一套方法论让你彻底掌握：大模型用户画像与指引

本文将通过使用多维帮助体系结合角色分层灵活、快速的设计出符合不同操作水平的用户指引的功能设计。从用户使用难点到，设计策略，到执行落地具体介绍，旨在降低用户学习成本、提高用户满意度，并引导用户掌控产品的核心能力为出发点。

通过“设计方法论”构建一套服务与不同用户分层的多维帮助体系。该方法也适用于其它致力于提高平台自学性的相关产品。

一、基本概念

1.1 什么是大模型

深度学习平台是一个面向AI算法工程师的一站式公有云的轻量级训练系统。其中，ATP的意思是“Advanced Thinking and Understanding Processor”，即先进思维和理解处理器。ATP大模型平台的目标是打造一款开源的、开箱即用的共享平台，为广大的AI开发者提供灵活、易学且低成本使用的模型服务产品。通过这个平台，每个人都可以体验到大模型的强大能力。

ATP大模型平台在许多领域都有广泛应用，例如图像分类和目标检测、语音识别和语音合成、自然语言处理等。其中，大家比较熟悉的应用之一就是CHAT GPT， 它是一款基于深度学习的聊天机器人，能够进行智能对话，为用户提供各种有用的信息和建议。

1.2 用户分层的意义

针对用户操作水平进行分层对于提升用户体验有着重要的帮助。不同用户的操作水平存在差异， 因此，针对不同的操作水平提供相应的产品和服务，可以使得用户更加便捷、高效地使用产品或服务，提升用户体验。

具体来说，对于初级用户，他们可能对于产品或服务的使用不太熟悉，因此，提供详细的使用指南、操作演示、在线帮助等支持服务可以帮助他们更好地理解和使用产品或服务。而对于中级和高级用户，他们可能已经熟练掌握了产品或服务的基本操作，因此，提供更多的高级功能、个性化服务以及更多的自主权和决策空间可以让他们更加便捷、高效地使用产品或服务，提升用户体验。

总之，针对用户操作水平进行分层可以使得产品或服务更加符合用户的需求和能力，降低用户使用产品或服务的难度和风险，提升用户体验。

1.3 帮助体系的作用

帮助体系是一种通过界面设计、信息提示、教程等方式，引导用户熟悉和使用产品的过程。它旨在降低用户学习成本、提高用户满意度，并引导用户掌握产品的核心功能。特别是对于起来说还可以减少后期培训成本，提高品牌信任感。

二、体验问题

2.1 当前体验问题

就目前来看，AI大模型平台本身自带了一些使用门槛，行业属性决定，如：

使用ATP大模型平台的门槛相对较低。但是，需要用户具备一定的编程和深度学习知识。对于没有相关经验的用户，可能需要花费一定的时间来学习和熟悉这些知识和技能。同时，深度学习算法的训练通常需要大量的计算资源和时间，因此需要用户具备一定的计算机硬件和云资源准备。

2.2 体验优化目标

从代码下载到安装部署再到效果验证，ATP开源平台会提供了热门的模型库开源数据集、提供大模型所需要的环境，方便用户进行探索、推理验证、训练调优等一站式发布服务能力。所以，无论是 AI 小白，还是普通开发者，或者是更高级的开发者，都能在平台上获得极佳体验，感受大模型的魅力。

三、设计4步骤

3.1 4步骤流程

通过标准的四个步骤，我们可以有条不紊地完成设计工作，并能够快速地将这些步骤应用于其他平台的建设中。在“技术”方面，尽管具体情况可能会有所不同，但基本的步骤和流程是相似的。“术”方面万变不离其宗。

3.2 拆：任务拆解

通过了解用户在完成某项任务时所采取的标准路径，我们可以更好地理解他们的思考过程和行为习惯，从而优化我们的产品或服务，使其更符合用户的需求。全面了解用户整体行为路径分布，找到不同行为间的关系，挖掘潜在规律便于后期在体验中找到关键点。

3.3 分：用户分层

3.4 找：构建公式

多维帮助体系是一种设计方法，通过提供多角度、多层次的帮助信息，帮助用户更快地熟悉和掌握产品或服务。这种体系可以帮助不同用户在不同场景下获得所需的帮助，满足他们的需求。

在产品用户体量较大且功能复杂的情况下，帮助系统对用户的使用体验和效率有重要影响。它是一种设计方法，提供元素的拆解帮助设计师更快地使用。

4.1 方案落地

通过前三步清晰的明确设计策略，得出一套设计方案。

首先，根据用户能力水平的差异和用户目标，综合考虑用户的技术水平、经验等因素，将用户分为三个层级，为了帮助用户更好区分自己属于哪一类，我们讲引导同时文案进行目标撰写。

