真的敢教，colab 也真的能实现。#AI工作流
170 2852 - #AI工作流 非技术人员要从事 AI 相关工作，技术要达到什么程度？
个人觉得，对于绝大多数普通人来讲，「能用 AI 测试出业务需要的效果」，是个最可行的答案。
拆开来，无外乎两件事：
1、懂业务
更具体点讲，是知道自己熟悉的领域中干啥最赚钱，知道自己（将）服务的客户最赚钱的生意是什么。
①
如果搞不清楚这个，再把提示词玩出花来，再精通 N 个 AI 工具，都不顶用。
生成式 AI 产出有随机性、有幻觉，AI 本身有成本，AI 上手有难度。
这些都意味着，如果不能创造足够大的价值，决策者不可能买单，执行者不愿意上手。
前者决定了有没有单子拿，后者决定了有没有增购、复购，或者基本的客户满意度。
②
作为非技术人员，我们的优势在「业务端」，在足够懂原先这门生意是怎么赚钱的，在足够懂客户中各个角色内心的弯弯绕是什么。
把这些优势体现在 AI 项目上，能将 AI 融入客户的高价值场景中，真正测出客户满意的效果来。
效果满意了，客户才会掏钱，老板才会满意，AI 工程师们的活才不会白干。
如果遇到原先不懂的业务怎么办？那就找懂的人合作，找懂的人学习，直到团队中有人懂为止。
2、懂AI
AI 到底要懂到什么程度呢？我觉得取决于业务对 AI 的要求有多高。
①
但最起码的要求之一，是自己手头工作中「明显能用AI提效」的部分，你都用 AI 尝试过。只有亲自试过，你才知道 AI 的能力在哪里，AI 的边界在哪里。
怎么才知道哪些工作是 AI 明显能提效的呢？我的建议是，通过即刻、Twitter、公众号和 B 站，看一下别人「免费分享」的使用案例，重点关注跟自己手头工作相关的内容。
不太建议通过视频号或者抖音看短视频，主要是胡说八道的内容太多，每天都会曝出某个AI“颠覆一个行业”，噪音过大。
②
如果你自身不是极客或者测评博主，真不建议一上来就大量测试各种AI。要是这玩意儿跟你的关系不大，肯定测完即忘。就跟狗熊掰玉米似的，留不下什么有价值的信息。
从应用的角度，市面上 99.99%的 AI 都不值得关注。盯着该领域最头部的那一两个，就行了。其他的AI，说不定哪天就死掉了，何必在上面浪费时间呢？
等用出一些效果之后，就赶紧啃文档吧。官方文档，比绝大多数的知识付费讲得都好。而且，有的人为了卖课，什么瞎话都说得出来，但官方文档不会。
那万一读不懂怎么办呢？找 ChatGPT 帮忙一起啃嘛。又不用全部都搞懂，先把跟当前工作相关的部分搞清楚就行。主要是，别被自媒体上的胡说八道给诓了，别被不想干活的“行家”给诓了。
3、有项目
按道理说，到这一步了，你基本具备「能用 AI 测试出业务需要的效果」的能力了。
剩下的难题，就是怎么让客户、面试官知道你有这个能力。答案也很简单，拿出项目给他们看嘛。
①
别把所谓的“AI项目”想得太神秘，在很多所谓的 AI 团队里，相当一部分员工，可能从未开通过 ChatGPT 的 PLUS 账号……
而随着 AI 自身的版本升级，很多所谓的 AI 技巧都将失效。与其把时间浪费在这些奇技淫巧上，不如想想怎么用 AI 解决点自己的问题或者业务上的问题。
每天用 AI 解决一点问题，解决的时间长了，就能连点成线，变成一个项目。
如果你用的效果够好，很快会有同事和领导来找你帮忙。随着用 AI 帮的忙越来越多，你就越有机会串起一整个业务的 AI 解决方案。
一整个业务的 AI 解决方案，那可是相当值钱的。
②
也不建议过多关注招聘网站上的JD，或者一上来就往提示词工程师或者 AI 产品经理上套。
AI 发展得飞快，AI 相关的业务变化得也多。业务对非技术人员的要求，自然就跟着变了。两个月前的JD，到今天可能啥也不是了。
AI 这一波浪潮，带来的是“逆工业化”。简单点说，就是分工不会那么细了，你最好是啥都会，或者至少可以啥都能快速学会。
一些团队之所以还按照互联网的方式去分工，是因为那是他们更熟悉的合作方式。这并不意味着，这种分工方式就是合理的，这个岗位是会存在足够长的时间的。更不会意味着，你靠这个岗位就能干得长久。
倒不如，最开始就从整个业务的角度去想问题，先把业务的生意模式摸清楚，找到里面的高价值场景，搞清楚相关方的核心诉求，再用 AI 去赋能该场景。然后，在发挥优势的基础上，缺啥补啥，通过合作和学习等方式，用AI把这单生意干成。
③
当然了，很多人当螺丝钉当习惯了，下班后嚷嚷过一万遍狗屁工作，上了班仍然按部就班“打螺丝”；还有更多人，打着学习 AI 的幌子，实际上只想多一丢丢谈资。
所以啊，现阶段真正愿意用好 AI 的非技术人员，是少数中的少数。如果你也是“少数”中的之一，希望“报团取暖”，我有个非技术 AI 从业者的小群。进群方式，见我即刻置顶帖，期待多多交流。
