一張圖說清楚：大模型vs提示詞工程vsRAG微調vsDify之間的關系

開篇直接上圖，本文結束(不是)

這也是成為 AI 產品經理必須吃透、搞清楚的所有內容。搞透大模型本身

AI 產品經理跟普通人用 AI 不一樣：

普通人跟 AI 的關系，類似主人身邊的仆人，說啥做啥都在眼前，出問題了能第一時間控制補救

但 AI 產品經理跟 AI 關系，是皇上跟塞外將軍的關系

你設計了個 AI 產品上線以后，大模型給你上演“將在外君命有所不受”的戲碼，就完蛋了。

所以，你必須得把這“大將軍”的脾氣特性搞得非常透徹，并且確保能有效控制他。

大模型的核心原理，你不搞透的話，肯定可控制不住。

不需要啃論文，但是必須把兩件事吃透：

1. 大模型訓練流程

預訓練做了什么事、得到了個什么東西

微調階段做了什么事、得到了個什么東西、造成了什么弊病

RLHF 階段做了什么事、埋下了什么隱患

比如，大模型的幻覺，僅僅是因為你問的問題它不知道么？

比如，都是拿公開數據訓練的模型，為什么每家模型輸出內容的風格不一樣？

比如，為啥很多國內的大模型回答問題的開頭和結尾跟 GPT 一模一樣？

你得知道，這些都不是偶然，是訓練方式帶來的副作用。

2. 大模型的推理原理

首先，你應該知道了，大模型“思考問題”的方式跟人是不一樣。

它給你輸出的每個字，都像我們玩狼人殺“投si”的那個人一樣，猜出來的。

不開玩笑，你把大模型的推理原理搞明白以后，再跟玩狼殺人白天投票的環節比一比就會發現，一毛一樣。

這個底層原理，造就了大模型的種種弊病：

比如，數學計算很糟糕，連 9.8 和 9.11 誰大都不知道

比如，相同的問題每次輸出的內容都不一樣

比如，輸入只要 1 塊錢/百萬 token，但輸出卻要 4 元

但凡你把這兩件事吃透，就能理解提示詞的重要性和提示詞工程在“工程”什么了。

上面的信息，我在《AI產品經理轉崗實訓營》里有用兩節課非常通俗的講解，歡迎加班主任了解課程！

提示詞和工程

“學”提示詞你要天天滿腦子想的是“套模板”，那就完蛋了。

提示詞是連接你的需求和模型能力的中間鍵，

那些“模板”都是從模型能力側出發的，并且太過死板（甚至有些是為了死板而死板）

寫提示詞就兩件事：

把事情想全面，提供完善的背景信息，別跟個“渣男”似得這不說、那不說的

把需求說清楚，提供清晰的任務目標，別跟個“渣女”似得啥也不說就“你猜”

(當然認同以上的前提是你吃透了大模型的原理)

那么所謂學習提示詞，其實就是在學習怎么把一件事情表達清楚。

怎么學？

非常簡單，透露一個小技巧。

魏源老師在清朝末期就通過《海國圖志》教給我們了：“師夷長技以制夷”。

再說提示詞工程：當你知道了大模型的缺陷，還又非得用它不可，就得想辦法規避這些缺陷。

這就是工程的奧義。

所以，又繞回到大模型底層原理了。

我有總結四個法則，是這幾年做項目、拆項目一輪輪歸納出來的，可以分享給大家：

細節都在課程里，加班主任報名來學，絕對干且實用。

限時+限渠道：12 月 7 日之前、通過這篇文章加班主任報名的同學，可以領一份《AI 產品提示詞工程拆解知識庫》，這是我一年以來每周拆解、學習的 AI 項目，每一個都把項目的提示詞工程仔細的分析了。昨天剛拆完第 50 個。

RAG和微調

只靠提示詞，很多問題依然是無解的。

比如，公開互聯網上沒有的信息，AI 是無論如何也不可能知道的。

比如，你想讓大模型永遠只輸出一個特定結構的內容，純靠提示詞也很難搞。

這時就必須引入一些外掛能力來彌補缺陷。

幸運的是，你現在才開始學習成為 AI 產品經理，直接學習 RAG 和微調就好了。

放在 3 年前，連外掛都沒有。

RAG，本質是給模型接一個“外掛知識庫”。

但是可不是把文檔上傳到知識庫那么簡單，里面有很多不下手干不知道的細節

比如，文檔分段你要選“自動分段”，就完蛋 30%了；

比如，不管 3×7=21 把文本段落直接向量嵌入，就又完蛋了20%；

比如，不管 6×7=43 無腦用語義檢索，又得損失 10%的準確率；

還有，查詢優化、向量模型選型、ReRank、提示詞兜底……

這些都不知道的話，你的智能客服大概率會變成只能克服：“沒辦法，我不懂 AI，客戶只能克服一下了。”

然后稍微說一下微調。

如果你不了解一下微調，就會像那些土老板們一樣，“咱公司必須用微調大模型”。

微調的價值什么、什么時候微調、微調有多費勁

確保你了解了這些信息。

新時代的原型圖

低代碼產品在 2022 年都快黃了，突然因為 AI 的出現，一步成為「榮耀王者」

所以，Dify、Coze 這些產品，不要當成新東西來學。

它們的核心價值是幫我們快速驗證想法，

可以讓你在非常短的時間里，把一個 AI 產品的核心流程跑起來。

所以我把它們成為“AI 時代的原型圖”

但是能跑的 MVP，可以拉上用戶、小范圍試一試，立刻知道方向大概對不對。

甚至拿到需求評審會上給老板演示價值，拿到產研對齊會上給技術講實現邏輯。

如果你還沒成為 AI 產品經理，用它們把一個場景問題解決掉，就一個實戰經驗。

我的學員都是這么搞得，在簡歷和面試階段優勢非常大。

如果你自己想不出場景問題、不知道在簡歷里寫什么，加班主任，有好多案例可以分享給你。

如果你想要更進階一點，產出“高保真原型”，甚至獨立開發一個完整產品出來

也沒啥難度。

Cursor、Claude Code 這些 AI 編程工具現在強到離譜

只要你能把需求說清楚，開發一款產品出來也就幾分鐘的事兒。

當然多少得了解一些編程相關的基本知識，

比如，程序是咋運行的、環境是啥

比如，前端網頁代碼長啥樣、后端 JS 之類代碼咋運行

甚至，終端怎么用、控制臺咋打開，哪些是報錯、哪些是日志……

這些你也可以在我的《AI 產品經理轉崗實訓營》里學到！

我專門為 Vibe Coding 設計了一章急速入門上手 AI 編程的內容，一倆小時就能成為「全棧大佬」。

加班主任領課綱了解細節

最后，復習一下《一張圖說清楚成為 AI 產品經理需要學什么》，有收獲請點贊、轉發！先謝過了！