我是一個自動駕駛行業(yè)的產(chǎn)品經(jīng)理，也是ChatGPT的第一批用戶。第一次遇見ChatGPT是在去年十二月的第一個星期，有一個搞AI的朋友在群里發(fā)了一張與ChatGPT的聊天截圖，引起了我的興趣，從此我便一發(fā)不可收拾。

剛開始，我與ChatGPT的交互主要限于找樂子：我和ChatGPT一起寫小說，叫它讀我朋友寫的詩，用它和樓上一大早就開始裝修的鄰居吵架。

△一些關(guān)于風(fēng)水的友好建議

后來，我用它畫流程圖，做數(shù)據(jù)分析，幫我讀懂技術(shù)與代碼，它已經(jīng)成為了我工作中不可或缺的生產(chǎn)力工具。

△該時序圖的內(nèi)容生成+繪圖相關(guān)工作由chatGPT完成

我也發(fā)現(xiàn)了各種使用ChatGPT的技巧，甚至形成了一套可操作,可重復(fù)的ChatGPT方法論"BORE"。用這套方法論，每個人都可以成為ChatGPT的進(jìn)階玩家。

一眼看下去是不是有點復(fù)雜？別擔(dān)心，后面的文章里，我會為大家講清楚這套方法，并結(jié)合例子教會大家它怎么在工作中發(fā)揮ChatGPT的威力，接下來我們就一起開始看看吧。

BORE：一套ChatGPT提示設(shè)計流程

眾所周知，一個描述不好需求、講話糊里糊涂的產(chǎn)品會讓程序員痛苦無比，不僅影響程序員的心情，也直接影響產(chǎn)出的質(zhì)量。從這個角度看，用戶在與ChatGPT的交互中就充分扮演了產(chǎn)品經(jīng)理“給程序員派活”的角色，寫得稀爛的需求自然只能得到稀爛的回應(yīng)，而如果“需求”設(shè)計得當(dāng)，ChatGPT會給你超乎期待的驚喜。

△我的大學(xué)舍友，一位熱情洋溢的程序員朋友

寫好“需求”是一門技術(shù)，在自然語言處理中這門技術(shù)其實已經(jīng)有了自己的名字，我們的輸入被叫做"prompt"，也就是提示。而寫好提示的技術(shù)就叫做“prompt engineering”，也就是提示工程。這是一門高度依賴經(jīng)驗的技術(shù)，我在接下來的文章中會總結(jié)我的提示工程實踐，教大家如何為這個“程序員”寫好“需求”。我總結(jié)的技巧中會包含一些具體的應(yīng)用場景，幫助大家更好地理解。

講清楚背景，為ChatGPT提供充足信息

在我們告知它之前，ChatGPT對于各種具體的業(yè)務(wù)場景（背景）所知甚少。講清楚背景是發(fā)揮ChatGPT強大能力的關(guān)鍵。

應(yīng)用場景1：干活前先讓ChatGPT進(jìn)入角色

“干線物流自動駕駛“目前在自動駕駛領(lǐng)域是一個很火的方向，那么現(xiàn)在我們就以這個方向作為例子，假裝自己是一家干線物流駕駛公司的產(chǎn)品。
來看看應(yīng)用場景1，由于我們現(xiàn)在假裝自己是一家干線物流自動駕駛企業(yè)的產(chǎn)品，可以在需要chatGPT輔助我工作前先運行這條prompt：

"我們公司研發(fā)L4級別的自動駕駛卡車系統(tǒng)。我們的車輛擁有一輛L4自動駕駛車輛所需要的算力，傳感器與能力，但是目前車上會有司機作為安全員，自動駕駛系統(tǒng)會輔助司機的駕駛，幫助卡車司機開車更輕松，更安全，更節(jié)油。我將提供產(chǎn)品經(jīng)理日常工作中的一些實際問題。這可能涉及設(shè)計具體的自動駕駛功能，進(jìn)行數(shù)據(jù)分析，分析具體的行駛場景并提供有效的反饋等。你能夠明白這件事嗎？”

這個例子中，我們告訴了ChatGPT宏觀的業(yè)務(wù)背景，并順便檢驗了prompt的效果。在讀到上面的內(nèi)容后，ChatGPT就自動代入了自動駕駛產(chǎn)品經(jīng)理的角色。后文的所有其他例子都是在ChatGPT進(jìn)入角色的前提下進(jìn)行的。

