即刻App年轻人的同好社区
下载
App内打开
申悦
560关注12k被关注6夸夸
公众号:互联网悦读笔记
个微:s2dongman
做了12年产品,写了七百多篇原创,出了2套课
喜欢逻辑思考和表达,现在all in AI
置顶
申悦
4年前
看到即刻上了置顶功能,就借机发篇自我介绍吧:
申悦,12年产品经验,前360产品总监、36氪产品负责人。常年发表对产品、内容行业、职场发展的观察和思考。公众号:互联网悦读笔记【关注领取七百余篇原创产品思考,与我深度交流】
2410
申悦
1月前
成为大厂AI产品经理,通常要关注哪些指标?掌握哪些技能?
我觉得回答这个问题前,要先明确2个前提:
1、大厂的AI产品,以什么形态存在?
2、这个AI产品,在业务流中承担什么角色?
好,那假设这个产品,是一款主App中的一个chat子模块(如智能问答助手),承担的角色,是工具分发(如响应用户输入,给出工具推荐)
那么,这个岗位要关注的指标有:
1、AI DAU :智能助手的日活,吸引更多用户使用智能助手,从而提高 AI DAU。
2、渗透率 :提高智能助手在主App端的渗透率,让更多用户在浏览主端时,有机会跳转使用AI助手。
3、问答结果质量 :确保智能助手提供的问答结果准确、有用,符合用户预期。
4、生成速度 :优化智能助手的生成速度,让用户更快获得所需答案或内容。
5、意图识别准确性 :提高智能助手对用户意图的识别准确性,以便更精准地提供所需功能和服务。
6、功能分发效率 :提升智能助手对其他工具的分发效率,让用户能更便捷地发现和使用各种AI应用功能。
AI产品经理要掌握的技能有:
1、功能设计 :包括页面布局、交互流程等,确保功能的易用性和用户体验的流畅性。
2、策略制定 :制定智能助手的策略,如用户意图识别策略、功能分发策略等,并根据实际使用情况进行优化。
3、场景化设计 :探索智能助手的场景化应用,针对不同的用户群体和使用场景,设计个性化的引流和推荐策略。
4、跨部门协作:需要和算法团队协作,提高意图识别准确性、生成速度等指标;和客户端、服务端团队协作,确保在不同端的体验一致性;和商业化团队协作,探索智能助手的商业化模式和提升营收指标;和设计团队协作,优化产品的视觉效果;和运营团队协作,制定产品的推广策略等。
02
申悦
1月前
看到还有很多人在问怎么解决Deepseek R1繁忙无法访问的问题,抽空整理了7个Web端我觉得还算可用的平替方案,分享给需要的朋友(仅限web端):
【很推荐】1、AskManyAI: dazi.co
(可能是)公众号“夕小瑶科技说”开发的一个多模型对话的集合工具,只要关注公众号即可注册成功。目前看使用无门槛,可以无限次白嫖满血版DeepSeek-R1,带联网搜索、图片文档对话。大多数情况稳定,偶尔卡住。web端使用体验上比官网差点,但也凑合能用。
优点:注册后直接可用,R1和R1联网版都免费
缺点:网页版体验一般,偶尔卡顿
【比较推荐】2、问小白:www.wenxiaobai.com
问小白直接接了满血版R1,免费且体验不错,能多开对话,R1和R1联网版都可以用,但无法上传文档
优点:免费,直接可用R1和R1联网版
缺点:无法上传文档,输出上感觉有点做了限制
【推荐】3、秘塔搜索:metaso.cn
本质上是AI搜索,支持开启“长思考-R1”,即使用Deepseek R1对搜索结果进行总结。但应该没有用Deepseek的搜索能力
优点:可以看做是联网版的Deepseek R1,适合解决深度搜索问题,单次搜索后整理的效果会更高。