最后，我坚定地相信，在不久的将来，AI也会和互联网一样，进入各行各业、千家万户。到那个时候之后，希望我们都是创造者，而不仅仅是消费者。21 512 - 第三个工作流相关GPTs：「短视频文案仿写大师」
chat.openai.com
这个GPTs的出发点，是希望能提高千川短视频内容的生产效率，短视频特别是千川短视频，有一个很大的特点是爆款复刻，每天都会有新的爆款产生，需要编导的小伙伴第一时间跟进复刻，形成脚本拍摄，并且在模仿内容结构的基础上，需要减少重复率，避免被判定劣质素材，所以在这个背景上设计了这个指令，在指令里做了重复率30%以下的界定；
使用方法就是直接把原文案在对话框输入，ai拆解文案结构后，会在保证原文案结构跟风格的基础上，进行低重复率仿写，一次生成5条文案，如果是非本品的文案，仿写完替换相关产品卖点机制信息就行。
同样的，欢迎编导、短视频、直播相关的小伙伴体验、使用、反馈，下一个GPTs是市场背景调研相关的，在调试啦！
#AI工作流
12 84 - 分享一个最近比较受益的 AI 工作流👋 在销售场景使用通义听悟+GPT4
🥱背景
作为产品经理，接收到的需求常常是由销售人员传递回来的，但这里面往往存在着理解造成的信息差和传递导致的失真。
💡方案
最近我开始要求销售同事在销售时使用通义听悟进行录音。它不仅可以实时转写对话内容，还会智能标记沟通中的关键点。关键的 QA， 结束后，我把转写文本送入GPT4 进行进一步的深度分析。
🎯 二次分析的好处？
GPT会从客户的话语中解读出隐藏的需求，分析可能的疑问和兴趣点。更酷的是，它还能根据对话内容给出具体的沟通策略和销售建议，助力销售下一步的行动计划！这很好弥补了之前人为决策的一些盲区，无论是对产品人员还是销售人员都很有帮助。
💡 我的心得：
这种结合AI语音识别和文本分析的方式，不仅提升了信息收集的全面性和准确性，而且为销售团队提供了更具针对性的洞察和策略。在这个信息爆炸的时代，这样的技术应用无疑是销售领域的一次小革命！
分享这个小技巧，希望能帮助大家在工作中更加高效！也期待听听你们的看法和经验交流。🌟 #AI工作流19 18 - 最近想把做生成式 AI 商业化交付和测试过程中的一些过程资产分享出来，先发个简单的画头像流程吧。
这是帮朋友@凌空小鱼儿 根据她的写真用 midjourney 画出来的头像，用的是 Niji Model V5 的 Default 模式
做出这种效果也非常简单，工作流如下：
-
1️⃣ 在 Discord 中上传写真照，用 describe 功能解析出提示词。
2️⃣ midjourney 会返回四段 prompt，点击【全部生成】按钮，用每种风格都生成一次。
3️⃣ 选择你最喜欢的风格的那套图的 prompt，并把原图作为垫图，再次生成。
4️⃣ 调整 prompt、seed 值、相似度等参数，直至出图效果满意。
-
这套图的 prompt 也开源个大家：
a woman wearing lighted glasses with her dark denim jacket, in the style of japanese photography, vray, oshare kei, moody lighting, light red and dark gray, onii kei, asymmetrical framing --ar 3:4
#AI工作流
16 34 - 开心，今天收到一位内部客户的好评：“快速学习，快速联系实际，快速优化升级。”
三个“快速”的背后， ChatGPT 老师真的帮了很大的忙。
最开始，我不太信任中文互联网上的内容，但英文又没好到畅读官方文档的程度，技术也没达到开发者的高度。
于是请教ChatGPT：“现在你是个技术翻译，你的服务对象是利用 openai 的 api 提供xxx服务的开发者，他的客户画像是xxxx。我会给到你英文，辛苦你将其翻译成他好理解的中文，你理解我的意思了吗？”
然后把官方文档（如openai.com）里的话，主段发过去，请它翻译。
遇到还不懂的，请它“以 15 岁学生能理解的方式解释”。发现解释内容中的比喻用得有点过头，离技术越来越远的时候，让它再“以专业的方式展开讲一讲”。
基本理解后，挑出感觉跟自己相关的部分，新开一个对话，继续请教：“假如你是利用 openai 的 api 提供xxx服务的开发者，你的客户画像是xxx，请问 OpenAI 最新升级中的xxxx对你意味着什么？有哪些应对的建议？”
聊出跟客户业务的影响和应对策略之后，再重回官方文档，找到某一个细节对应的子文档（如cookbook.openai.com），新开一个“Web Browsing”模型的窗口，把子文档发过去，请 ChatGPT 基于文档看看该新功能能否实现前面提到的需求，如果能实现，再请它结合文档聊聊应该可以怎么实现。
