前言

在微博看到有i陸三金大佬發了OpenAI、Anthropic 兩家公司的首席產品官的同臺訪談，看倆人討論如何在生成式 AI 的不確定性下做產品。　

提取了一下要點，有興趣可以去看原視頻：　

• 在模型被訓練出來之前，每個人都不知道模型會怎么樣，會涌現哪些能力，研究團隊也不知道，它的性能是 60%、90% 還是 99% ，而基于每一種情況去構建產品又很不一樣。
• OpenAI CPO：很多事情在 60% 的情況下已經可以做，只是你要針對性的做產品。
• Anthropic CPO ：與客戶進行試點項目時，同一天會收到兩家公司的反饋，一家公司會說，這完全解決了我們的問題，我們已經被困擾三個月了；另一家公司會說，完全沒作用，比其他模型還糟糕。
• 兩人都提到了現在的模型不是智能受到了限制，而是評估受到了限制。Claude 實際上比較擅長評估，Anthropic 在面試產品的時候，會要求寫一段提示詞，來去做評估。寫評估正在成為產品經理的核心技能。
• Anthropic CPO ：AI 產品功能目前取決于你在評估和提示方面的表現。

OpenAI 建立了一個訓練營，讓每個產品經理學習如何撰寫評估，以及好的評估與壞的評估之間的區別。　

• 除了評估，產品經理還應該掌握哪些技能：Anthropic CPO 認為產品經理應該要會做原型；OpenAI CPO 則認為 PM 應該去了解技術。
• OpenAI CPO：過去 25 年，我們在一種高度確定性下做軟件產品，固定輸入會出現固定的輸出，但現在這一點不復存在了。?
• OpenAI CPO 提到了人們有多快適應新技術，他舉了自己乘坐 Waymo 的例子，前 5 分鐘，替自動駕駛擔心，能不能開好；5-10 分鐘，哇，我生活在未來；10 分鐘之后，開始覺得無聊。他說 ChatGPT 才 2 年，但是我們回頭再看的時候，會覺得以前的東西都是垃圾。
• 展望未來，Anthropic CPO 認為趨勢是模型會越來越主動，提前幫用戶準備資料、日程之類的；更加異步，就像是 o1 會花更長時間去做一些更復雜的任務，而不是實時回答。OpenAI CPO 則補充了多模態交互，而不僅僅是文本交互。

前幾天接到一個任務，需要把近5年湖北省國民經濟和社會發展統計公報中涉及的指標名稱、指標數值、指標單位提取出來形成一張表格，供指標監測和數據分析用。　

首先看下統計公報的內容結構，分綜合、農業和工業等板塊分別闡述統計指標情況。　

以前我們遇到這種工作任務，一般兩種方案，一是找人手動一個個找到并錄入到表格中，二是嘗試寫代碼來提取，但因為每個指標的的位置、指標單位不固定，不好實現，效果還不一定好。兩種方案處理起來都費時費力。　

直接在線使用通用大模型

首先把頁面打印成pdf格式的文件。　

然后編寫提示詞，參考前一篇文章提到的結構化提示詞。　

需要下面這個提示詞的可以在公眾號后臺輸入提示詞關鍵詞。　

# Role：國民經濟和社會發展統計公報提取助手
## Background : 我是一個數據分析工程師，需要你幫我提取政府統計公告中的指標數據到表格中，以便供我進一步分析。
## Profile:
- author: cc
- version: 0.1
- language: 中文
- description: 我是一位國民經濟和社會發展統計公報提取助手, 專注于提取指標信息.
## Goals:
- 你需要根據用戶提供給你的文本，提取其中的指標名稱、數值、指標單位。
- 輸出的提取信息必須準確、清晰。
## Constrains:
1. 不能偷懶，要全部提取完；不能偷懶，要全部提取完；不能偷懶，要全部提取完
2. 對于不在用戶輸入的文件中的指標信息, 不要捏造
3. 要嚴格區分指標名稱、指標數值、指標單位，分成三列分別展示，不要把三者放一列進行展示，如果指標不存在單位，請用"-"表示
## Skills:
1. 熟悉政府統計公報中的內容
2. 能分清政府統計公報文本中哪些是指標名稱、指標數值和指標單位
## Examples :
輸入文本：""" 初步核算，2023年全省生產總值為55803.63億元；年末全省常住??5838萬?，其中，城鎮3822萬?，鄉村2016萬?。城鎮化率達到65.47%。。"""
提取輸出：
指標名稱    指標數值     指標單位
生產總值    55803.63    億元
常住??    5838        萬人
城鎮人口    3822        萬人
鄉村人口    2016        萬人
城鎮化率    65.47       %
## Workflows:
1.讀取文件所有內容，理解哪些是指標
2.讓我們一步一步思考，結合上下文，準確提取指標名稱、指標數值、指標單位
3.以表格的形式進行輸出，表頭為序號、指標名稱、指標數值、指標單位

