如何使用ChatGPT开发产品,并登上GitHub全球热榜?

这个小球应该是。

这个时候,你可能会有疑问,如果我像素级描述我的需求,那和我自己做一遍有什么区别。

四、然后,解构问题的能力

“小李,我是你老板老王,我晚上要和邻居小姐姐吃饭,你帮我把躺平计算器程序写出来,需求我已经像素级写好了,你参考着写代码,明天早上。

一个是引导式学习,一个是书本式学习,一个是立即实践。

上个月,我拒绝了来自 B 公司的一个年薪 7 位数的 Offer,从而,也可能拒绝了人生最后一次在互联网公司的机会。

可能,一方面是为自己的头发着想,我希望头发留在头顶上风中凌乱,而不是留在凌晨下班时报销的出租车的座椅上;另一方面,也感受到巨厂 HR 对候选人的店大欺客般的不尊重,作为一个中年男人,我拥有死要面子的经典特质。

这家公司之所以找到我,希望我参与到他们的一个 AI 相关的项目,是因为,作为一个中年失业产品经理的我,居然莫名其妙地登上了 GitHub 的全球热榜:

图为拍照留念

这是我人生一个高光时刻,在过去,我是那个晚上请程序员喝酒搞关系,白天指着他们鼻子干活的产品经理,我无论如何也想不到,有一天我会在全球最大的程序员社区闪耀一次。

这个高光时刻,少不了 ChatGPT 的支持。

每月只需要支付不到 1/4 价格的男士专属 SPA 的费用,就可以拥有一个几乎全能的助理,这显然是非常划算的。

屈指一算,我从 BOSS 直聘离开已经正好 12 个月了,在这 12 个月里,我做了这些事:

1. 沿着黄河骑摩托车 2000 公里;

2. 减少了 4% 的体脂率;

3. 写了一个名为 Macify 的 Chrome 扩展,目前日活 1000+;

4. 写了一个 MyIP 项目,GitHub 星星 2000+;

5. 写了一个躺平计算器项目,用户量 10000+;

6. 为一家德国投资公司提供咨询服务,搭建了内部的 AI 辅助系统;

7. 为一家中国心理咨询公司提供咨询服务,设计了 AI 融合到产品的方案;

8. 为我自己的家庭网络,设计了一整套优化和监控方案;

9. 拒绝了 2 个联合创业,1 个打工的机会;

10. 写了一篇公众号文章。

这些事里,除了 1,2,10,都和 ChatGPT 相关。

看到这里,你应该看出来了,这篇文章和中年男人的头发没关系,不是一篇关于非那雄胺或米诺地尔的广告,而是一篇分享 ChatGPT 使用小经验的文章。

一、ChatGPT 是一个实习生

毫无疑问,ChatGPT 是目前全球最好的大模型。然而,它并不是万能的。

它的数学很差。

它有时候会胡扯。

它大多数时候不和你聊黄段子。

在和许多朋友分享 ChatGPT 使用经验的时候,我会打这样一个比喻:

ChatGPT 就像一个非常正经的、学习能力很强的、刚刚 985 大学毕业的实习生。

一方面,作为实习生,它的可塑性很强,只要你愿意花时间引导它,它能学会你希望它学会的东西,从而帮你完成你指定的工作。另一方面,你不能对一个实习生期望过高,因为对某件你需要做的事,最熟悉的人是你,而不是它。

在当前的语境下,容易高估它的能力,但低估它的未来潜力。它从推出市场到现在,仅仅才 1 年的时间,它还不是一个让所有人都能轻易上手的产品,因此,把它看作是一个还未成熟的实习生,可能是当下合适的做法。

二、首先,我们自己得会

我在 BOSS 直聘工作的时候,我的老板鹏哥曾经说过一句话:

作为 Leader,你让手下做的事,你得自己会做。

这句话的潜台词是:只有你会做你手下做的事,你才不会被懵;只有你会做,你才能合理地发号施令。

把这句话放在 ChatGPT 上是非常合适的。

因为大模型容易跑偏,因为大模型并不是无所不能,这要求我们在使用大模型的大多数时候,是让它替代我们完成重复性高的工作——就像我们安排自己的手下去做事那样。如果某件我们希望它完成的事,我们自己一点头绪都没有,当然它能给出一些启发,但没有你给的完整指引,它无法给你带来你想要的结果。

就像前面举的例子,它是一个实习生,虽然学习能力很强,但对于刚来贵司报到的它,对业务是不熟悉的。你需要教导它,一步一步告知它工作应该如何做。它很聪明,只要你教导的步骤是正确的,它几乎总能做出正确的答案。

三、接着,缜密的表达能力

经常有朋友问我,为什么我能够玩 ChatGPT 玩得那么溜,而他只能和 ChatGPT 闲聊,让 ChatGPT 帮他做事总是做不出他想要的效果。

这可能是表达的问题。

如果我们已经确信,我们要让它做的事是我们自己会做的,那接下来第二步是,将做这件事的需求和步骤告知 ChatGPT。许多人卡在这个地方。

举个例子,我们正在做一个网页,希望这个网页的右下角放置一个小球,鼠标点击小球后,它会在屏幕四周反复跳动,同时,为每次跳动设置衰减值,最后小球会停下来。

你把这个需求告诉了这位新来的实习生,它很聪明,它很快就用 JavaScript 给你把代码写出来了。

然而,当你去运行这段代码时你发现:

  1. 这个小球应该是红色的,不是蓝色的;

  2. 这个小球应该是 20pt 直径,不是 45px;

  3. 小球起跳的速度不正确,显得不够自然;

  4. 小球衰减时只考虑了摩擦力,没有考虑重力。

然而,实习生反驳道:老板,这些需求你也没跟我说啊。

相信这个例子,对于在中大型公司工作过的人,完全不陌生。当一个团队大了之后,沟通是最大的障碍。这个障碍是来自双方的:

1. 我是否说明白了;

2. 你是否听懂了。

当我们让实习生也好、员工也好、ChatGPT 也好,去做某件事的时候,实际上这件事的完整描述是非常大篇幅的,但我们容易高估我们与同事的默契度,从而只说最关键的部分,而忽略了,这个员工可能仅仅是一个从未有工作经验的实习生。

所以,当我们对 ChatGPT 提需求的时候,应当依旧把它当作一个实习生来看待:

  1. 把你脑子里所有想到的东西,全部用文字表达出来;

  2. 正着说一遍,如有必要,反着说一遍;

  3. 参考费曼理论,让它把你的需求通过它的话术表达出来,确保需求理解正确。

这个时候,你可能会有疑问,如果我像素级描述我的需求,那和我自己做一遍有什么区别?

没有区别。在上一部分我加粗的“重复性高”这几个字,如果你要做的不是一件未来需要重复的事,不如自己一次性做了,因为这会让你节省大量的沟通时间。

并不是所有事,都适合安排别人或 ChatGPT 去做。

四、然后,解构问题的能力

“小李,我是你老板老王,我晚上要和邻居小姐姐吃饭,你帮我把躺平计算器程序写出来,需求我已经像素级写好了,你参考着写代码,明天早上 5 点我要看到代码。”

嗯,看起来老王已经知道,给实习生小李提需求,要通过像素级的方式来提了。

然而,当老王第二天看到小李提交的代码时,发现实现的结果完全跑偏。

为什么?

在这里,我想引入两个很不科学的概念:

1. 对话长度;

2. 实现偏移。

我们还是以实习生作为例子。作为一个可能有 10 年工作经验的你,你认为:

1. 你和小李一口气聊了 2 小时,让他按照你这 2 小时的指导去做事,你认为他能完全记住吗?

2. 你让小李一口气做 80 件事,每件事之间是上下游衔接,你认为他能确保每一件事都做对,从而第 80 件事输出你想要的完美结果吗?