可惜今天测试得不够多，不然在好评里，说不定还能再加个“快速验证”了。#AI工作流25 05 - 我们之前在服务的过程中，也常会遇到「我觉得我们公司该用 AI 了，但是我一点也不懂 AI，不知道怎么用」的客户。
这个时候，你就得自己有一套分析框架和问题清单，通过提问的方式，一点一点挖掘出客户的需求。
这套分析框架的思考出发点，是团队的两类资产。
1️⃣ 流程资产
团队如果在某一块业务上能够流畅运转，那么这个业务协作流程一定是经过了无数次迭代的。
从宏观来看，我们可以盘清楚这一条流水线是怎么搭建的，每个节点都有哪些角色，以及这些角色的产出物是什么。
这时候可以思考，如何用生成式 AI 的技术取代掉其中的一些角色，或者让这个角色的产出物质量提高。
从微观来看，每个角色自己也会有一套工作流程，那么可以思考如何用生成式 AI 的技术让他们的技术提效。
2️⃣ 数据资产
大家一般对于「数据资产」会有两个误区：
第一，这里的数据资产指的不止是在我们日常见到的在表格、数据库里的数据。
团队的文档、知识库、邮件、会议录音等也都是可以被大模型用上的数据资产。
第二，利用数据资产，大家通常会想到一定需要复杂的算法，或者用上增量预训练、构建向量数据库、指令微调等负责工程技术。
其实也没那么复杂，最低成本地利用「数据资产」的办法，无非是用团队的一些文本片段作为 prompt 里的 [ 示例 ]，
或者用团队素材库里的图片作为 AI 绘画模型的垫图。
盘清楚团队的数据资产之后，无论是定制 prompt，选择合适的工具，以及在需要的情况下做更复杂的工程操作，都会思路清晰很多。
#AI工作流
14 29 - “现阶段做AI，要对标的不是互联网，而是通信/IT。”
黄钊老师9月初提出的这个观点，跟我这几个月的AI实践经验，还蛮对得上的。
1、
在实际 AI 落地过程中，如果只是简单套用互联网产品、运营的思路，我是无法解决业务中的实际问题的。
只有结合具体客户具体问题的具体落地场景，给出针对性的交钥匙级别的解决方案，才能在客户那边真正落起来。
2、
那么，要对标通信/IT，谁是更适合的学习标杆？从个人的AI落地经验来看，华为的销售铁三角模式，效果是比较明显的。
何为华为铁三角？任正非是这么阐述的：
“让听见炮声的人来决策，以客户经理、解决方案专家、交付专家组成的工作小组。”
“形成面向客户的小团队作战单元。”
“要从客户经理的单兵作战转变为小团队作战。”
3、
这三各角色的具体分工如下：
客户经理统一负责客户关系，大部分时间以他为主心骨，负责把握客户关系的拓展和管理，比如什么时候该做什么动作，如何在关键时刻发现机会点，等等；
解决方案专家负责产品与解决方案工作，在识别关键机会点后，他负责组织资源设计出体现客户价值的整体解决方案；
交付负责人统一负责交付，在方案报价的前期就及早介入，确保投标的方案具有可交付性，并且在后期实施的交付由他统一协调，确保交付成功。
4、
华为的客户经理，不仅仅是卖产品。
他们甚至每天都在客户那里，与客户在一起，对客户业务痛点和业务需求了如指掌，随时准备为客户服务，驱动公司提供解决方案以满足客户的需求，让客户更满意。
一旦客户有了发展业务的想法和预算，销售负责人是要第一时间获知客户需求，并深刻理解客户诉求的。
然后，他们将会同解决方案负责人和交付负责人给出更加贴近客户需求的解决方案，从而拿下订单，完全不给竞争对手可乘之机。
5、
华为的解决方案专家，通常不只是客户经理的简单辅助，而是作为一个项目的战略分析者和策划者，负责分析市场和客户的方方面面，拉通各方面的资源，以求最大概率获得项目成功。
他们每到一个新的市场时，都必须进行市场洞察和分析，做出产品市场规划和中长期的预测，找到市场的突破口。
每开拓一个新的客户，都必须完全理解客户的产品和服务需求，深入调研客户的需求现状，找到需求痛点，进行战略沙盘的推演，进而找到跟公司产品和服务有关的机会点。
接着，他们便制订客户化的产品和解决方案，制定包含公司、产品和解决方案的品牌推广策略、竞争优势和价值呈现策略，并向客户关键利益相关人进行汇报和沟通，获取客户深入理解和认可。
6、
在交付方面，比起华为的交付专家，个人更喜欢 SaaS 行业的“客户成功”。
因为，现阶段的AI，虽然主要作为一种技术工具或服务存在，但其交付远没有通信行业那么重、那么严肃。
等客户真的用起来之后，我们就把关注点放在客户的业务上，以客户的业绩增长为目标，以终为始地用AI帮他们解决业务中的真实问题。
在客户的问题过来之前，可以通过一定的数据分析和用户访谈来预判。
等客户问题来了之后，一方面需要通过交好的沟通技巧和较强的执行力与商业判断力去交付，另一方面也开始需要一定的运维能力去解决 AI 工具使用过程中的 bug 了。
7、