当用户第一次进入系统的时候，我们的帮助指引就开始了。除了帮助用户进行系统的学习，我们还希望尽可能减少对用户的干扰。所以，我们将用户目标直接放在分类下方，用户通过自己区分选择角色，后续得到不同的指引服务。

以下为具体案例示例

用户：

我是“零”基础

目的：

不同用户阶段的诉求与对应可挖掘的机会点

时机：

上手阶段引导：在用户刚开始接触大模型时，提供详细的入门教程、演示和指南 需求驱动引导：可以提供问题解决方案的示例、案例和相关文档，帮助他们理解如何将大模型应用到实际问题中。

问题解答引导：在用户使用大模型时遇到问题或困惑时，提供及时的支持和指导。

持续学习引导：随着用户对大模型的熟悉程度提升，可以引导他们进行更深入的学习和实践。

策略：

漫游导览、任务指引、实时帮助、知识文档

【特别重要】通过Step 2 选定的的用户依次在 Step 1 的任务流程中找到 Step 3中的用户、目的、时机然后确定策略方式的选取。不是每个用户每次都需要全部使用到的。然后再具体策略中确认要填充的内容

请记住这4个步骤，通过标准的四个步骤，在“技术”方面，尽管具体情况可能会有所不同，但基本的步骤和流程是相似的。

设计方式总是多种多样的， 该经验是受益于在实际业务中能够真切的提供可复制的经验，希望能够帮助产品设计通过简单的方式提高自学性。

“术”方面万变不离其宗。

如何系统的去学习大模型LLM ？

作为一名热心肠的互联网老兵，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。

但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的 AI大模型资料 包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

😝有需要的小伙伴，可以V扫描下方二维码免费领取🆓

一、全套AGI大模型学习路线

AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！

二、640套AI大模型报告合集

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

三、AI大模型经典PDF籍

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

四、AI大模型商业化落地方案

阶段1：AI大模型时代的基础理解

• 目标：了解AI大模型的基本概念、发展历程和核心原理。
• 内容：
  • L1.1 人工智能简述与大模型起源
  • L1.2 大模型与通用人工智能
  • L1.3 GPT模型的发展历程
  • L1.4 模型工程
    - L1.4.1 知识大模型
    - L1.4.2 生产大模型
    - L1.4.3 模型工程方法论
    - L1.4.4 模型工程实践
  • L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

• 目标：掌握AI大模型API的使用和开发，以及相关的编程技能。
• 内容：
  • L2.1 API接口
    - L2.1.1 OpenAI API接口
    - L2.1.2 Python接口接入
    - L2.1.3 BOT工具类框架
    - L2.1.4 代码示例
  • L2.2 Prompt框架
    - L2.2.1 什么是Prompt
    - L2.2.2 Prompt框架应用现状
    - L2.2.3 基于GPTAS的Prompt框架
    - L2.2.4 Prompt框架与Thought
    - L2.2.5 Prompt框架与提示词
  • L2.3 流水线工程
    - L2.3.1 流水线工程的概念
    - L2.3.2 流水线工程的优点
    - L2.3.3 流水线工程的应用
  • L2.4 总结与展望

阶段3：AI大模型应用架构实践

• 目标：深入理解AI大模型的应用架构，并能够进行私有化部署。
• 内容：
  • L3.1 Agent模型框架
    - L3.1.1 Agent模型框架的设计理念
    - L3.1.2 Agent模型框架的核心组件
    - L3.1.3 Agent模型框架的实现细节
  • L3.2 MetaGPT
    - L3.2.1 MetaGPT的基本概念
    - L3.2.2 MetaGPT的工作原理
    - L3.2.3 MetaGPT的应用场景
  • L3.3 ChatGLM
    - L3.3.1 ChatGLM的特点
    - L3.3.2 ChatGLM的开发环境
    - L3.3.3 ChatGLM的使用示例
  • L3.4 LLAMA
    - L3.4.1 LLAMA的特点
    - L3.4.2 LLAMA的开发环境
    - L3.4.3 LLAMA的使用示例
  • L3.5 其他大模型介绍

阶段4：AI大模型私有化部署

• 目标：掌握多种AI大模型的私有化部署，包括多模态和特定领域模型。
• 内容：
  • L4.1 模型私有化部署概述
  • L4.2 模型私有化部署的关键技术
  • L4.3 模型私有化部署的实施步骤
  • L4.4 模型私有化部署的应用场景

学习计划：

• 阶段1：1-2个月，建立AI大模型的基础知识体系。
• 阶段2：2-3个月，专注于API应用开发能力的提升。
• 阶段3：3-4个月，深入实践AI大模型的应用架构和私有化部署。
• 阶段4：4-5个月，专注于高级模型的应用和部署。

这份完整版的大模型 LLM 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

😝有需要的小伙伴，可以Vx扫描下方二维码免费领取🆓