“大胆 AI，我要你助我修行”——AI 助力产品经理山零基础写代码做开发| 近期思考

01

AI未来

1 AI 助力产品经理零基础写代码做开发

“大胆 AI，我要你助我修行”🐷

这个周末什么也没做，就是在 AI 的帮助下，切切实实写代码实现了两个小工具来解决自己日常记录两个关键场景的需求：

即刻动态分享到 flomo 笔记（需带圈子和发布者关键信息）

因为自己很多思考记录的第一发生地是即刻（有听众，有倾诉的感觉，所以写起来更自然顺畅），但是都会最终存入到 flomo 里方便后续回顾和整理，现在都是自己手动存储，市面上已有的几个解决方案都不太能满足我。

微信读书笔记导出写入到 flomo 笔记（需逐条带书籍关键信息）

除了在即刻发布的动态之外，另一个主要思考的发生地是在微信读书的时候，遇到了触动和启发随手划线和发表想法，这块也是希望能够最终汇入到 flomo 里进行汇总。目前已有的解决方案 flomoplus 这个小程序不太能满足我的需求。

先是周六的时候，找了当前所有支持即刻动态分享到flomo 的iOS 快捷指令，都感觉不太顺手，本来想着问问开发者能不能优化优化。

忽然想到，之前还可以借口说自己不会写代码，只能求助于人。

但现在都已经是 AI 时代了，不满意难道不能自己做一个吗？

该干就干

于是就开始在 ChatGPT 的帮助下捣鼓了起来，零基础真的是各种碰壁，捣鼓了三个多小时，各种尝试排除实验🧪

总算捣鼓出了自己版本的即刻写入 flomo 的快捷指令，会带入发布者名称、圈子名称、标记#即刻发布，拉取全文。

除了图片写入这个点上还需要进一步排查下实现上的一个碍难（要用到 URL scheme，但是我抓出来的图片不是 URL 是本地文件路径所以写不进去，还在看），其他

完美满足自己需求。

然后周日例行整理微信读书笔记的时候，又发现之前使用的 flomoplus 这个小程序，能用，但是也是没那么顺手。

它只带入书名，然后笔记和引用原文区分不明显

受到昨天自己在 AI 的指导下开发即刻动态分享 flomo 的快捷指令的成功鼓舞，就想着那不如也自己开发一个吧。

于是又在 AI 的帮助下自己写了一个导出微信读书笔记逐条写入到 flomo 的本地小工具：支持带入书名、作者名、章节名，并且明确区分笔记和引用原文。

稍稍比“即刻动态到 flomo”这个需求复杂些，因为涉及到：

代码片段

1 要把完整的微信读书笔记切割成一个个独立的笔记

2 要抓取自己想要的字段，然后组成和自己最后想要的格式

代码执行过程中的阶段性处理结果

3 存在不同的用例需要让逻辑针对性处理

因为微信读书笔记里既有笔记也有纯划线，为了让代码能够针对这种不同的组合都成功识别也是在不断尝试优化代码（连着纯划线的 case，笔记后面跟着纯划线，纯划线后面跟着笔记 etc）

过程中全程很感激 AI的出现让我这个一直想要亲手写代码但学得艰难在门外着急羡慕的人终于可以上手写代码了（虽然是有 AI 的保姆式加持）

不过也发现 AI 其实还是不能包办一切，比如：

1 不能心急，没法让 AI 一步到位直接给出复杂任务解法

我一开始直接让 AI 给我写一个可以安装在 MacBook 上的安装包出来，带交互界面的那种，写出的东西大致正确，但是出了错之后它很难精准定位和针对性修复

2 你需要逐步推进，一点点和它一起协作去演进

自己先剥离出最核心的功能，然后逐步实现，逐步测试

比如我把任务做了拆分

-正确识别解析目标字段

-正确组装

-正确写入

-交互优化

和 AI 一起一个一个小目标地去实现

3 有些地方，AI 有推测和建议，需要你判断方向和分析解法，它去执行

比如微信读书的笔记，如果是没有笔记，只有划线，AI 就搞混了，要么和上一个笔记合并，要么和下一个笔记错位

你需要去分析这种 case 的特征，告诉他可能的解决思路然后让它去尝试

最后的感受：

• 即使在 AI 时代，依旧重要的，甚至说更为重要的还是思维方式

• 和 AI 一起协作的过程中，就是在锻炼自己的思维思路，然后 AI 帮助我跳过了枯燥的基础入门学习（其实是上手最难的一关），让我能够先去拆解思路在它的帮助先近似地有一种写代码的成就感。

• AI 写不出你不知道的东西，最终你还是需要自己清楚地知道自己要的是什么，你的输入和指引至关重要，极大影响最后输出的成果

P.S.