看到这里，可能会有人问：如果都这么干，岂不是又把自己干成“高科技施工队”了么？
如果东一单子、西一单子地接需求，没有提炼出共性，没有进一步地产品化。那么毫无疑问，就是当包工头。
但如果能在接单子的同时，吃透该领域客户的高价值场景，形成该场景的 AI 解决方案，并最终形成产品，情况就不一样了。
最后，用李智勇老师在《为什么过去十年AI创业失败了》一文中的话，展望一下未来：
“AI潜力的关键在于其背后的技术具有共通性。当累积到一定量之后就具有变成系统型超级应用的机会。
这在过去一样发生过。微软当年给IBM配套的时候，其实就是供应链的一环，等到Windows平台化之后，产业中心就转移。”#AI工作流
———
参考资料：
①李智勇《为什么过去十年AI创业失败了》mp.weixin.qq.com
②黄钊《深度 | 关于AIGC商业化的13个非共识认知（8000字长文）》mp.weixin.qq.com
③尼克 •梅塔 艾莉森•皮肯斯《客户成功经济：为什么商模式需要全方位转换》weread.qq.com
④范厚华《华为铁三角工作法》weread.qq.com18 114 - 这个月在读文献，完成了几次组会汇报。想分享一下自己用得顺手的工作流程，希望能给你灵感哦~
🔹 略读部分：
快速读懂文献、判断是否值得深入研究。我用了Chatpdf和Claude，帮我生成 Markdown 格式的文献总结。然后用markmap 轻松生成思维导图，添加到我的 zotero 资料库中，易于查找翻看。
🔹略读的格式：请用markdown格式总结这篇文章的内容，包括三个topics，第一个topic是这篇文章的研究问题，第二个topic是这篇文章的研究结论，第三个topic是这篇文章用什么样的论证和证据得出他的结论？
🔹 精读部分：
深入研究文献时，我依赖 fabrie这个专业的设计管理工具，感觉就像在做设计一样，它的无限白板能够让我随心拖拽内容，自由整理图片、文字等信息，逻辑清晰又好玩！这种自由度让我更快速、更深入地理解文献内容，fabrie同时也内置了AI功能，能够辅助处理一些总结、翻译等文字信息，为我的汇报和研究提高了不少效率！ 🚀
希望这些工作流程对你的文献阅读和组会汇报有所帮助！如果有任何问题或需要更多细节，欢迎随时向我提问。加油，让我们一起进步！
#AI工作流 #AI的神奇用法
15 67 - #AI工作流 因为 OpenAI 的 DALL·E 现在的文生图能力一般，还有 AI 象形文字的问题，所以现阶段如果希望 ChatGPT 帮忙写产品文档同时画原型会很困难。
但因为他的代码生成能力太强大了，所以让 GPT 写产品文档时不让他直接画原型图，而是任何产品功能描述都让他生成 HTML、CSS 和 JS 代码，拼装后进行截图可以很好的绘制一些辅助原型。
GPT Creater 里也有专门的代码解释器设置，Prompt 的时候做一些设定，可以让他把 HTML、CSS 和 JS 代码写到一个文件里，这样甚至只需要一个文本编辑器就可以画原型了。:-D
13 14 - 在AI团队，非技术人员对AI要懂到什么程度？
昨晚在小群里聊到这个话题，几位有技术背景的老师建议到：
1、至少得会跑各种开源项目，因为不实际跑跑项目、调调api，需求文档也不是很容易写出来
2、要当ai产品，先学点运维，还得懂一点机器学习
3、今天上午也有前辈指出，AI领域的基本概念得懂
不过，各位非技术的即友，看到这里也不用太担心AI的门槛，觉得一定要在技术上怎么怎么样，才配在业务中用AI。
1、
这里拿PS技术举个例子，如果咱们手头有做做情侣头像就能长期稳定赚钱的小生意，那也没有必要因为PS技术不够高超，而感到羞愧。
现实应用中，不同团队对技术的要求不一样。几位分享的老师，都是技术很强的大牛，因此对团队中AI产品经理一角色的技术也有一定要求。否则，可能就没法很好对话。
2、
更多非技术背景的即友，要在业务中使用AI，个人建议第一步就是找到最强的AI，然后在擅长的领域先用起来。
随着使用次数的增加，自然会清楚当前AI的能力和边界，也能找出AI在自己手头业务中的最佳应用。
其实，我平常找技术开发的时候，最难的并不是我技术不够强，而是我找到的用户需求不够刚。
所以，我个人更多的时间，都花在理解业务、找到需求、以及初步验证技术可行性上面。一旦这三步走通，后面的倒好推动了。
3、
非技术背景的即友，更多优势在业务理解上。因此，不妨先在业务中试，试出能大面积产生价值的场景之后，再去做技术上的学习、理解和分析，可能是更顺的路径。
此外，最强的几款AI，相对都比较易用。用起来，尽可能多用，大概率会有奇效。在业务中的效果，能好到哪种程度，更多取决于使用者对业务的理解。
然后，可以拿着这个效果，拿着用户/客户的真实需求、真实反馈，去找技术做进一步的开发。这种情况下，开发完是有很大的正反馈的，大多数AI工程师都不会拒绝的。