我們來詳細(xì)拆解這條prompt的設(shè)計：

1. 闡述背景，點明當(dāng)前的業(yè)務(wù)范圍及業(yè)務(wù)目標(biāo)：“我們公司研發(fā)L4級別的自動駕駛卡車系統(tǒng)。”然后進(jìn)一步告知當(dāng)前業(yè)務(wù)的細(xì)節(jié)：“我們的車輛擁有一輛L4自動駕駛車輛所需要的算力，傳感器與能力，但是目前車上會有司機作為安全員，自動駕駛系統(tǒng)會輔助司機的駕駛，幫助卡車司機開車更輕松，更安全，更節(jié)油。”告訴chatGPT大致的任務(wù)范圍：“我將提供產(chǎn)品經(jīng)理日常工作中的一些實際問題。這可能涉及設(shè)計具體的自動駕駛功能，進(jìn)行數(shù)據(jù)分析，分析具體的行駛場景并提供有效的反饋等?！?/span>

2. 確定效果，我一般會反問一句它是否理解，以此來檢驗傳達(dá)的信息是否清楚，有沒有被正確地理解。

下面是場景1的運行結(jié)果：

△場景1的運行結(jié)果

應(yīng)用場景2：起草文檔的結(jié)構(gòu)與框架

熟悉了業(yè)務(wù)，就要開始干活了。ChatGPT進(jìn)入角色后，我們來試試讓它提供一個產(chǎn)品試乘報告的框架。我們?yōu)镃hatGPT提供了“背景”，定義了“任務(wù)目標(biāo)”：

"現(xiàn)在，作為一個產(chǎn)品經(jīng)理，你需要去試乘我司的產(chǎn)品，用敏銳的目光去發(fā)現(xiàn)改進(jìn)點，并提供建議。請為我提供一個試乘體驗報告框架模板，模版要涵蓋產(chǎn)品體驗的不同方面，使用邏輯嚴(yán)密，清楚的語言，有優(yōu)雅，清晰，易于理解的結(jié)構(gòu)。
這是一款自動駕駛卡車。這輛卡車上有司機，它將在一條主要是高速的長途貨運路線上裝載貨物運營。"

我們給ChatGPT的prompt可以被拆解成以下的部分

1. 闡述背景：這是一款自動駕駛卡車，車上有司機，跑的是長途

2. 定義任務(wù)目標(biāo)：扮演的角色是產(chǎn)品，任務(wù)是寫試乘報告模版框架，內(nèi)容涵蓋哪些方面，需要使用語言特點如何等等

下面是場景2的運行結(jié)果：

△場景2的運行結(jié)果

小作業(yè)：ChatGPT非常細(xì)心，可以捕捉到微小的細(xì)節(jié)，所以“寫背景”這件事很重要。不信把場景1中的"我們公司研發(fā)L4級別的自動駕駛卡車系統(tǒng)”換成”我們公司研發(fā)L4級別的自動駕駛卡車“，再運行場景2試試。

給ChatGPT打績效：定義目標(biāo)&關(guān)鍵結(jié)果，試驗并調(diào)整

各位在科技公司工作的同學(xué)們一定對OKR非常熟悉：這是一個標(biāo)準(zhǔn)績效管理工具，我相信這篇文章的很多讀者都寫過OKR，被OKR打過績效。不過在這里，我們主要是運用OKR來描述任務(wù)目標(biāo)，管理任務(wù)的預(yù)期結(jié)果，并在任務(wù)的目標(biāo)和期望上與ChatGPT達(dá)成共識。

那么，OKR是什么呢？我們先來回顧OKR的內(nèi)容：OKR的英文是Objectives and Key Results，由兩個部分,"Objectives"，任務(wù)目標(biāo)和"Key Result"，關(guān)鍵結(jié)果組成。定義“任務(wù)目標(biāo)”表達(dá)了我們希望實現(xiàn)什么，而定義“關(guān)鍵結(jié)果”則讓ChatGPT知道實現(xiàn)目標(biāo)所需要達(dá)成的具體、可衡量的結(jié)果。