缺点:不能多轮对话,也没法传文档,且对于一些简单的生成任务,比如写段代码、写段小红书,要等很长时间,输出一堆无用的延展性信息,效率不高。
【推荐】4、腾讯云大模型知识引擎:lke.cloud.tencent.com
腾讯云智能体的一个演示用智能体,可直接对话联网满血版R1,且免费,还能把它直接加载成自己的智能体
优点:免费可用,能上传文档理解,且是联网版
缺点:体验中心的智能体只可开一个对话
【一般推荐】5、火山方舟管理控制台:console.volcengine.com+cn-beijing/experience
本质上也是AI云服务平台,卖API,但其提供的web端体验界面做的好些,不过仍旧没法上传文档读取,默认给500,000token,测试完就没了。
优点:注册后可直接在web端体验中心和Deepseek R1对话,默认送500,000token,可以多开对话
缺点:500,000用完就没了,想用还是要充钱,web端无法上传文档,
【一般推荐】6、硅基流动:cloud.siliconflow.cn
本质上是AI云服务平台,不是大模型公司,提供的是API服务,因此Web端在注册后,只能通过:体验中心-文本对话,去通过一个简陋的Web页面和Deepseek-R1对话,而且对话是要花钱的。
优点:注册后可直接在web端体验中心和Deepseek R1对话,且默认送13块钱
缺点:对话要钱,无法开多个对话,无体验好的web端界面,web端无法上传文档,其API需要对接到第三方AI工具才可用
【一般推荐】7、百度云千帆ModelBuiler体验控制台:console.bce.baidu.com
同样是AI云服务平台,卖API,提供的web端体验界面和硅基流动类似,也很差,无法多开对话,无法上传文档,但一个好处是调用免费
优点:注册后直接体验,免费
缺点:web端使用体验差,且无法调单次输出token长度
213
申悦
2月前
一个观点不一定对,随着DeepSeek R1这类长链路推理模型的普及,模型评估、数据集设计和模型安全这些岗位方向上的需求会显著增加。
模型评估上,长链路推理会有大量复杂的推理逻辑和各种应用场景,需要精准界定其能力边界。比如在医疗辅助诊断、金融风险预测这些对准确性要求极高的场景中,必须让专业人员设计多样的测试任务和科学的评估维度,全方位测评模型在不同情境下的表现,为模型优化提供依据。
从数据集角度看,就像我之前文章提到的,长链路推理模型性能提升,强依赖高质量且针对性强的数据集。比如法律案件解读、合同条款分析这种,该怎么写中间的推导路径,不仅决定训练质量,还和奖励规则设计强相关。可以看到,就连deepseek r1,在第二轮强化学习时,对非推理任务也是用奖励模型不是奖励规则来训的。
在模型安全层面,长链路推理模型因为交互环节多、应用范围广,会面临更多安全风险,这就要设计多层审核和过滤的内容安全机制,保障输入输出安全,这背后必然需要专业的内容安全人才来应对合规风险,确保模型稳定、可靠、安全地运行。
00
申悦
2月前
第三篇DeepSeek深度拆解文章出炉
这次是从代码层面,进一步还原出DeepSeek-R1的算法实现原理,至此,我对DeepSeek的底层解构就先告一段落了。
完整三篇思考下来,不仅可以帮你把以往抽象的AI概念具象化、对很多高深的AI算法祛魅,更能让观察视角从模型抽离开,投向数据、评估、人机交互赋能上,非常建议三篇连续深度。
当然,后模型推理时代,又该如何用好AI这个智能助手,也是今年我会主要深耕的方向,未来还有更多思考和方法分享给大家,敬请期待~