——
总结就是，对非技术来讲，更建议业务先行，“多试多落地，拿结果去沟通”，然后在过程中不断精进AI技术。#AI工作流39 215 - 最近发现个加速「AI支持业务」的小心得：别让合作方想，请他们确认。
【第一轮】请业务方确认的，是「AI可以支持到什么程度」
1、直接问不到
直接问业务方：“你们在AI上有什么需求？”基本上得不到答案。业务方本身就忙，见着了“兔子”才肯撒鹰。只有让他们亲眼见到AI在业务上的效果，后面的事情才好聊。
这个时候，可能会有业务方说，他们早已尝试过，效果并不如人意。别被劝退，因为真正能用好AI的业务方并不多，他们浅尝辄止的效果，代表不了AI在业务上的真正水平。
2、学一点业务
当然，只会使用AI，也不可能试出好效果，还需要懂一点业务。懂个大概就行，先自己把网上的信息整理一遍，大概了解一下这是门什么生意，AI 在哪些环节能起到作用。
说个题外话，有些时候，网上的信息，可能比专家脑子里的还丰富。有一次，专家问我某些信息是怎么知道的，他们自己都不是特别清楚。我是问的 ChatGPT，用的是联网模式。
3、找相关教程
懂个大概之后，就看看那几个关键环节，AI 如何更好实现。这个时候，先不着急自己试，太浪费时间。
先在即刻、公众号、知识星球等地方搜一搜，看看有没有类似的案例和教程。因为底层的思路是相通的，把他们的教程借鉴过来，融合到这一块的业务环节中来，很快就能出一个大差不差的效果。
4、建立业务方对 AI 的信心
这个时候，咱有了起码的调研报告，和最小可行的效果展示，就不用担心在业务方的面前露怯了。
单纯靠网上的资料，调研的结论肯定不一定全对，那咱刚好可以请业务方帮忙校正一下。看到我们有这么多的准备工作，而且结论也没偏太远，业务方一般都会用心去讲。
把业务的逻辑确认完毕过后，AI 在哪些环节可能有帮助，也就更清楚了。趁热打铁，我们就重点挑出有帮助环节的 AI 演示效果，用大白话介绍清楚。
至此，业务方基本知道了AI可以支持到什么程度，对 AI 有了一定的信心，可以进到第二轮了。
【第二轮】请业务方和技术方确认的，是「AI具体怎么支持」
1、跟业务方沟通需求细节
这一轮，主要是聊出来的。前期的调研结果，不代表业务方的真实情况；前期的演示效果，也不会是业务方真正要的产出。
进入到工程环节，要聊的需求细节有很多。为保证聊到点子上，聊的过程中，我脑子里会有个“why-what-how”的框架。
①why 其实在第一轮聊得差不多了，但很多东西要更新，要结合业务方实际
②what 首先是聚焦在 AI 生成的产出物上，确定输出过后，还要确定输入的信息源
③how 层面，就到了如何通过 AI 来实现了，这方面业务方不一定清楚，需要自己有点技术积累，更需要跟工程师团队详细沟通
2、跟技术方沟通工程细节
为了更好跟工程师沟通，我会专门写个需求文档。
不过，我也没严格按照市面上的PRD去写。还是按照“why-what-how”的框架，把事情的价值讲清楚，把具体的需求和可能的技术实现方式讲清楚。
文档写完过后，先请业务方过一遍内容。再次确认无误后，就可以拿着文档找技术方，确认相关的技术细节和后续的排期了。当然，我一般也不会沟通到那么细，只要知道我们的技术确实能实现，以及什么时候哪些人会把事儿给做了，我这边就差不多了。
可能是因为，我对业务的需求理解得比较透彻，再加上写的全是些大白话，工程师们表示都看得懂。今天上午的时候，技术老大还肯定了我的文档能力。
———
最后总结一下：
这一波生成式 AI 浪潮中，绝大多数的业务方是真的不太懂 AI 技术，也真的不知道自己的 AI 需求可能在哪里。
想更快搞清楚 AI 如何支持业务，不如自己调研一波业务，调研一波业务关键环节的 AI 解决方案，然后拿着调研结果和测试结果去聊。业务方看到了诚意，看到了 AI 在业务中的效果，后面就好推了。
同理，想让技术更快落地，不妨把业务的需求给摸清楚了，把技术实现的思路给写明白了。整个方案呈现到技术方面前之后，对应的排期和人员安排，也能更快落下来。#AI工作流
（图文无关）
20 512 - #AI工作流
用一句简单的提示词,就能通过AI生成一幅流程图或者提供基本的想法大纲,关键免费,不用上T,手机上就可以操作,地址:excalidraw.com
你是老师:可以快速生成教学用的知识图表，
你是软件工程师:快速画出技术开发架构图、
你是管理者:获得项目流程图与商业决策分析图
你是营销人员:制作活动企划流程表
你是创作者:视觉化的写作大纲或故事线草稿
其他人员:帮助你生成想法大纲
我画的一个关写说大纲和路线图示例～
9 26 - AI 行业非技术人员最需要的，可能是什么？
中午跟@炫酷的ccc 老师聊到了一个特别酷的想法，那就是「最小可用的AI从业者“急救包”」。
