当面试官进行 询问，问的是'你怎样去理解 AI 技术'的时候，大多数的人陷入到了技术术语堆砌而成的误区之中。在本文里面提出了'超级实习生'这样一个实用的框架，把 AI 能力进行拆解，拆解成为识字背书、能查资料、独当一面这三个层次，结合真实的客服助手案例，揭示出 AI 产品经理是如何运用 RAG 架构、Prompt 工程等技术去解决实际问题而不是进行炫技的。
朋友们，今儿个来谈谈AI产品经理面试里高频出现的极具深度的灵魂追问：“怎样去阐述你对于AI技术的理解呢？”，我头一回被问到这个问题之际，差点就把“大语言模型”“向量检索”这类术语一股脑地罗列出来了，结果面试官眉头微微一皱，我便晓得事情不太妙了。而后才弄明白，面试官所期望的并非是你单纯地背诵技术手册，而是要清楚“你所知晓的AI，究竟能够怎样去解决实际存在的问题”。
我当下的理解为，AI技术并非属于那种遥不可及的黑魔法范畴，它更类似于一个形象被称为“超级实习生”的存在，你要给它提供足够量的资料也就是数据，传授给它干活所遵循的规则即Prompt工程，给它配备一个用于查资料的小助手也就是RAG架构，如此它便能够帮你以高效的方式搞定重复以及复杂的活儿，然而它也会出现犯迷糊的情况也就是幻觉问题，这就需要你时刻留意着。
01 我理解的AI技术三层逻辑：从”识字”到”干活”
我把AI技术的能力分成三个层次，就像实习生的成长路径：
第一层：”识字背书”——基础AI能力
实话讲就是，AI具备看懂、听懂人类信息的能力，比如说能够识别文字，能够识别图片，能够识别语音，并且还能够依照模板撰写内容。这情形如同刚踏入职场的实习生，认识汉字，会操作办公软件，然而仅仅只会从事复制粘贴这类工作。
这里要提两个基础概念：
LLM，也就是大语言模型，它是一种AI，像GPT这类的，能够理解而且生成人类语言，其作用相当于实习生的“大脑”，并且天生就会说人话，能与人交流，能够表达清晰的意思。
多模态，即：AI具备着一种能力，这种能力能够让它同时去处理文字，以及图片，还有语音等多种类型的信息，宛如实习生拥有这样的本事，那就是不但可以去看文档，而且还能够看懂设计图，甚至还能够听懂语音指令。
第二层：”能查资料”——增强AI能力
仅具备大脑是不足够的，实习生常常会出现忘事的情况，并且还不懂得专业知识，在这种时候，就需要为其配备一个“专属搜索引擎”，此“专属搜索引擎”也就是 RAG 架构，简单来讲，它就是“AI + 搜索引擎”，要让它先去查询专业资料而后再进行问题的回答，以此来避免出现“一本正经胡说八道”的状况，而这“一本正经胡说八道”的状况就是 AI 的幻觉问题。
有一种好用的工具，被称作向量检索，它运用数学方法去寻觅相似内容，恰似“物以类聚”这般，举例而言，犹如用户询问“报销流程” ，它能够自行查找出与“报销”相关联的全部公司制度。
第三层：”独当一面”——自主AI能力
当实习生熟练掌握之后，便能够自行规划任务、解决问题，这便是智能体（能够自主完成任务的AI助手，如同你们的智能秘书一般）。比如说，让它协助你安排会议，它会自行查询所有人的日程，寻觅空闲时间，发送会议邀请，整个过程无需你操心。
02 真实案例：我怎么把AI从”新手”练成”骨干”
去年，我于公司开展了一个项目，此项目为AI客户成功助手，借此可以展现出我针对AI技术在实际应用方面也就是落地所具备的理解！
1. 背景（S）
公司之中，属于客户成功团队的，存有一个颇为巨大的痛点，那就是，每一个客户，在每一周之际，都会抛出大概5到8个重复性的问题，就好比是，“如何去导出数据”，以及“功能处在什么地方进行调节”，而客服们呢，每一天都会花费掉30%的时间来针对这些问题予以回复，忙得甚至于连能够喝上一口水的时间都寻觅不到。