放到物理现实里,这些答案大概率是否定的。

因为,当对话长度越长,实习生的理解能力就会下降,事实上,你的表达缜密程度也会下降。在这种负负得更负的情况下,最终实现的偏移量就会增加。而如果你要实习生做的事是多个小事的串联,每件小事都产生小实现偏移的情况下,最终必定是大大的实现偏移。

所以,不要高估大模型对长文本的理解能力,也不要高估自己在长文本中逻辑缜密的表达能力。同时,也不要高估大模型实现需求的准确度。

当我在使用 ChatGPT 帮我写 MyIP 和躺平计算器的时候,我的流程是这样的:

1. 定义需求;

2. 研究需求实现的原理;

3. 选定要使用的程序语言;

4. 规划主程序的结构;

5. 开发子程序;

6. 测试 Demo,调整子程序;

7. 微调子程序;

8. 调整 UI;

9. 测试与修复;

10. 上线。

看起来非常像互联网公司里产品的整个定义和开发阶段,是的,就是这样的流程。每个阶段我会继续拆分,减少对话长度,务求让 ChatGPT 每次只帮我完成其中一件小事,从而控制最终的实现偏移=0。

当且仅当,我已经确保多件小事都不会出现实现偏移之后,我才会将这些小事们串联在一起,让它一次性给我“来个大的”输出。

五、最后,持续的学习能力

如果我们使用 ChatGPT 只是用来做一些简单的事,比如:

1. 告诉我,鸡蛋白的热量多少?

2. 帮我汇总下面这些我手下们的周报。

3. 我希望对 Excel 的这一列根据条件求和,你告诉我公式。

这确实并不需要我们有多少学习能力。然而,这种用法也限制了我们对大模型的想象力。

在我给德国一家企业做咨询的时候,他们提出的课题是:将 AI 融入到我们的工作流程。于是,我开始对他们的工作流程进行调研,发现他们的工作流程涉及到的环节非常多,涉及到的工具也非常多,有外部的,也有内部的。

这意味着,我需要帮助他们的,并不是告诉他们如何正确地给 ChatGPT 提问,而是如何构建基于大模型核心的 Agents 架构。

但是,我从未真正设计过这样的架构。怎么办?学呗。

好消息是,ChatGPT 不仅能帮助我做事,还能教我如何设计我想要的产品技术架构,当然,在让它教我的时候,我同时也会在 Google 搜索相关的资料进行查证,同时也会自己动手去实现,验证效果。

这个时候,我会打开 3 个浏览器窗口:

1. 让 ChatGPT 告诉我某件事如何做;

2. Google 搜索结果返回的这件事如何做的教程;

3. 一个新的 ChatGPT 对话,将我在前面学到的,投入对话中让它帮我实现。

一个是引导式学习,一个是书本式学习,一个是立即实践。这,难道不就是最佳的学习方式?

六、大模型之于个人与企业

我想,在当下,每个人都应该尝试使用大模型,如果有条件使用 ChatGPT 就最好了。它不仅仅是一个可以帮我们实现重复工作的工具,在许多时候,还是提供启发式学习的好帮手。

在你需要它帮你做事的时候,你需要把它当作初来乍到的实习生。

在你需要它引导你学习的时候,你需要把自己当作初来乍到的实习生。

当熟练使用之后,你会发现,原来你每天可以节省那么多时间;当你熟练使用之后,你也会发现,原来我能实现许多之前只是想一下但无法动手的工作。

对于企业来说,我自然没有太多的发言权,因为我这一年我服务过的公司并不多,然而,有 2 个思考点是必然绕不过的:

1. 如何叠加 AI 的能力,直接或间接提高产品收入;