1、这个“急救包”要够有效，不是 AI 从业者必学的 xxx 个知识点，而是从业者在做 AI 业务过程中，遇到了比较“要命”的情况后，可以来找开箱即用的小解决方案或小线索。
2、这个“急救包”要够简单，不需要长篇累牍，最好是“最小可用”，先解决能用的问题，再解决更多复杂的博弈。
3、这个“急救包”要够基础，它不用一上来就按各种行业、场景、人群去分，先直奔常规的 AI 业务去拆就行，比如：
①开展业务前，能大概知道 AI 支持不支持，了解 AI 划算不划算
②业务初期，知道技术上如何用最小成本和最短时间去验证思路可行性
③产品做出来之后，知道如何在实际业务中帮助客户/用户成功
聊完还蛮激动的，我当即找 CCC 老师申请参与共建。很期待这款“急救包”能尽快面世，至少对我这边的帮助还蛮大的。#AI工作流25 38 - 第二个工作流相关GPTs：「消费品用户洞察专家」
chat.openai.com
可以辅助做品牌、内容、传播、策划的小伙伴，完成消费者洞察的初阶工作，可作为工作中的一个信息参考；
只需输入行业、品类、品牌名称，自动搜集网络公开资料，进行消费者画像总结，并可以进行细化洞察，欢迎大家试用反馈！
下一个GPTs会跟短视频文案相关，主要场景会应用在千川爆款短视频内容批量复刻，同时减少重复率，也在路上了！
#AI工作流
9 39 - 如今再接到模糊AI需求，我更倾向于找客户方具体做业务的人聊一聊：
1、聊核心的商业模式
更准确点讲，就是他们大头的钱是从哪里来的，里面有哪些跟付费转化相关的环节。
如果能有机会把这个“高价值场景”聊出来，才知道AI是否有必要切进去。
2、聊AI demo需呈现的效果
假设找到了“高价值场景”，接下来我还需要他们当前在该场景下的核心产出和交付物，看看具体长啥样。
如果用AI帮他们做出类似的效果，同时算清楚省的钱和时间，后续成交的概率才会更高。
客户更愿意接受熟悉的东西，如果能让拍板人看到那些熟悉的关键产出被这么快这么好地做出来，接下来真的好开展多了。#AI工作流10 11 - 想要GPTs总结音视频，但现在体验是断裂的。
目前满足类似功能的GPTs一种是需要自己准备.mp3文件，还有一种是只能总结带字幕的视频，无转录功能。
捣鼓了一个【All video X-ray】自带转录的音视频总结GPTs ，欢迎试用！
chat.openai.com
用的腾讯云asr服务，有少量成本，希望体验后大家能给一些反馈[合十] 也希望给我推荐你们用过的类似产品/GPTs
#AI工作流
4 32 - #AI工作流 #ChatGPT对话大赏 #AI的神奇用法
【AI产品用户体验 有奖调研】
hihi 大家，最近在做一些 AI 产品的探索研究，很想邀请 AI 能力的先锋用户进行交流~如果你在工作中正频繁使用产品新增的 AI功能或独立的 AI 产品 （钉钉的魔法棒 AI、Microsoft Copilot、Google Duet AI、WPS AI 最佳），欢迎加入访谈，一起交流！
具体的访谈信息如下：
时间：11月13-11月15日
形式：线上访谈
时长：60 分钟左右
沟通话题：
1. 围绕你过往使用的AI能力，聊聊AI在工作中产生的影响
2. 探索未来AI还能如何进一步辅助你完成日常工作
参与访谈即可获得价值200-300的礼品一份，期待你的参与！
报名链接 survey.zijieapi.com2 40 - #AI工作流 借助GPT-4V视觉模型，可以轻松的将一张草图生成一个静态页面：github.com
它的工作流程很简单：用户画好草图后，将草图保存成png图片，传给GPT-4V，让其根据Prompt生成使用Tailwind CSS的HTML。
Prompt：
作为一位精通 Tailwind CSS 的资深网页开发者，当用户提供给你一个应用程序初步草图时，你的任务是制作一个包含 HTML、Tailwind CSS 和 JavaScript 的高保真网页，并将所有额外的 CSS 和 JavaScript 代码直接嵌入到这个 HTML 文件中。如果需要使用图片，你可以从 Unsplash 获取，或者简单使用纯色矩形代替。用户可能会用蓝色或红色的文字、箭头或图示来给出具体说明。有时，他们甚至会提供其它网站的截图作为设计参考，你需要根据这些参考尽可能地复制其风格、字体、颜色和布局。此外，如果用户提供了之前的设计 HTML，你需要在此基础上进行改进。根据用户的要求，对设计进行相应的调整。在草图中，旧版设计的 HTML 会显示为一个白色矩形。在制作过程中，你有创意自由来让应用程序更加完善和详细。使用 JavaScript 模块和 unpkg 来导入任何必需的依赖项。
8 00 - 00:393 20
- ✅GPT+RPA：大批量自动给商品写宣传文案
【功能】：