我們在之前的場景中其實已經(jīng)為ChatGPT定義了OKR，例如在“應(yīng)用場景2 起草文檔的結(jié)構(gòu)與框架”里，“提供一個試乘體驗報告框架模板”就是“O”，而"要涵蓋產(chǎn)品體驗的不同方面，使用邏輯嚴(yán)密，清楚的語言，有優(yōu)雅\清晰\易于理解的結(jié)構(gòu)"則可以看做“KR”。

添加細(xì)節(jié)在ChatGPT的prompting中會起到立竿見影的效果，ChatGPT會對這些小細(xì)節(jié)做出巨大的反應(yīng)。例如，有研究人員發(fā)現(xiàn)在GPT-3（可以理解為ChatGPT的爸爸）的輸入前加入"Let's think step by step",就讓它的推理準(zhǔn)確率從17.7%暴增到78.7% [1]。

現(xiàn)在，作為ChatGPT的使用者，各位自然是巴不得它能夠發(fā)揮出全部性能，又快又好地出活。既然已經(jīng)有了順手的胡蘿卜（OKR），那么是時候請我們親愛的小毛驢（ChatGPT）拉磨了

。

 △設(shè)定了好的目標(biāo)就是成功了一半

接下來我們看一個具體的例子，更好地理解這種思想與ChatGPT提示工程的結(jié)合。

應(yīng)用場景3：分析具體業(yè)務(wù)場景

我們來看應(yīng)用場景3，自動駕駛產(chǎn)品經(jīng)理在工作中常常要定義各種復(fù)雜場景，我們在這個prompt中要求ChatGPT協(xié)助我們定義一個簡單的他車激進(jìn)切入場景：

“在我車在高速上行駛時，常常會有他車從相鄰車道從非常近的距離切入我車車道，造成碰撞風(fēng)險。請用自然語言描述與定義這個場景。

語言風(fēng)格：清晰，有邏輯性，可靠，容易使用計算機程序建模。

建模要求：描述清楚事情的過程和時序關(guān)系。注意用數(shù)字量來定義臨界點。將切入的步驟編好序號。建模要體現(xiàn)兩輛車的交互

我們的自動駕駛車輛被稱為ego，他車被稱為npc?！?/span>

在這個例子中，我們在闡述了背景，定義了任務(wù)目標(biāo)的基礎(chǔ)上再給出對任務(wù)的詳細(xì)要求（也就是key results）。prompt從多個方面規(guī)定了對于理想答案的標(biāo)準(zhǔn)。

用剛才的框架對這條prompt進(jìn)行拆解：

1. 闡述背景：宏觀的業(yè)務(wù)背景已經(jīng)在“讓ChatGPT快速進(jìn)入角色”中給出。所以我們進(jìn)一步為ChatGPT描述了微觀的具體業(yè)務(wù)場景（高速上被他車切入）。

2. 定義任務(wù)目標(biāo)：任務(wù)目標(biāo)O是“用自然語言描述與定義這個場景?！?/span>

3. 定義關(guān)鍵結(jié)果：這里的KR有“a. 語言風(fēng)格：清晰，有邏輯性，可靠，容易使用計算機程序建模。b. 建模要求：描述清楚事情的過程和時序關(guān)系。注意用數(shù)字量來定義臨界點。將切入的步驟編好序號。建模要體現(xiàn)兩輛車的交互。c. 我們的自動駕駛車輛被稱為ego，他車被稱為npc?！?

KR可以根據(jù)個人需求定制。例如在這個例子中，我們用自然語言給場景建模的目的可能是想要給程序員寫PRD，所以要求“有邏輯，容易使用計算機程序建?！薄?/span>而公司內(nèi)如果有“黑話”，比如把自動駕駛車叫做ego，也可以告訴它。

4. 試驗并調(diào)整，改進(jìn)：這是一個試驗并調(diào)整的過程。如果對ChatGPT生成的內(nèi)容不能讓人滿意，有三種可能性：第一種是我們這個老板當(dāng)?shù)貌缓茫噶罱o得不夠清楚。這時候可以調(diào)整prompt，看看背景和OKR有沒有需要補充的地方。重新生成回答。經(jīng)過幾次調(diào)整后，就可以得到比較滿意的答案。第二種是ChatGPT這位員工干得不好，這時候我們可以指出生成內(nèi)容中的錯誤，讓它重新回答。第三種是你運氣比較背，碰到一次不太好的結(jié)果。這時候你可以優(yōu)中選優(yōu)，相同prompt讓ChatGPT多生成幾次，然后選一次最滿意的，讓我們一起贊美AI的任勞任怨。