把文件和提示詞一起輸入　

得到結果如下，我檢查了下開頭和結尾，結果是比較準確的。但是中間有遺漏，大模型偷懶了，也可能是一次性讀不了這么多內容。　

隨后嘗試了下kimi，發現一次提取不全，得繼續追問，才能提取完整。　

復制到Excel，檢查一下，就搞定了～，重復以上動作5次，五年的數據就提取好了。總共大概用了不到30分鐘。　

官方要是有一個導出成表格的插件就更好了，復制到excel的操作也免了。　

用扣子工作流來實現上述需求

既然官方沒有，那么就折騰一下，借助扣子搭建一個工作流，實現直接到飛書表格的效果。大概可以分成以下步驟：　

• 解析上傳的PDF文件的文本信息
• 調用大模型提取文本中的指標信息
• 將指標數據錄入到飛書表格中

下圖是我使用扣子構建的工作流　

從圖中可以看出，在上傳一個pdf文件后，首先使用官方文件讀取插件將文件內容解析出來。　

第二步是通過分段策略將文本分成多個段落，這樣做是為了工作流的健壯性，如果文本太長，會超過大模型上下文長度導致數據提取不全。　

第三步是調用飛書excel插件進行表格和工作簿的創建以及表頭的插入。　

第四步是基于段落來進行指標提取以及錄入工作。該步驟通過遍歷段落列表　

在第四步中，主要針對每個段落進行指標提取操作，將結果通過對話的方式反饋給我們。同時，將指標提取結果結構化，然后調用飛書插件將數據插入到工作簿中。　

第五步等到所有的段落都提取完成，將飛書表格的鏈接地址嵌入到回答中反饋給我們。至此，指標提取工作完成。　

大家可以去扣子上使用試試，雖然還不太完善　

訪問地址：??https://www.coze.cn/store/agent/7436388189331472394?bid=6ecqv4o600g1k??

大模型做圖片內容提取

早上，老婆丟給我一張圖，說一個表格文件找不到了，只有一張截圖。　

直接給到大模型，請提取圖片中的內容，輸出成表格形式　

復制到wps，搞定～　

AI改變生活，AI節省時間～　

生成logo

起因是公眾號改了名字，改成了AI思與行，所以想換個新頭像。　

前幾天看到一個國外文生圖網站生成的圖像還不錯，于是拿來試試　

地址：https://ideogram.ai/t/explore　

提示詞先想好，然后用大模型翻譯成英文　

第一次生成的提示詞：I want to create a logo for my AI self-media, with a style that is simple, abstract, and has a touch of technology and futurism.　

第二次生成的提示詞：I want to create a logo for my AI self-media, with a style that is simple, abstract, and has a touch of technology and futurism. AI self-media topic.　

第三次生成的提示詞：I want to create a logo for my AI self-media, with a style that is simple, abstract, and has a touch of technology and futurism. The slogan for the AI self-media is "Thought and Action," reflecting this theme.　

第四次生成的提示詞：I want to create a logo , with a style that is simple, abstract, and has a touch of technology futurism、Cyberpunk. The slogan is "Thought and Action," reflecting this theme.　

最后選了第三次生成的第3張和第四次生成的第3張。試了下效果，選這張作為全平臺的頭像。

和同事討論了下，以一般設計師的水平，應該要設計蠻久，效果還不一定好　

大模型不會撂挑子，任勞任怨，不好看再生成一版就好了，要是換成公司設計師，你試試　

感受

過去 25 年，我們在一種高度確定性下做軟件產品，固定輸入會出現固定的輸出，但現在這一點不復存在了。對這句話深表認同，以前做傳統產品，每個功能都被提前設計好，用戶點哪個功能，會出現什么結果，都是有預期和可確定的。現在圍繞大模型做產品，是不確定大模型的輸出的。　

就像現在智能駕駛上大模型一樣，以往智能駕駛基于人工編寫的規則進行自主駕駛，呈現出不靈活、不類人的缺點，武漢老百姓給百度蘿卜快跑取名苕（傻）蘿卜，就是這個原因。　

上面提取公報中指標信息的例子，在大模型出來以前要實現類似功能會非常困難，要么編寫復雜的規則代碼做提取，要么訓練一個專門處理這種任務的小模型，現在有了大模型，可以解決之前很難用傳統技術解決的問題。　

找到大模型擅長做的事情，知道大模型的特點和能力邊界　

比如一方面要利用它的生成能力，比如上面說的文生圖的例子，可能大模型越有創意、越發散越好。　

但是對于一些to b應用場景，在追求準確性和嚴肅性的背景下，要對模型的能力做相應的收斂和限制。

最后產品經理在設計AI產品時，應該自己嘗試，只有真正動手，才能有深刻感受。　

參考資料：

??https://weibo.com/1706699904/5098051490812296　??

??https://www.youtube.com/watch?v=IxkvVZua28k　??

本文轉載自 ??AI 思與行??，作者： cd