第二百八十五章 喵～ (第1/2页)
刘彧办事效率很高。
姜亦心的消息发过去不到三分钟，他就回了一个会议室编号。
“下午四点半，三号会议室，韩总和苏总的会议正好结束。如果是和源码应用有关的主题，建议也邀请苏总参会。”
在大公司，和领导约会议的难度，很大程度上取决于你的级别。
级别越高，越好约。
这个时间点的会议，一看就是从排满的日程里临时挤出来的。
可见姜亦心的优先级不低。
姜亦心脸上刚露出笑意，刘彧又发来一条消息。
“亚里士多德说过，人是天生的政治动物。”
这是在点我跨级汇报吧？嘿，我姜总惯你这个？
姜亦心直接回过去：“帮我也邀请苏总，谢谢刘秘书。君子欲讷于言而敏于行。”
她看了眼时间，离会议还有几个小时，正好整理思路。
姜亦心坐下来，打开汤圆的聊天界面和寻他搜索引擎，开始整理大模型用于“个人成长”和“技能复用”的资料。
她一边操作一边想：汤圆也得加上搜索引擎功能，这功能太贴合它的使用场景了。
不查不知道，一查吓一跳。生活中用AI的人虽然还是少数，但已有不少重度用户在探索各种用法。
想用AI替代高级职业的念头也不在少数。
有人想把AI当律师咨询。
有个用户发帖：“我是个独立设计师，被甲方欠薪，想起诉他们。问了一圈律师，代理费都得上万，就让ChatGPT给我出了份起诉书。看起来引经据典、挺正规，结果到了仲裁庭审，对方律师说我引用的法条根本不存在。丢人就算了，我是真丢钱啊！”
这是典型的模型幻觉问题。
大模型给出的法条不存在，因为训练数据里夹杂大量文学作品、网络资料，完全可能生成看起来像模像样、其实并不存在的法条。
更何况法条还有适用性问题，现阶段的大模型根本替代不了具备法律设计能力的资深律师。
还有人想把AI当医生问诊。
一个宝妈发帖说，孩子发烧出红疹，在医院排队时想着等也是等，就把照片和症状发给AI。AI信誓旦旦地说这是“幼儿急疹”，回家吃退烧药就行。贴主不放心，又等了半小时见到医生，最后诊断是过敏导致的急性荨麻疹，差点错过治疗时机。
当然也有早期症状医生没发现、却被AI诊断出来的例子。可人命关天，谁又敢真的全信AI呢？
看来想法都不错，真用起来却各有各的痛点。这些人把经历和想法发到网上交流，很多都很有价值。
目标用户的交流论坛，就是产品经理的金矿啊！
姜亦心越整理越投入，不到两个小时就搜集了几十个文档的内容。
差不多到午饭时间，姜亦心正做到兴头上，不想出去浪费时间，直接叫了外卖，边吃边干。
李婷没打扰她，只默默带了杯奶茶回来。
按前AI时代的流程，想从这些原始数据里找规律，得她亲自整理、分类、分析、挖掘。
有了汤圆之后，只要把她鉴定过有价值的资料全部上传，再告诉它想要什么样的报告，就能得出质量相当不错的结论。
当然，提示词怎么输也是门学问，不过姜亦心已经驾轻就熟。她专门有个文档整理常用提示词，要用时复制粘贴，再按需求微调即可。
她一边操作一边想：这个文档，不就是个简单的“技能”吗？
花了几个小时，姜亦心做出了一份诚意满满、干货十足的调查报告，连同“汤圆成长助手”的用户反馈报告，一并作为一会儿开会的资料。
四点半，姜亦心抱着电脑到三号会议室门前，敲了敲门。听见苏念念在里面说“请进”，她才推门进去。
会议室里，韩路一和苏念念面对面坐着，两人都没带电脑。
姜亦心在心里默默念叨“又磕到了”，又有点儿紧张地走进去。
一起工作这么久，她还是不习惯和两位老师一起开会。她预感到，一会儿大概率又要被考试。
苏念念笑意盈盈地看着她：“听说你把上周五说的那个东西做出来了？给我们演示一下？”
“好的，苏总。”姜亦心把电脑接上屏幕，打开自己的人物卡界面。
