1，学习提示词工程：
# 提示词概览：
使用AI最先要了解的就是提示词工程，提示词就是要你告诉AI，在什么背景下，需要做什么，且最终实现或达成什么样的效果。所以，使用大模型之前，你要是一个会表达的人，能够精准的表达出自己的需求，好让AI知道你的目标（问题的目标）。当这一套提示词发送AI后，如果未能实现你的需求或者跟需求有些许出入，说明表达的不够精准，那么你可以再输入其他提示词，告诉模型修改当前的结果，要充分利用AI的记忆功能。结论就是，不论是人和人交流，还是人和人工智能交流，都要善于表达，能够用简洁的话说、很清晰地说明自己的需求。
学会告诉模型做什么：
为什么大家要管提示词叫提示词工程。还得说说什么叫人工智能，人工智能通俗讲就是智力能够跟人类媲美的软件系统。既然人工智能是媲美人类智力的，那么就可以把它当做是人。那么人跟人是怎么传达需求的：“你帮我做一个电子表格、我要用来统计每个月的销售额情况，表格需要直观一些，且能够通过每个月的销售额计算出环比增量，并生成图表”。
如果将这段人类之间的需求沟通转换成提示词：
# 背景
统计每个月的销售额，并能够计算环比增量值
# 需求
制作一个表格，且能够通过表格数据生成图表
# 效果
直观地展现出每个月的销售额以及增量
以上就是一个标准的提示词工程。有的模型在需求之前加入角色，可能效果更加，例如：
# 角色
你是一个数据分析专家，先有一个数据表格制作和分析需求
# 背景
统计每个月的销售额，并能够计算环比增量值
# 需求
制作一个表格，且能够通过表格数据生成图表
# 效果
直观地展现出每个月的销售额以及增量
以上就是加了角色的提示词，也可以称之为提示词工程，所谓工程，就是有生命周期的一个闭环系统。现在就很好理解为什么提示词叫提示词工程，人需要非常清晰的表达自己的需求给大模型，就跟和任何人之间进行沟通或者工作安排是一样的，现实中的工作安排不可能是一句话工作，也不可能是一句话需求。需要将整个需求的背景、目标、结果全部告诉大模型，让它知道什么场景下需要做什么，且做到什么程度，这就是一个工程，称之为提示词工程。
有很多一部分用户将大模型类比成搜索引擎且去搜索化地使用它，这就大错特错，搜索引擎是没有大脑的，但是模型不同。
所以，使用AI，首要要学会提示词工程，知道如何提处正确的需求或者问题，告诉大模型做什么、怎么做，且得到自己想要的结果。
# 人和人之间的沟通
老板：今天给我出一份报表，以excel的形式，要求查看每月GMV之间的对比生成柱状图，且统计全年GMV；
# 人和模型之间的沟通
用户：帮我生成一份中国玩具市场的调研文档、以需求和销售额为主，生成markdown格式/生成html格式；
以上两种对象之间的沟通很相似，都是要将需求和最终目标表达清楚，让对方去完成；
如果自己的需求特别宏大、亦或者自己的需求特别多且杂，提示词就会更加复杂，当然将更加复杂的提示词给模型，它也是能够将任务进行拆解且按照每个子任务进行实现需求。但是最好的提示词就是能够让大模型能够很快的理解提示词，如果是更加复杂的任务，人工可以将提示词进行拆解和格式化，然后发送给大模型，实测这样大模型的输出更加精准。
2，多使用、多对比
根据自身工作场景、进行多模型使用对比，选择最优的模型进行使用。
多使用不同的模型，使用多个模型输入相同的需求给模型，并且进行对比，然后结合自己的工作实际、选择最好用的模型。对于个人来说，什么是最好用的模型，就是在自己工作的场景下，能生成最优方案、并且更大程度上能够提高自身生产力的模型。
对比可以从多个维度进行：生成速度、推理深度、结果的客观度和正确度去对比，当然结果的正确度要结合你当前的场景进行考量，这是一个很主观的维度；
正确度的考量：
模型输出结果的正确度，最终还是考量人类的分辨能力。那么如何能够分辨模型的输出结果：
（1），人类自身的专业知识去分辨或者判断；
（2），多个大模型对比分辨；
分辨，不仅要辨别结果的正确性，还要辨别结果的是否出色，是否符合自己的预期或目标。并且，分辨能力是是从事至今最重要的一个东西或者维度；
所以从以上两个维度对于大模型的使用，就像我之前总结的：如何使用好大模型，一就是要学会提示词工程；二就是要有明辨对错的能力；
3，让模型的使用更有价值