技术祛魅:200行代码复刻DeepSeek-R1?解构开源项目后我发现的3个「反内卷」生存法则

01
申悦
2月前
这是学习DeepSeek-R1后输出的第2篇思考。本着“深度求索”的理念,我尝试用做产品画流程图的这点功底,还原了R1训练的全过程,希望帮助更多人理解R1做深度思考背后的“深度思考”。这篇文章修正网上一些二手信息的解读偏差,也发现了DeepSeek这个团队很多让人佩服的小细节,其中还有一些我没法理解的部分,也欢迎你来一起探讨~

打破二手认知!一图还原DeepSeek-R1的完整训练流程

15
申悦
2月前
分享假期围绕DeepSeek的一点思考
鲸吞四海,仍能深度求索。
我相信随着AI的普适性进一步提升,进化思路会更加清晰。
AI在进化,人类也在成长,只有不断构建自己的认知,才能不再FOMO,一直走在时代的前沿。
2025,与你共勉!

深度求索第一性原理:从DeepSeek中激活的4个深度反思

01
申悦
2月前
#AI产品思考手记_20250120
1、无论是coze还是dify,作为智能体构建平台来说,还缺了一项核心能力,就是给予智能体“规划和推理”的能力。
这个观点的依据,来自对智能体能力范围的定义:Planning+Tools+Memeory+Action,目前的coze和dify,能用插件提供tools+action能力,用RAG满足memory,而Planning层面,要么就是在提示词里写长长的步骤指引,要么就是用工作流,但我觉得这些都不是planning,而是todo,真正的planning,是要有反思、推理、自我优化的能力,并能给予用户反馈修正路线,做到“best planning”,而要做到这一点,就需要引入类似o1这样的推理框架,我判断这可能是25年Agent产品的一个爆发点。
2、而o1的推理能力,很可能背后也是由多个Agent组成的,有负责输出内容的,有负责拆解的,有负责检查的,有负责优化的,未来可能这些Agent会作为类似大模型一样的底层服务,提供给智能体搭建平台来供大家调用,从而提升智能体的执行准确率,降低他们的制作成本。
3、未来智能体可能也会分等级,有底层智能体、中枢智能体、上层智能体这种区分,底层智能体会由不同的原子能力形成,中枢智能体会根据规划能力调用不同底层智能体,响应上层智能体的指令要求
4、因此AI产品经理也会细分出更垂直的岗位,比如:Agent产品经理,专门设计各种Agent
13
申悦
2月前
刚刚试用了一下字节私有化版本(企业版)的扣子:HiAgent,和个人版有明显差别,大概总结了一下,和个人版相比:
1、工作流部分。节点更少(只有6个),编排的方式更简单直观(没有额外弹窗,直接在节点中控制所有参数),
2、编排部分。基本的插件、工作流、知识库、对话体验都有,但企业版给知识库分出一个“问答库”,且增加了对内容安全审查的控制,去掉了触发器、长期记忆、背景图片这种使用频率较低的技能
3、模型参数部分。模型可配置参数更多,除了temperature、top_p之外,还有RAG范围、思维方式、迭代次数这种高级选项,思维方式支持plan and execute,这个比较期待
4、知识库部分。强化了知识库的类型,支持JSON格式的知识库。不支持照片,还单独了问答库选项,整体来讲,针对企业建立知识库的场景,专门做了优化
5、新增了“评测与对比”版块,允许用户构建企业领域的评测集和评测规则,评估是大模型在特定领域应用的关键环节,这一点在企业版里也得以验证
6、插件数量不如个人版,且基本都是官方插件,使用还需授权,但猜想这可能也是个未来为企业提供服务的入口
7、对权限控制和安全合规考虑的很到位,可以选择是否给智能体限流,这个控制很有趣
总的来讲,虽然灵活性和扩展性远不如扣子,但也切实针对企业需求做了调整,对产品经理思考企业版产品应该如何做,也是个参考案例
03
申悦
3月前
#AI产品学习手记_20250108
1、AI产品经理需要尽早参与到技术研究的过程中,就算是算法实验结果,也可以激发产品创意。
2、享受不确定性并从中发现机会。对模型表现好的方面进行强化,对表现不佳的进行改进。
3、当某些事情只有60%正确时,实际上有很多事情是可以做的。通过人与模型的结合,事情做正确的几率将远高于60%。
4、当今的模型并非受限于智能,而是受限于评估。模型实际上可以做的更多,但如果你希望模型能运行成功,需要告诉模型成功究竟意味着什么?你正在解决什么问题?
5、掌握AI评估能力对AI产品经理非常重要,不能只定义产品能力,还要找出80%能力下需要调整的参数、算法和逻辑有哪些,实现能力的持续完善。
6、怎么提升评估能力?看失败的案例,从而优化评估标准。
7、评估是个性化的、需要演进的,除了逻辑和数学问题,很多问题没有正确答案。因此需要建立给AI新的评估标准,比如模型结果是否超出人类预期,像是速度快、内容新、内容独特等等。这比简单的对错更重要。
8、可以把模型当做产品原型工具来用,让AI帮产品经理快速创建出可A/B测试的UI界面,
9、对于大模型这种非确定性系统,如何根据收集的反馈,判断何时该终止模型的错误循环?这是评估这件事要做到的,也是非常重要的。
10、做AI产品需要有“禅意”思维,因为AI的输出,一半取决于用户行为,一半取决于模型表现,因此需要放下对结果的控制,顺其自然,找到最适合不确定性空间下的答案。思考如何利用AI输出的优势。
11、向企业宣传AI对生产力改进的价值,关键是抓住在企业内部的那些“早期使用者、先进份子”
12、对一些对幻觉容忍度低的场景怎么用AI?你可以微调一个在特定任务上表现良好的模型,再微调一个输出非常精确的模型,然后把这2个模型结合起来用。让1个模型检查另一个模型的输出,并在错误时让其重试。本质上这和人类之间协同工作是类似的。
13、AI产品经理发布的应该是智能,不只是个产品。
11
申悦
3月前
#求职辅导手记 20241221
1、面试是匹配筛选,不是打怪升级,实事求是最重要,不会的问题就说不知道,否则会因为过度紧张和心虚,导致回答混乱。
2、认真理解面试官的问题,正面回答,没必要扩展或转移话题。
3、如果想提升竞争力,可以突出说明资深优势,比如视野更宽、执行力更强、善于协调沟通等,并列举具体事例证明工作出色。
4、一个锻炼自己深入理解业务的方法:不断追问为什么?为什么指标这么定?为什么流程要这么执行?问多了,就知道这个业务到底怎么回事了。
5、回答问题不要太啰嗦,自行增加背景介绍,相信面试官的水平,要聚焦自己的具体工作内容和工作思考。
6、怎么介绍一件具体的事?沿着:问题发现、衡量标准、目标规划、解决过程、最终效果及收获方法论的流程来讲。
7、说职业规划的时候,避免使用不确定的词语,比如“可能”,要明确表达对岗位的兴趣和决心,体现职业规划的思考和稳定性。
8、讲到为什么转行,表述要积极,强调原岗位缺乏挑战性,为追求大平台和职业发展转行,认可新岗位价值及对自身能力提升的帮助。
00