在這個過程中，我們給ChatGPT定了“OKR”，干完活了還要“復(fù)盤”，一個不對還要打回返工，是不是像極了屏幕后面的各位打工人們。

下面是這條prompt的運行結(jié)果，以及為答案糾偏的過程。

 △場景3的運行結(jié)果

 △通過“打績效”來對ChatGPT糾偏

ChatGPT生成的回答不是完美的，所以通過"試驗并調(diào)整"來糾偏非常重要。

小作業(yè)：上面回答的第4點中，有什么明顯違反常識的錯誤？我們可以通過什么方式來讓ChatGPT修正這個錯誤？

小結(jié)

講到這里，我們復(fù)習(xí)一下上面所講的內(nèi)容。我們以背景，目標(biāo)，關(guān)鍵結(jié)果，改進(jìn)四個步驟為抓手，打出了組合拳，沉淀了一套ChatGPT prompting方法論

。那么，接下來，我們給這種方法取一個好記又好聽的名字：BORE，讀作[b??r],記住這個名字就等于記住了這套方法。在“BORE”方法中，四個字母分別是四個單詞的首字母，B代表Background，O代表Objectives，R代表key Results，E代表Evolve，“BORE"本身也是個英文單詞，有“鉆孔”的意思，很好記。

最后我們給出這四個流程的詳細(xì)定義：

1. 背景B（Background）：闡述任務(wù)的宏觀背景和微觀場景，讓ChatGPT得到充分的信息。

2. 目標(biāo)O（Objectives）：明確任務(wù)的目標(biāo)，告訴ChatGPT需要生成的內(nèi)容是什么。

3. 關(guān)鍵結(jié)果R（key Results）：列出完成任務(wù)所需達(dá)成的關(guān)鍵結(jié)果，即需要滿足的具體要求和指標(biāo)。這些關(guān)鍵結(jié)果可以根據(jù)實際需求進(jìn)行定制。

4. 改進(jìn)E（Evolve）：試驗并調(diào)整，下面三種改進(jìn)方法進(jìn)行靈活組合，最終得到滿意答案。

    a. “從答案的不足之處著手,更新并迭代prompt”，

    b. “在后續(xù)對話中指正ChatGPT答案缺點”，

    c. “在prompt不變的情況下多次生成結(jié)果”

撬動外部工具，放大ChatGPT能力

這里，我們還有一些其他的ChatGPT進(jìn)階技巧：將ChatGPT的能力與外部工具結(jié)合，放大ChatGPT的能力。

作為產(chǎn)品經(jīng)理，我們要為業(yè)務(wù)畫時序圖，畫流程圖等。有時我們也要用一些生動的圖像，數(shù)據(jù)的分析去支撐需求改動，讓我們的需求更有說服力，這樣我們會更有可能通過產(chǎn)品評審會。

 △很多程序員都想要的實用職場技巧

然而，到此為止，ChatGPT展現(xiàn)的能力都是文字 or 代碼上的，難道就沒有辦法了嗎？

等等？ChatGPT可以生成代碼？

應(yīng)用場景4：利用ChatGPT畫時序圖

既然ChatGPT可以生成代碼，那么代碼是不是可以轉(zhuǎn)化為各種各樣的圖像？感謝各位程序員的開源精神，目前我們有很多基于代碼的工具可以使用，讓我們搜索一下“code to diagram”（代碼轉(zhuǎn)圖表）試試。

好得很，當(dāng)然有，出來的第一個結(jié)果就提供了足足6種工具，那么接下來就趕快試一下。

在這里，我們選擇mermaid（意思是美人魚），不僅是因為它支持十幾種圖像，而且它還提供了一個在線編輯器，代碼貼進(jìn)去就可以馬上生成圖像。生成器的網(wǎng)址在：https://mermaid.live/

