既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上大数据知识点,真正体系化!
由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新
我们在之前的场景中其实已经为ChatGPT定义了OKR,例如在“应用场景2 起草文档的结构与框架”里,“提供一个试乘体验报告框架模板”就是“O”,而"要涵盖产品体验的不同方面,使用逻辑严密,清楚的语言,有优雅清晰易于理解的结构"则可以看做“KR”。
添加细节在ChatGPT的prompting中会起到立竿见影的效果,ChatGPT会对这些小细节做出巨大的反应。例如,有研究人员发现在GPT-3(可以理解为ChatGPT的爸爸)的输入前加入"Let’s think step by step",就让它的推理准确率从17.7%暴增到78.7% [1]。
现在,作为ChatGPT的使用者,各位自然是巴不得它能够发挥出全部性能,又快又好地出活。既然已经有了顺手的胡萝卜(OKR),那么是时候请我们亲爱的小毛驴(ChatGPT)拉磨了。
△设定了好的目标就是成功了一半
接下来我们看一个具体的例子,更好地理解这种思想与ChatGPT提示工程的结合。
应用场景3:分析具体业务场景
我们来看应用场景3,自动驾驶产品经理在工作中常常要定义各种复杂场景,我们在这个prompt中要求ChatGPT协助我们定义一个简单的他车激进切入场景:
“在我车在高速上行驶时,常常会有他车从相邻车道从非常近的距离切入我车车道,造成碰撞风险。请用自然语言描述与定义这个场景。
语言风格:清晰,有逻辑性,可靠,容易使用计算机程序建模。
建模要求:描述清楚事情的过程和时序关系。注意用数字量来定义临界点。将切入的步骤编好序号。建模要体现两辆车的交互
我们的自动驾驶车辆被称为ego,他车被称为npc。”
在这个例子中,我们在阐述了背景,定义了任务目标的基础上再给出对任务的详细要求(也就是key results)。prompt从多个方面规定了对于理想答案的标准。
用刚才的框架对这条prompt进行拆解:
- 阐述背景:宏观的业务背景已经在“让ChatGPT快速进入角色”中给出。所以我们进一步为ChatGPT描述了微观的具体业务场景(高速上被他车切入)。
- 定义任务目标:任务目标O是“用自然语言描述与定义这个场景。”
- 定义关键结果:这里的KR有“a. *语言风格:清晰,有逻辑性,可靠,容易使用计算机程序建模。*b. *建模要求:描述清楚事情的过程和时序关系。注意用数字量来定义临界点。将切入的步骤编好序号。建模要体现两辆车的交互。*c. 我们的自动驾驶车辆被称为ego,他车被称为npc。”
KR可以根据个人需求定制。例如在这个例子中,我们用自然语言给场景建模的目的可能是想要给程序员写PRD,所以要求“有逻辑,容易使用计算机程序建模”。而公司内如果有“黑话”,比如把自动驾驶车叫做ego,也可以告诉它。
- 试验并调整,改进:这是一个试验并调整的过程。如果对ChatGPT生成的内容不能让人满意,有三种可能性:第一种是我们这个老板当得不好,指令给得不够清楚。这时候可以调整prompt,看看背景和OKR有没有需要补充的地方。重新生成回答。经过几次调整后,就可以得到比较满意的答案。第二种是ChatGPT这位员工干得不好,这时候我们可以指出生成内容中的错误,让它重新回答。第三种是你运气比较背,碰到一次不太好的结果。这时候你可以优中选优,相同prompt让ChatGPT多生成几次,然后选一次最满意的,让我们一起赞美AI的任劳任怨。
在这个过程中,我们给ChatGPT定了“OKR”,干完活了还要“复盘”,一个不对还要打回返工,是不是像极了屏幕后面的各位打工人们。
下面是这条prompt的运行结果,以及为答案纠偏的过程。
△场景3的运行结果
△通过“打绩效”来对ChatGPT纠偏
ChatGPT生成的回答不是完美的,所以通过"试验并调整"来纠偏非常重要。
小作业:上面回答的第4点中,有什么明显违反常识的错误?我们可以通过什么方式来让ChatGPT修正这个错误?
小结
讲到这里,我们复习一下上面所讲的内容。我们以背景,目标,关键结果,改进四个步骤为抓手,打出了组合拳,沉淀了一套ChatGPT prompting方法论。那么,接下来,我们给这种方法取一个好记又好听的名字:BORE,读作[bɔːr],记住这个名字就等于记住了这套方法。在“BORE”方法中,四个字母分别是四个单词的首字母,B代表Background,O代表Objectives,R代表key Results,E代表Evolve,“BORE"本身也是个英文单词,有“钻孔”的意思,很好记。
最后我们给出这四个流程的详细定义:
- 背景B(Background):阐述任务的宏观背景和微观场景,让ChatGPT得到充分的信息。
- 目标O(Objectives):明确任务的目标,告诉ChatGPT需要生成的内容是什么。
- 关键结果R(key Results):列出完成任务所需达成的关键结果,即需要满足的具体要求和指标。这些关键结果可以根据实际需求进行定制。
- 改进E(Evolve):试验并调整,下面三种改进方法进行灵活组合,最终得到满意答案。
a. “从答案的不足之处着手,更新并迭代prompt”,
b. “在后续对话中指正ChatGPT答案缺点”,
c. “在prompt不变的情况下多次生成结果”
撬动外部工具,放大ChatGPT能力
这里,我们还有一些其他的ChatGPT进阶技巧:将ChatGPT的能力与外部工具结合,放大ChatGPT的能力。
作为产品经理,我们要为业务画时序图,画流程图等。有时我们也要用一些生动的图像,数据的分析去支撑需求改动,让我们的需求更有说服力,这样我们会更有可能通过产品评审会。
△很多程序员都想要的实用职场技巧
然而,到此为止,ChatGPT展现的能力都是文字 or 代码上的,难道就没有办法了吗?