2. 任务（T）
对于客服那百分之八十的重复问题，我会去充任一个起解答协助效应的 AI 智能助手，并且做到说话不存在出现不靠谱言论的情形，还要达成让客户在感受层面觉得所给出的回答具备专业性以及准确性这样的结果。
3. 行动（A）
我用了”三步走”的方法，把AI从”新手”练成了”骨干”：
第一步：给AI“喂饭”——数据准备
我将过去两年的十万多条客服对话，以及五百多篇产品文档，整理成了“知识库”，这就如同给实习生准备了一整套公司手册。我还进行了数据清洗，把那些没用的脏话、无效对话都删除掉，以此保证“垃圾进，垃圾出”，注意，数据质量直接决定AI效果。
第二步：给AI“培训”——模型搭建
采用RAG架构，也就是AI与搜索引擎相结合，再运用开源的LLM模型，使得AI先去查询知识库之后才进行回答，并且还开展了模型微调工作；所谓模型微调，就是给AI进行专项训练，专门针对客服场景，利用1万条优质对话让AI学习客服的专业话术。
这里我还运用了Prompt工程，也就是为AI撰写“操作说明书”，比如说给AI增添了规则，规则是若不清楚答案，那就得说“我帮您转人工客服”，并且不准胡乱编造。
第三步：给AI“派活”——人机协作
我构思了这样一种流程，即“AI先予以作答，人工进行兜底”：于客户提出问题之后，AI率先开展自动回答，要是客户表现出不满意的情况，或者所面临问题极为复杂，便会自动转接至人工。这恰似实习生起初处理较为简单的工作，当遇到无法处理妥当的事宜时，再将其交付给主管。
4. 结果（R）
上线3个月后，效果超出预期：
03，给予AI产品经理以3个具备实用性质的建议，其一，不要充当“技术崇拜者”，而是要成为“技术使用者”。
好些人只要一谈及AI，就会说起“大模型、参数、算力”，然而对于AI产品经理来讲，懂得如何运用远比懂得如何制造更为关键。这就如同你无需会制造汽车，只要会驾驶、会挑选适宜的车便可以了。举例来说，要是做客服助手，运用RAG加上开源模型就已然足够，没有必要自己去训练一个大模型，如此能够节省90%的成本。
2. 建立”AI效果评估表”，用数据说话
AI好不好用，不能凭感觉，要建立量化的评估标准：
| 评估维度 | 指标 | 合格线 |
| 准确性 | 回答准确率 | ≥90% |
| 实用性 | 自动解决率 | ≥80% |
| 安全性 | 幻觉率 | ≤1% |
| 体验感 | 响应速度 | ≤1秒 |
我经常会使用的工具之中，有MLflow（它是一种能够跟踪模型效果的工具存在，就好似是专门为AI去撰写“成绩单”一般的存在），还有LangSmith（它称得上是一个用于进行管理以及测试prompt的平台，能够让你的AI指令变得更加专业一些）。
3. 始终坚持”人机协作”，而不是”人机替代”
AI并非是要来抢夺人类饭碗的，而是前来充当助手的。举例来说，像我们的AI客服助手，它并没有致使客服失业，相反地，是让客服从“复读机”转变成为了“顾问”，进而去处理更为复杂的客户需求，诸如客户的个性化定制、投诉处理等，而这些都是AI无法妥善完成的。
总结：AI是”放大器”，不是”替代者”
对我而言，AI技术的本质是“能力放大器”，它能够将人类的重复劳动予以自动化，它能够把人类的专业能力进行复制放大，然而它永远无法替代人类的创造力，它永远比不上人类的同理心，它永远难以取代人类的判断力。
身为 AI 产品经理，我们所干的工作并非是“打造 AI”，而是要“寻觅到 AI 能够大放光芒的所在之处”，借以促使 AI 跟人类一道把事情给做得更为出色。恰似那位超级实习生，它绝对无法成为 CEO，然而却能够协助 CEO 节省出更多的时间去从事更为关键的事务。
