橙篇AI做产品经理，比Kimi爽多了

我们调研了1922名产品经理在做产品期间，用AI会主要完成3个工作，分别是竞品调研、需求调研以及需求文档撰写。

1.竞品调研

在需求来了之后，完成需求描述下的竞品寻找，利用AI现成的知识库以及网上搜索，得到竞品APP应用名字。

如下图是竞品调研，这类工作可以由具有资料检索能力的AI完成。我们测试目前该领域的头部产品，左边是橙篇右边是Kimi，表现如下图。

橙篇给到了非常详细的竞品举例和对比纬度，几乎是一篇可用的报告了。Kimi则是解释了“竞品”的概念，并没有给到具体的产品。

2.需求文档

需求文档是产品经理和开发沟通的基础，而需求文档写的不好，产品经理工作必然会受到非常大的挑战。

通过提前介绍单元模块以及单元模块的业务逻辑，再来介绍业务流程、需求场景、用户角色、以及技术架构。

通过AI对其需求文档结构整理，并且输出一篇完整的需求文档。

如下图是其橙篇展开基于微信公众号编辑器这个功能的需求文档撰写，可以直接开始长文撰写。

通过如此可以一次性生成长文文档，方便产品经理直接基于此来进行调整和修改了

下方为kimi的需求文档生成，相比橙篇来说内容更短。

可以看见两方生成，明显橙篇生产的长文更长，更加适用。

3.知识量大、并且生成长篇文字的AI工具

上面的工作你可以看到，需要大量的文字理解以及资料库。

一个大型的需求，需求文档至少几千上万字，如果对于字符长度支持不够，就没办法输出一整套的需求文档。

所以这里推荐橙篇，他的专业资料收录了100多万国内学术站点资料，可以将产品经理的需求文档梳理的更成体系。

而市面上现在的Kimi是不具备这个能力的，同时在针对需求背景的时候，我们会生成需求调研报告就可以用其橙篇来完成，同时对其生产结果进行实时修改，而Kimi是不具备进行编辑的。

Kimi的资料库则是由公开网页和博客为主，缺少研究paper

4.AI生成不怕拥堵

产品经理难免会有加班的情况下，如果碰到了网络峰值就难免互导致无法调用就自然脱了工作进度了，而橙篇AI因为使用百度文心一言模型，算力更加充沛，没有瓶颈。

5.橙篇功能有那些？

相比市面上的其他AI功能，橙篇目前支持文档合并、脑图生成、数据分析等功能。

如上图，可以将之前历史的需求文档进行合并，这样就不用担心文档导出没有办法管理了。

你还可以将不同部门的产品文档进行合并，这样让系统的说明文档更加完整，同样做需求调研外，将其对应当前的产品数据发给

6.一个竞品调研案例实操

下面我们用橙篇来完成一个竞品调研，通过最新的数据库与长文能力，我们将让他们为我们筛选可以创业的 产品赛道。

第一步：在一个行业里选定工具方向

第二步：选定工具的具体方向

通过技术门槛以及市场价值，通过橙篇最新的数据库我们将得到以下结果

第三步：开展单元功能模块梳理

通过筛选到社交媒体管理工具为工具方向，再进行功能模块拆解，罗列出核心功能模块，再从而推进研发规划

第四步：罗列项目预算

在从0到1做产品规划的时候，成本是绕不开的。但是对于工作年龄不丰富的产品经理是很难规划的，于是我们可以参考橙篇给出的预算计算维度。

通过预算列出，就可以估算出研发研发所需要的软件、硬件、人力成本费用了。

这都离不开我们要求长文以及最新资料的基础，否则以上研发预算就无法给出。

产品经理的日常工作，离不开需求文档、原型技能、竞品调研，在现在AI盛行下，不少产品经理只是用AI做最基础的错别字与语句修改，没有真的深入在工作里。

所以导致大家其实并没有深入发现AI工具之间的差距，尤其是对于工作的帮助上，也就没办法搞清楚深入的使用AI后，同事之间的工作输出会有如此天翻地覆的变化。

因此擅长使用最好用的AI工具，自然你的绩效成绩就更好啦！

今天的分享就在这里。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

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。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 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】