用户结合自身的工作场景使用AI、让AI更有价值
使用AI，需结合自身的工作场景去使用。当下AI的发展，可以将其视为一个辅助工具，辅助自身的业务更加快速、准确的完成，从而将多余的时间用来做工作以外的事情。
不论是模型产品的使用还是AI Agent的使用，都要围绕自身的业务去展开使用，而不是为了使用大模型而使用大模型。这里有一个案例：
产品经理每天的工作是需求的收集、分析、转换。这个转换的过程就包含了原型图的绘制，然后将这种重复的、跟创造性关联不是很大的业务交给AI、从而将更有创造力的工作交给人类，或许能够实现更多的价值，包括用户价值和平台价值。
一个AI在工作中应用的案例：
# 产品经理的工作如何让AI分担
在设计产品原型的时候，产品经理通常喜欢借鉴和抄袭其他产品的UI/UX。在这期间得去调研很多的产品并且试用、然后还要将使用体验和如何展示以原型图的形式绘制，并且添加各种交互跳转等，这样的原型图再交付给设计师设计，最后是给开发进行完成；
# 利用AI后
（1），原型图：
告诉AI，让AI设计一个原型图，PC亦或是App端的，大模型会通过自身的数据集设计好需要的原型图，如果不是想要的效果，通过提示词进行修改。不过通常都是会输出跟产品经理内心想法一样的原型图，包括元素的摆放和交互点等；
在这个期间，AI分析了需求的原型设计，并且解放了产品经理的双手，直接设计了出来。
http://www.iashes.com/appreels/shop/
（2），PRD：
当AI设置出来原型图之后，产品经理还需要去书写PRD，那么这个工作也是可以交给AI去完成的。
通过AI IDE，读取设计后的原型图，反向让AI根据原型图输出PRD，告诉大模型客观地、抓住细节去进行书写PRD。接下来AI读取原型图之后，根据每个原型图中的元素会反向输出PRD，如果输出的PRD跟产品经理的想法有出入，再让AI修改，或者人工修改。经此，又解放了双手，将其余的时间用于更重要的事情。
http://www.iashes.com/appreels/shop/prd.html
以上两个节点，是产品经理在工作中最为费时的节点工作，这种节点工作基本没有什么难点或者创造，统统交给AI，那么留给产品经理更多的时间就可以分析市场、分析用户，创造更多的有价值的需求。
以上的两种实现，可以直接通过模型实现，也是可以通过AI Agent去实现，模型实现可能人为动手会比较多一些。当模型用的久了，产生依赖后会觉着AI并不是那么无所不能，那么就得去用AI Agent。之前使用的大模型是Agent的基础，当知道哪个大模型是优秀的，自己也会通过自身的需求选择Agent。选择Agent，或许你的工作真的进需要点两下鼠标、再用键盘敲出自然语言发送给大模型及Agent，Agent使得AI结合各种工具，组合会帮你完成一切需求，毕竟AI的趋势就是让自然语言控制万物，这也就是所谓的AGI。
Flag：后期的AGI或许会是你的决策系统。
4，AI的使用对于行业的建议：
前段时间看了某一个博主对于AI使用者的推荐，我这里做了一下总结，真的建议一定要使用AI，多用：
学生：
[1]，趁早使用AI，了解AI的特性，思考AI能够替代的职业，尽早转入有创造性或者不可被AI替代的职业；
[2]，用于学术研究、学习，多使用大模型以及Deep Research，学生需要的数据要专业且正确的引导性，Research是一个很好的东西。
企业：
[1]，趁早将数据数字化，为AI或者本地知识库做准备；
[2]，建立审查机制，节省企业成本，且平衡社会之间的就业矛盾；
法律：文书起草、案例分析；
技术：软件开发、数据分析、文档书写；
金融（包括会计）：数据分析、报表编制；
其他一些支持岗位，例如客服、营销、咨询、文档整理、翻译等；
就以上这些岗位，大概率很快就会被AI所替代，当然这里的替代不是完全的替代，肯定会因为AI的出现缩小岗位数目；
# 总结
总之，要使用AI，让AI做有价值的东西、才能为自己和集体创造价值。
多使用提示词工程，就是为了让人们了解AI，多对比各个模型的输出结果，就是让用户有清晰的明辨对错的能力。
AI是趋势，当你不知道怎么选择的时候，AI可以帮你决策，或许不久的将来，人们仅仅需要专注于如何更好的生活，AI帮你决定其他的一切。