✏️全自动大批量商品slogan生成，并导出到Excel表
【描述】：
只需要在初始Excel表里填写对应商品内容就可以实现自动化slogan生成，并填到对应商品后面
【逻辑】：
1、将Excel中商品名称依次到GPT用slogan生成器生成5条文案，可参考我之前写的slogan生成器prompt➡️ m.okjike.com
2、将GPT给到的文案依次复制到Excel对应商品后面
#AI工作流 #AI的神奇用法00:1325 212 - AI时代，工作决策要依赖数据还是依赖直觉？
“数据不是指路明灯，充其量是一根拐杖。在最坏的情况下，它会变成一双水泥鞋。
（水泥鞋，即cement shoes，指一种传说中的谋杀手段。把受害者的双脚固定于水泥中，这样当把其扔进水中时，尸体就无法浮上来。）”
1、
iPod之父托尼·法德尔在《创造》[1]一书中确实说过这个观点。
但如果仔细读过原文，我们会发现，他的本意并不是否定数据，而是否定过度依赖数据。
在《数据驱动与观点驱动》这一章的结尾，他总结到：
“我们做的大多数决策都需要参考数据，但它们并非由数据决定。
正如艾薇·罗斯所说：‘决策不是基于数据或直觉，而是基于数据和直觉。’
罗斯是谷歌的硬件设计副总裁，是一位才华横溢、善解人意、极富洞察力却又非常谦虚低调的设计师。
这两者都是你的必需，都需要为你所用。数据时常无法让你走得很远，在这个时候，你能做的就是迈开大步凌空前跃，别低头往下看就好。”
2、
如今到了 AI 2.0时代，我们又该如何看待数据呢？#AI工作流
在Moonshot AI 创始人杨植麟接受极客公园访谈时的分享中，我找到了些许思路。
极客公园的采访者说，14、15 年之后，越来越多的产品经理是数据（驱动）型，做 A/B test；但在最早期、蛮荒期是需要一些想象力的，想象、定义未来的场景，推动产品落地。
于是，他问杨植麟现在要做 Super App，对于产品经理的要求，现在是要直觉多一些，还是数据多一些。
杨是这么说的：
本质上，会在直觉和数据之间寻找一个平衡。但「长期来看，数据可能会以碾压的方式成为主流的开发范式」。
但并不是说直觉就不重要了，只是它需要一个很好的数据作为支撑，或者说，数据应该是主力军。
有了强大的数据以后，你会发现让很多天赋型、运气型的（产品经理）在几千万、几亿的场景里，选哪些场景比较好？它本身是极其低效的。
「在 AGI 时代寻找 PMF 的过程，就应该用 AGI 的方式做」。发挥 AI 通用的价值，发挥用户生态的力量，发挥数据的力量。应该一口气全推过去。
在后面的交流中，杨甚至直接说：“很多产品经理容易陷入一个误区，定义一堆 feature 功能，像以前一样。
这可能是不对的，因为（现在）你的功能是通过数据定义出来的，这才是 AI Native 的方式。”
3、
为什么 AI 2.0 时代的产品研发/创造，要如此看重数据呢？
杨在分享中，也提到过一些第一性原理层面的思考：
“「产品开发方式会随着底层技术的变化而变化。」
①移动互联网时代的开发，是有了明确的需求，对应确定的操作和完全确定性的事件。
背后对应的是旧式计算机的技术和确定性的编码。这些非常确定的逻辑运算，衍生出各种前端确定性的交互。
本质上是基于确定性的 Graphic UI，加上确定性的系统，这是过去二十年看到的互联网产品的开发范式。
②但是在今天，技术范式发生了很大的改变。
首先是前端变成了对话式的 Conversation UI，未来可能会有越来越多的产品采用这种 UI。
后端也被极大程度的统一了，统一到了一个「语言模型」上。这个模型处理的不光是语言，它能处理世界上所有的信息，本质上是对世界上所有信息进行编码和无损压缩。
这两个都确定之后，大部分应用层的产品开发其实都不涉及后端的计算构架或者前端的 Lauguage UI，可能会有一些 GUI 和 LUI 的结合，但整体的构架是被基本确定下来了。
③「今天所说的大部分的开发，实际上是做中间层的事情，就是数据」。
交互和模型可能会一样，但用不同的数据，就会出来不同的产品。比如可能是 ChatGPT、Github Copilot 或者 Midjourney，本质上其实没有什么不同，主要是定义的数据不同。
所以我觉得这是极大的范式创新，产品经理越来越多需要想的事情是怎么通过两个数据集去开发一款产品，定义好了数据集，其实产品就定义完成了。
一个是训练数据，一个是测试数据，训练数据决定了模型能提供什么能力，测试数据决定了模型的实际可用程度。
④以前没有 AI Native 的产品，只有 AI feature，所以这种开发范式还不是很流行，很多强产品 sense 的人，也不一定知道怎么去套这种东西。
但是现在有越来越多的产品需要 AI Native，比如今天想开发一个跟 Character AI 一样的产品，或者在上面做优化，那你就要考虑怎么做优化。