周末原本的安排是快乐沉迷#咩咩启示录 的。

结果两天都用来沉浸式地和 AI 一起写代码了，时间过得超快。

虽然是自己和 AI 一起协作，但是最后能够写出解决自己需求的小工具，成就感还是 max，这和玩游戏🎮也没区别了，而且升级的还真的是自己。

02

日常闪念

1 不责于人

事情如果没办好，别怪办事的人，人总是非标不可控的。

想想自己有没有把流程输入输出都设计得足够可控可靠，想清楚事情的根结是什么，解决的办法是什么。

先把当前问题解决，再设计避免后续问题重复出现。

人的话，如果不是本身意愿有问题，其实能责怪的不多，责怪了也没用。

我始终觉得要先理解人的不可控，再去围绕着去看解法和制度设计。

先搞出一套完美制度，让人去凑，你得特别牛能招到特别牛的人才行，尤其小公司要有自知之明不要在这上面和自己较劲。

然后就是创造友好环境，让人自己成长起来。

2 放下助人情结

看到别人遇到问题，我会很容易代入，发自内心的焦急，想要赶紧帮ta 解决问题，很多时候甚至会有点皇帝不急太监急的感觉。

比如有些朋友处在很糟糕的关系里又不愿意离开，我就会很烦，恨不得立马让ta 赶紧了断孽缘；

或者有客户有即使和我们服务不相关或者不在我们责任范围内的 ddl，看到对方悠哉悠哉的也是会让我很着急恨不得一天催十次。

现在慢慢也再劝自己佛系一点，种瓜得瓜种豆得豆，你永远没办法代替别人上手，给好建议，说清楚后果，别人不急不听那就是别人自己的命。

你有时候过度干预，人家不领情反而觉得你控制欲太强手伸太长。

3 相关笔记：在信息的海洋里做一株珊瑚🪸

之前看讲写作的书，作者提到灵感的火花不会凭空产生，是你日常一点点积累记录，然后这些信息碎片🧩就像是堆肥一样在那里缓慢发酵，慢慢就会酿造出灵感💡

刚刚flomo 通过#相关笔记的功能翻到之前一条笔记摘录说“在知识海洋里，我们要做一株珊瑚🪸不是去抵抗潮水，而是将其中的碎片收纳成为自己的一部分”。

很喜欢#相关笔记 这个功能就是因为它以一种很自然的方式帮助你加速了这个过程。

让你把原本可能堆在角落或者暂时没有发现有关联的内容建立了联系。

稍稍跑题一下：

这个功能我觉得很巧的一个点，它把语义判断相近性的技术局限变成了这个场景下的优势。

我们之前在一个自己场景需要用到相近语义判断（向量化然后判断值这样，感觉 flomo 相关笔记功能应该是类似逻辑），会发现没法高度精确的匹配，会有些似是而非的关联出来。

但是放在相关笔记这个场景就很合适，因为它求的就不是语义的完全相近，而就是一种潜在的泛化的甚至似是而非的联系。

特质要放对地方就能产生妙用。

4 坚持深度思考

关于“深度思考”的重要性，就像是健身一样，如果你一直做小重量，你也很难上大重量，就是要持续做突破。

阅读也是，就是要持续做”深度”阅读。

怎么定义“深度”，在任意特定领域话题上超越你当前思考边界的内容对于来说都是深度的。

然后这个是动态的，因为你能进行的思考会随着这个锻炼越来越深，于你而言的“深度”内容本身的门槛也会越来越高。

如果你最近时间里阅读的内容都是觉得“不过如此”消化理解起来没有任何摩擦阻碍的话，你可能就是到了要提升阅读内容的“深度”的时候了。

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🆓