2. 如何整合 AI 的能力,直接或间接提高团队的人效。

我在为企业进行咨询的时候,发现这往往都是最原始的出发点。

在未来,我相信每个企业以及每个企业里的员工,甚至他们的用户,都会用上 AI 的能力,与人工智能共存的世界,我认为是一个人类会释放更多创造力的世界。

七、中年男人创意多

最近有一些感慨。

从我第一次在互联网上写字,到现在,已经 23 年了。第一次写字的时候,我 14 岁,现在,头发已经开始稀薄。

35 岁那一年,我和朋友调侃说,通常互联网人士 35 岁就会失业。结果,小丑居然是我自己。

在没有上班的这一年里,我颓废了 3 个月,每天除了睡觉、打游戏、吃饭,就是睡觉、打游戏、吃饭。

后来,我恢复每天健身,并深入研究大模型,用产品经理的视角去研究它的边界以及它至于个人和企业应该是什么。所幸的是,还算有一些收获。

在这个过程中,我发现,虽然我的头发变少了,但创意没有变少,甚至,反而更多了。更重要的是,这些创意以前仅仅是想一下,现在居然可以通过“自然语言编程”来实现。

我在视频号刷到不少和我年龄相当的互联网人士失业的视频,作为一个劳动密集型产业,这个行业自然是不缺年轻人的,尽管我们还有年轻的、炙热的好奇心,但无法改变 35 岁有可能失业的现状。

怎么办?我和自己说,靠自己。

上帝关上了一扇窗户,我们可以自己凿墙再开一扇。

本文来自微信公众号:可能吧(ID:knbknb),作者:Jason Ng

声明: 该内容为作者独立观点,不代表新零售资讯观点或立场,文章为网友投稿上传,版权归原作者所有,未经允许不得转载。 新零售资讯站仅提供信息存储服务,如发现文章、图片等侵权行为,侵权责任由作者本人承担。 如对本稿件有异议或投诉,请联系:wuchangxu@youzan.com
(0)
上一篇 2024年1月25日
下一篇 2024年1月25日

相关推荐

  • 水温80度:AI行业真假繁荣的临界点

    我们从来没拥有过这么成功的AI主导的产品。

    (这种分析统计并不那么准,但大致数量级是差不多的)

    这两个产品碰巧可以用来比较有两个原因:

    一个是它们在本质上是一种东西,只不过一个更通用,一个更垂直。

    蓝海的海峡

    未来成功的AI产品是什么样,大致形态已经比较清楚了,从智能音箱和Copilot这两个成功的AI产品上已经能看到足够的产品特征。

    未来科技 2024年6月5日
  • ChatGPT、Perplexity、Claude同时“罢工”,全网打工人都慌了

    美西时间午夜12点开始,陆续有用户发现自己的ChatGPT要么响应超时、要么没有对话框或提示流量过载,忽然无法正常工作了。

    因为发现AI用久了,导致现在“离了ChatGPT,大脑根本无法运转”。”

    等等,又不是只有一个聊天机器人,难道地球离了ChatGPT就不转了。

    大模型连崩原因猜想,谷歌躺赢流量激增6成

    GPT归位,人们的工作终于又恢复了秩序。

    未来科技 2024年6月5日
  • ChatGPT宕机8小时,谷歌Gemini搜索量激增60%

    ChatGPT一天宕机两次

    谷歌Gemini搜索量激增近60%

    ChatGPT在全球拥有约1.8亿活跃用户,已成为部分人群工作流程的关键部分。

    过去24小时内提交的关于OpenAI宕机的问题报告

    图片来源:Downdetector

    ChatGPT系统崩溃后,有网友在社交媒体X上发帖警告道:“ChatGPT最近发生的2.5小时全球中断,为我们所有依赖AI工具来支持业务的人敲响了警钟。

    未来科技 2024年6月5日
  • ChatGPT、Perplexity、Claude同时大崩溃,AI集体罢工让全网都慌了

    接着OpenAI也在官网更新了恢复服务公告,表示“我们经历了一次重大故障,影响了所有ChatGPT用户的所有计划。Generator调查显示,在ChatGPT首次故障后的四小时内,谷歌AI聊天机器人Gemini搜索量激增60%,达到327058次。

