AI暂时能干哪些事情？提升自身认知

哪些事情可以做呢？

营销

  AI做营销创意，人再加工
  Al批量生产营销素材
  多语言翻译

客服/销售

  全 AI，适合本来没人做，AI来补位
  半 AI，适合本来有人做，AI来提效

办公

  公文撰写/总结/翻译
  知识库
    内部客服
    辅助决策
    情报分析
    BI

产品研发

  创意、头脑风暴
  IT 研发提效

错误的认知有哪些？

AGl(Artificial GeneralIntelligence)多久会到来，明天，还是永远都不会来?

乐观预测:明年
主流预测:3-5年(OpenAl、DeepMind、NVIDIA 持此观点)
悲观预测:10 年

我只要懂ai技术就行了

AI产品开发者的核心能力三懂:

1. 懂业务，就是懂用户、懂客户、懂需求、懂市场、运营、懂商业模式，懂怎么赚钱
2. 懂 AI，就是懂 AI能做什么，不能做什么，怎样才能做得更好，更快，更便宜，懂怎么用AI解决赚钱过程中的问题
3. 懂编程，就是懂如何编写代码实现一个符合业务需求的产品，尤其是 AI产品

我们要争取三懂，最低也要两懂。

未来AI工程师方向：

1. AI全栈工程师:懂业务、懂 AI、懂编程
2. 业务向:懂业务、懂 AI
3. 编程向:懂编程、懂 AI

守着自己的一亩三分地，ai对我还比较遥远。

AGI时代，AI无处不在，形成新的社会分层:

1. AI使用者，使用别人开发的 Al 产品
2. AI产品开发者，设计和开发 AI产品
3. 基础模型相关，训练基础大模型，或为大模型提供基础设施

越向下层，重要性越高，从业人数越少。

1. 使用者人人都是，不稀缺
2. 基础模型相关门槛特别高，机会特别难遇到。比如:全球做基础大模型训练的，只需要1000 人

所以大部分人都是第二层的人，如果能进入第三层，要毫不犹豫的进去。

AI学习中，只有实战才是干货

1. 原理:不懂原理就不会举一反三，走不了太远。
2. 实践:不懂实践就只能纸上谈兵，做事不落地。
3. 认知:认知不高就无法做对决策，天花板太低。

目前，行业共识是:

1. 确定未来-AI必然重构世界
2. 确定进入-想收获红利，必须马上进
3. 落地的关键在业务-业务和技术的最佳匹配，才能落地。代码量不大

等落地模式确定了，代码的价值才大

AI学习矩阵：

常用网站：

想要落地AI项目需要的五大要素：

1. 业务人员的积极
2. 对 AI能力的认知
3. 业务团队自带编程能力
4. 小处着手
5. 老板的耐心

找落地场景的思路:

1. 从最熟悉的领域入手
2. 别求大而全。将任务拆解，先解决小任务、小场景
3. 让 AI 学最厉害员工的能力，再让 ta 辅助其他员工，实现降本增效 

思考:如果人人都会，那我们的优势是什么?

我们在「提示工程」上的优势

我们懂原理，会把 Al 当人看，所以知道:

• 为什么有的指令有效，有的指令无效
• 为什么同样的指令有时有效，有时无效
• 怎么提升指令有效的概率

如果我们懂编程:

• 知道哪些问题用提示工程解决更高效，哪些用传统编程更高效
• 能完成和业务系统的对接，把效能发挥到极致

提示工程经验总结

1. 别急着上代码，先尝试用 prompt 解决，往往有四两拨千斤的效果
2. 但别迷信 prompt，合理组合传统方法提升确定性，减少幻觉
3. 定义角色、给例子是最常用的技巧
4. 必要时上思维链，结果更准确
5. 防御 prompt 攻击非常重要，但很难，（prompt可以通过注入不同的角色，诱导ai说出一些不该有的内容）

如何防御prompt攻击:

1. 优化prompt，让ai自己判断用户的内容是否和原始内容矛盾的；
2. 在用户输入的内容前加入防御，强调ai的角色或职能范围，不允许做以外的事情；
3. 使用检测有害prompt的模型/服务（Meta Prompt Guard、Arthur Shield、Preamble、Lakera Guard）