【笔记】Agent产品案例深度拆解

Why：为什么要讲“产品案例”

萌芽期：产品受技术能力驱动。

上升期：技术与用户需求双向驱动。（we are here）

成熟期：技术手用户需求驱动。

在上一代互联网中，应收10亿美元的公司最多的是应用层。

AI时代最多的机会任然在应用层。

What：跳出技术看AI产品是什么

 产品让技术表的触手可及

产品的诉求框架：以用户为中心。 

无论何种产品，都要以用户可以持续使用为目标。从而获得盈利。

How：通过三个案例看如何做一个优秀的AI产品

产品的生命周期：

1. AI产品机会发现
2. AI产品设计、开发、上线
3. AI产品运营

AI产品机会发现

  toC产品需求的发现就像探险，你需要掌握探险的方法。

1. 寻找toC的需求的最大量来源
   1. 搜索引擎
   2. 社交媒体
2. 挖掘toC需求的工具
   1. 搜索引擎、社交媒体本身
   2. 搜索引擎工具
   3. SEO工具

 观察生活中人们遇到的痛点。将新技术应用到老场景中。

AI产品设计、开发、上线

在设计与研发方面，功能设计要通过构建评估数据定义，包容 AI 出错并控制其稳定发挥。

三个评估阶段：

• 冷启动用大模型生成问答对，无需专家配合；

• 研发阶段让 agent 生成答案，由专家 / 客户做选择 / 判断题，持续确认优化；

• 上线后结合用户问答数据重构 agent，通过评估和提示词工程双轮驱动产品成熟。

优化策略

• 用大模型语义理解替代向量匹配解决向量匹配度低问题。

使用向量匹配在大多数情况下由于用户输入的非结构化文本并不能够很好（可以说很差）的匹配知识库中的向量，所以不如直接使用大模型进行匹配。

• 减少与大模型的交互次数缩短响应时间。
• 将用户问答对存储为索引降低成本。

即使大模型进行匹配，我们也要做到尽可能减少大模型的使用，比如我们将已经匹配好的用户输入和与其对应回答存入知识库，形成新的可匹配向量。

其他用户在询问相同问题时，我们便可以不借助大模型也可以匹配到相应的回答。

UI设计上，，如 GUI around LUI、GUI in LUI、画布式 UI 等

核心原则是让核心功能最快展现在用户面前。

AI产品运营

让更多的人知道你的产品。

浅水区：绑定少量用户，不断优化自己的产品（60分产品，就要让其在浅水区游泳）

深水区：优化的产品力足够强大，在专业群体内使用

占领市场：扩大场景

产品从0到1，你要明白用户的需求到底是什么（技术理解+客户需求）。

对于AI产品，你可是尝试先提问通用AI，看看能不能完成你提出的要求。

当他无法完成时，你就可以尝试拆解步骤，让AI去完成，总结这个工作流，搭建这个程序。

AI产品评测的维度有哪些？

要结合AI的应用场景确定确定评测的目标。首先肯定要满足正确性。

企业级产品和C端产品的区别是什么？

企业级一定要是一个垂直类产品。（比如说给美的说我这个产品在海尔那里怎么怎么样）

toB首先看这个领域的人再用那些不好用的旧产品，发现用户痛点，分析是否可以使用AI进行提升，使用新技术重构老场景。

针对任何一个领域开发AI产品，你要确定服务的是谁，分析出他们的痛点（可以借助搜索引擎）。