    而且研究团队表示,“Gemini”搜索量的增长与“ChatGPT故障”关键词的搜索趋势高度相关,显示出用户把Gemini视为ChatGPT的直接替代选项。

    未来科技 2024年6月5日
  • 深度对话苹果iPad团队:玻璃的传承与演变

    iPad最为原始的外观专利

    没错,这就是iPad最初被设想的样子:全面屏,圆角矩形,纤薄,就像一片掌心里的玻璃。

    2010年发布的初代iPad

    好在乔布斯的遗志,并未被iPad团队遗忘。

    初代iPad宣传片画面

    乔布斯赞同这一想法,于是快速将资源投入平板电脑项目,意欲打造一款与众不同的「上网本」,这就是iPad早年的产品定义。

    iPad进化的底色

    苹果发布会留下过很多「名场面」,初代iPad发布会的末尾就是一例。

    未来科技 2024年6月5日
  • 底层逻辑未通,影视业的AI革命正在褪色…

    GPT、Sora均为革命性产品,引发了舆论风暴,但它在上个月发布的“多模态语音对谈”Sky语音,却由于声音太像电影明星斯嘉丽·约翰逊,被正主强烈警告,被迫下架。

    华尔街日报也在唱衰,认为“AI工具创新步伐正在放缓,实用性有限,运行成本过高”:

    首先,互联网上已经没有更多额外的数据供人工智能模型收集、训练。

    03、

    如果说训练“数字人”、使用AI配音本质上瞄向的仍是影视行业固有的发展方向,那么还有另外一群人试图从根本上颠覆影视行业的生产逻辑和产品形态。

    但分歧点正在于此,电影公司希望通过使用AI技术来降低成本,但又不希望自己的内容被AI公司所窃取。

    未来科技 2024年6月5日
  • KAN会引起大模型的范式转变吗?

    “先变后加”代替“先加后变”的设计,使得KAN的每一个连接都相当于一个“小型网络”, 能实现更强的表达能力。

    KAN的主要贡献在于,在当前深度学习的背景下重新审视K氏表示定理,将上述创新网络泛化到任意宽度和深度,并以科学发现为目标进行了一系列实验,展示了其作为“AI+科学”基础模型的潜在作用。

    KAN与MLP的对照表:

    KAN使神经元之间的非线性转变更加细粒度和多样化。

    未来科技 2024年6月5日
  • 这个国家,也开始发芯片补贴了

    //mp.weixin.qq.com/s/tIHSNsqF6HRVe2mabgfp6Q
    [4]中国安防协会:欧盟批准430亿欧元芯片补贴计划:2030年产量占全球份额翻番.2023.4.19.https。//mp.weixin.qq.com/s/VnEjzKhmZbuBUFclzGFloA
    [6]潮电穿戴:印度半导体投资大跃进,一锤砸下1090亿,政府补贴一半.2024.3.5https。

    未来科技 2024年6月5日
  • 大模型的电力经济学:中国AI需要多少电力?

    这些报告研究对象(数字中心、智能数据中心、加密货币等)、研究市场(全球、中国与美国等)、研究周期(多数截至2030年)各不相同,但基本逻辑大同小异:先根据芯片等硬件的算力与功率,计算出数据中心的用电量,再根据算力增长的预期、芯片能效提升的预期,以及数据中心能效(PUE)提升的预期,来推测未来一段时间内智能数据中心的用电量增长情况。

    未来科技 2024年6月5日
  • 你正和20万人一起接受AI面试

    原本客户还担心候选人能否接受AI面试这件事,但在2020年以后,候选人进行AI面试的过程已经是完全自动化的,包括面试过程中AI面试官回答候选人的问题,AI面试官对候选人提问以及基于候选人的回答对候选人进行至多三个轮次的深度追问。

    以近屿智能与客户合作的校验周期至少3年来看,方小雷认为AI应用不太可能一下子爆发,包括近屿智能在内的中国AI应用企业或许要迎来一个把SaaS做起来的好机会。

    未来科技 2024年6月4日