如何定义你的两个数据集，可能需要你有很好的数据的生产和处理技术，如何获取数据，以及什么样的数据是有效的等等。”
——
[1]weread.qq.com
[2]mp.weixin.qq.com4 13 - 「行业调研报告助手」【chat.openai.com】
上周老板临时布置了一个紧急任务，需要做一个芳香疗愈行业的行业调研报告，
这是一个陌生领域，如果按照传统的方式，大概会花两个策划至少两天的时间，
为了提高效率，编写了这个GPTs，
里头预设了一个相对通用的市场行业调研报告框架，用户输入指定领域名称，GPTs会开始进行网络信息搜集，基于框架里进行报告内容输出，
因为字数限制，每次会按照顺序输出框架里的一个最小单元，用户回复「y」则开始下一个单元内容，回复「n」则会继续本单元内容重写，
用户可以在框架基础上，针对特定的维度让GPTs进行分析，高效好用，下一个GPTs写一个品牌分析的
过往工作流GPTs：
7.「营销方法论编写大师」【chat.openai.com】
6.「slogan创作小助手」【chat.openai.com】
5.「BigIdea脑暴小助手」【chat.openai.com】
4.「市场调研分析助手」【chat.openai.com】
3.「短视频文案仿写大师」【chat.openai.com】
2.「消费品用户洞察专家」【chat.openai.com】
1.「电商直播间话术大师」【chat.openai.com】
#AI工作流 #AI的神奇用法
6 06 - 「slogan创作小助手」【chat.openai.com】
✍️适合文案、策划、阿康的小伙伴在创作slogan的场景，辅助发散思考，每次会提供五条文案内容备选，同时会进行创作思路阐述，在没有头绪的时候，可以当一个思考路径参考
🃏多抽卡，大力出奇迹，找到一个相对合适的方向，可以提供具体反馈让小助手进行优化。又一次拿家里傻猫画头像哈哈哈🐱
过往工作流GPTs：
5.「BigIdea脑暴小助手」【chat.openai.com】
4.「市场调研分析助手」【chat.openai.com】
3.「短视频文案仿写大师」【chat.openai.com】
2.「消费品用户洞察专家」【chat.openai.com】
1.「电商直播间话术大师」【chat.openai.com】
#AI工作流
6 02 - 我最近搞了个小工具站 word-to-vector.com, 旨在轻松将你的文本和词汇转换成NLP和AI能识别的格式。作为一名独立开发者，我知道处理文本数据有时候会让人头疼，所以我希望这个小工具能为你节省些时间和精力。
无论你是在搞机器学习、数据分析，或是单纯喜欢折腾文字，这个站点都可能会有些用处。它简单、快捷，不需要任何复杂的设置。你只需几下点击，即可将你的文本转换成向量，然后投入到你的项目中。
快来试试吧！word-to-vector.com #WordToVector #文本处理 #AI工作流 #NLP25 06 - 一些在 AIGC 一线搬砖的体感：prompt 能解决的问题其实非常有限。
prom 虽然非常有用，但它确确实实只是让 AI 帮助人类解决问题的大流程中的一个小环节。
如果你只在研究 prompt，可能相当于你把自己局限在一个环节里拧螺丝。
而真的要在这个领域精进，你得学会构建生产流水线。
如果你稍微会写一点代码，那就大胆地往指令微调、构建向量数据库、连接关系数据库、预训练等工程方向上前进吧；
如果你没有任何技术背景，也可以结合应用场景，尝试着往工作流（workflow）的方向去探索。
拥有了更全面的视角，你就能看到 AI 的更多可能性了。
推荐阅读：非技术背景出生，如何构建大模型相关知识体系（m.okjike.com）
#AI工作流
33 47 - #AI工作流
我准备搞一套程序，实现如下目的：
1.自动获取每日各大平台热搜榜话题
2.自动获取主流媒体平台的相关话题优质文章
3.自动使用ChatGPT进行总结归纳，自由发挥编写相关热点话题文章
4.形成一套完整的工作流，批量做号
其中每一个环节我都打通过，现在要做的就是整合+prompt调优
AI，就该为人服务嘛！27 248 - 一觉醒来，GPT更新！
首先告知我们可以上传PDF的内容了，在这之前，我都是用Claude分析PDF，在文件类型上应用更广。
其次，在Default选择下，你可以自由调出浏览器，数据分析和画图功能，且能结合起来一起用，这才是突破性很强的。
真的太爽了！
比如你要模仿画出一个数据分析图，你可以上传图片以及上传数据，让它帮你分析后直接画出来。
各个能力结合，想象空间很大，最后的发展方向是不是要把插件全部融合起来，一个庞大的工具库。
#AI工作流
7 02