还是【开拓者】称号，里面记录着她的技能星图和过去的成长路线。
大概比小牛小羊多一些，又比钱晓乐少一些。
简单演示完，姜亦心看向苏念念：“苏总，您觉得怎么样？”
苏念念没马上回答，先看了韩路一一眼：“我觉得韩总一定很喜欢。”
她还有半句没说出口——韩路一就是那种中二病宅男，长得帅也还是宅男。
韩路一笑了：“很好啊。不过光我喜欢没用，用户反馈怎么样？”
姜亦心拿出准备好的反馈报告，用数据说话。
除她本人外，还有五名源码内部内测用户，普遍反馈满意度高、工作积极性上升。
另外，用户强烈要求的“称号偏向选择”功能，在实用功能毫无变化的情况下，再次提升了使用率和满意度。
总的来说，工作还是那份工作，却变得更有趣了。
同时，姜亦心也亲眼看到，小牛被称号系统升级吊得恨不得全身心扑到工作上。
可见游戏化确实有用。
“另外——”姜亦心顿了顿，讲起钱晓乐的事。
游戏化系统里还有这么一个异类玩家：她不把游戏数值当评判标准，因为现实中已有系统的复盘方法。反而因此，她的游戏化数值比其他用户高出一大截。
姜亦心汇报完进度，苏念念和韩路一各自点头。
“效果很好，这个星期可以在全公司内部推广。”韩路一说。
“可惜，想商品化的话，困难重重啊。”苏念念叹了口气。
这个问题，三个人周五开会时就讨论过了。
这种“成长系统”想准确评价用户，就得做全方位画像，接触大量个人信息。
只在源码内部使用，工作相关信息本就归源码所有，没有隐私问题；一旦对外推广，无论面向企业还是个人用户，隐私和数据安全都还有很长的路要走。
“没必要什么都想着商品化。”韩路一说，“只要这件事有趣、有益，就可以继续做。商机有时会在不经意间出现。”
姜亦心听到这儿，觉得时机差不多了，举起手。
“韩总，苏总，其实我还有个关于产品的想法，想和你们聊聊。”
苏念念其实猜到了：三人每周有固定会议，若只是汇报“成长系统”的成绩，完全可以等到那时候。
今天临时约会议，肯定是有决策要做。
“让小姜总这么急，是什么想法啊？”她笑着问。
姜亦心打开刚整理出来的资料。
《使用大模型创建可复用的专家级技能》。
接着，她讲了自己如何受早期用户启发，想到用AI制作领域专家能力，以及在网上调查到的现状。
韩路一和苏念念对视一眼，都看出对方眼里的惊讶。
小姜真是个敏锐的产品经理啊。
“网上很多人已经尝试过了，但我觉得主要受几方面限制，现在的AI还没法提供和真人专家同等级别的能力。”姜亦心说，“首先，大模型设计之初是按通才培养的，可我们需要某个职业能力时，要的是专才，比如编程、法律、设计等等。”
韩路一点点头。
这确实是个问题，也是源智应用方面正面临的挑战——汤圆在国家电网落地，需要的正是电力方面的专才。
“这个方向确实比较前沿，不过学术界和工业界已有一些探索。”韩路一说，“现在比较流行RAG（Retrieval-Augmented Generation，检索增强生成）技术：把模型里没有的相关资料放进数据库，提前做好索引；查询进来时，先在专用数据库里搜出相关内容，再连同问题一起送给大模型，让它据此生成答案。”
通过限定数据来源范围，并在提示词中严格限制只能依据给定来源生成回答，就能以最低成本，在一定程度上把通用大模型变成领域专家。
“但这其实是对模型能力不到位的一种妥协。”韩路一接着说，“用户会问什么没法预测，语义理解不到位就检索不到相关信息，最后答案就不准确。这就像让一个没学过这门课的人开卷考试：你提问时，他得现翻答案；翻到了，答得就好；翻不到，就别指望他能给出什么好答案。”
韩路
（本章未完，请点击下一页继续阅读）