等等?ChatGPT可以生成代码?
应用场景4:利用ChatGPT画时序图
既然ChatGPT可以生成代码,那么代码是不是可以转化为各种各样的图像?感谢各位程序员的开源精神,目前我们有很多基于代码的工具可以使用,让我们搜索一下“code to diagram”(代码转图表)试试。
好得很,当然有,出来的第一个结果就提供了足足6种工具,那么接下来就赶快试一下。
在这里,我们选择mermaid(意思是美人鱼),不仅是因为它支持十几种图像,而且它还提供了一个在线编辑器,代码贴进去就可以马上生成图像。生成器的网址在:https://mermaid.live/
△mermaid项目主页
那么,我们试着在应用场景3的基础上深入,以ChatGPT已有的输出为基础,要求它画出“在我车在高速上行驶时,常常会有他车从相邻车道从非常近的距离切入我车车道,造成碰撞风险*。*”的时序图。
请看下面的prompt:
"目前有一款用来将代码转化为各种图表的工具,叫做mermaid。请阅读下面的内容,写一份可以生成mermaid时序图的代码。请注意,时序图要与我提供的内容保持完全一致。
内容:在高速公路上,当ego车在行驶过程中,一个npc车辆突然从相邻车道切入ego车道,且距离非常近,这种场景可以描述为:
1.NPC车辆在相邻车道以速度V_npc靠近ego车辆。
2.当水平距离d_npc达到阈值d_critical时,NPC车辆开始切入操作:
a. NP车辆向内侧车道转向,同时NPC车辆的前轮触碰到ego车道的车道线,并压在车道线上。
b. NPC车辆逐渐进入ego车道,直到完全进入,并摆正位置。
3.在这个过程中,ego车辆应该进行以下反应:
a. 自动驾驶系统应该能够检测到NPC车辆的切入行为,并识别它的行为意图。
b. 如果检测到了NPC车辆的切入行为,自动驾驶系统应该能够进行迅速反应,采取避让措施以确保安全行驶。
c. 具体的避让措施可以包括刹车、加速、转向等,以确保避免与NPC车辆发生碰撞。
4.当NPC车辆完成切入操作后,NPC车辆的速度会逐渐回到原始速度V_npc,并行驶在ego的前方。"
我们来拆解这段prompt,仍然是上文中提到的BORE方法:
1.阐述背景:我们提示了ChatGPT对话中所说的mermaid是代码转图表工具,并在“内容”中提供了需要他转换成时序图的文字。
2.定义任务目标:请阅读下面的内容,写一份可以生成mermaid时序图的代码。
3.定义关键结果:时序图要与我提供的内容保持完全一致。
4.改进,尝试并调整:这段prompt经过多次调整,我也多次让ChatGPT打回重做,得到的结果是优中选优的(在图中我们可以看到调整prompt+重新生成加起来共9次)。
最后,我们得到了可以生成时序图的代码:
△场景4的运行结果
将得到的代码粘贴到mermaid live editor中,就可以生成结果了
△mermaid在线生成图表页面
最后是成品图。
不过,mermaid提供的能力远远不止时序图,目前官网上就有13种可用的图表,包括流程图,顺序图,类图,状态图,实体关系图,用户旅程,甘特图,饼状图,需求图,Git图,C4C图,思维导图,和时间轴。请在工作中自由取用。除了mermaid之外,还有像plantUML,Diagrams,markmap之类的code to diagram工具,这里就不赘述了。
应用场景5:用ChatGPT做数据分析
自动驾驶产品经理是一个非常需要实事求是的工作,要设计一个什么功能,空口说是不算证据的,数据很重要。再加上我司的数据基础建设做得挺好,所以我在工作中会接触到大量的数据,做很多数据分析工作。良好的数据分析也可以帮助产品设计的功能更好更合理,当然也就更容易通过需求评审会。
从工具和规模上来说,写一两行excel公式是数分,用hadoop,写spark算大数据也是数分。从方法上来说,算平均数是数分,用各种各样的机器学习方法做回归,分类也可以叫数分。数分前有时候还要做进行数据清洗,数据预处理等等。这是一门独立完整的学科,话题要展开实在是太大,我就不在这里提供具体例子了。
用ChatGPT做数分可以利用的数据分析工具
这里提供一些简单的罗列,如果不知道我在说什么,可以上网搜一搜教程。
- excel:各位最熟悉,也是最简单的就是excel了。写点公式就算进阶用法(比如说有的岗位的JD甚至明确要求会用vlookup这一个函数),再进一步,我们可以写一点Excel宏,也就是在excel里头运行VBA程序。在excel界这已经是非常高级的用法了,它非常强大,作为产品你能用到的绝大部分需求都可以用它解决。(还有人用excel宏来写计算机病毒,叫做宏病毒,毕竟VBA也是编程语言)ChatGPT可以非常轻松地根据你的需求和描述写出可以用的excel宏。
- python:python有很多强大的数据分析库。数分有pandas,numpy等,画图有seaborn,plotly,matplotlib等,机器学习的就更多了。这是个很大的话题,但是产品日常工作学点pandas+绘图库就够用。一般数据分析的代码可以用jupyter notebook来运行(非常合适数据分析!),用anaconda管理安装的各种包,详情请看网上的python数据分析教程。
- R语言:这是一个专门用来搞统计的语言,不过Python已经够用,在此按下不表。
用ChatGPT做数分的一些小tips
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
存中…(img-eNj77Frq-1715764237371)]
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!