△mermaid項目主頁

那么，我們試著在應(yīng)用場景3的基礎(chǔ)上深入，以ChatGPT已有的輸出為基礎(chǔ)，要求它畫出“在我車在高速上行駛時，常常會有他車從相鄰車道從非常近的距離切入我車車道，造成碰撞風(fēng)險?！钡臅r序圖。

請看下面的prompt：

"目前有一款用來將代碼轉(zhuǎn)化為各種圖表的工具，叫做mermaid。請閱讀下面的內(nèi)容，寫一份可以生成mermaid時序圖的代碼。請注意，時序圖要與我提供的內(nèi)容保持完全一致。

內(nèi)容：在高速公路上，當(dāng)ego車在行駛過程中，一個npc車輛突然從相鄰車道切入ego車道，且距離非常近，這種場景可以描述為：

1.NPC車輛在相鄰車道以速度V_npc靠近ego車輛。
2.當(dāng)水平距離d_npc達(dá)到閾值d_critical時，NPC車輛開始切入操作：
a. NPC車輛向內(nèi)側(cè)車道轉(zhuǎn)向，同時NPC車輛的前輪觸碰到ego車道的車道線，并壓在車道線上。b. NPC車輛逐漸進(jìn)入ego車道，直到完全進(jìn)入，并擺正位置。
3.在這個過程中，ego車輛應(yīng)該進(jìn)行以下反應(yīng)：
a. 自動駕駛系統(tǒng)應(yīng)該能夠檢測到NPC車輛的切入行為，并識別它的行為意圖。b. 如果檢測到了NPC車輛的切入行為，自動駕駛系統(tǒng)應(yīng)該能夠進(jìn)行迅速反應(yīng)，采取避讓措施以確保安全行駛。c. 具體的避讓措施可以包括剎車、加速、轉(zhuǎn)向等，以確保避免與NPC車輛發(fā)生碰撞。
4.當(dāng)NPC車輛完成切入操作后，NPC車輛的速度會逐漸回到原始速度V_npc，并行駛在ego的前方。"

我們來拆解這段prompt，仍然是上文中提到的BORE方法：

1.闡述背景：我們提示了ChatGPT對話中所說的mermaid是代碼轉(zhuǎn)圖表工具，并在“內(nèi)容”中提供了需要他轉(zhuǎn)換成時序圖的文字。

2.定義任務(wù)目標(biāo)：請閱讀下面的內(nèi)容，寫一份可以生成mermaid時序圖的代碼。

3.定義關(guān)鍵結(jié)果：時序圖要與我提供的內(nèi)容保持完全一致。

4.改進(jìn)，嘗試并調(diào)整：這段prompt經(jīng)過多次調(diào)整，我也多次讓ChatGPT打回重做，得到的結(jié)果是優(yōu)中選優(yōu)的（在圖中我們可以看到調(diào)整prompt+重新生成加起來共9次）。

最后，我們得到了可以生成時序圖的代碼：

△場景4的運行結(jié)果

將得到的代碼粘貼到mermaid live editor中，就可以生成結(jié)果了

△mermaid在線生成圖表頁面

最后是成品圖。

不過，mermaid提供的能力遠(yuǎn)遠(yuǎn)不止時序圖，目前官網(wǎng)上就有13種可用的圖表，包括流程圖，順序圖，類圖，狀態(tài)圖，實體關(guān)系圖，用戶旅程，甘特圖，餅狀圖，需求圖，Git圖，C4C圖，思維導(dǎo)圖，和時間軸。請在工作中自由取用。除了mermaid之外，還有像plantUML，Diagrams，markmap之類的code to diagram工具，這里就不贅述了。

應(yīng)用場景5：用ChatGPT做數(shù)據(jù)分析

自動駕駛產(chǎn)品經(jīng)理是一個非常需要實事求是的工作，要設(shè)計一個什么功能，空口說是不算證據(jù)的，數(shù)據(jù)很重要。再加上我司的數(shù)據(jù)基礎(chǔ)建設(shè)做得挺好，所以我在工作中會接觸到大量的數(shù)據(jù)，做很多數(shù)據(jù)分析工作。良好的數(shù)據(jù)分析也可以幫助產(chǎn)品設(shè)計的功能更好更合理，當(dāng)然也就更容易通過需求評審會。

從工具和規(guī)模上來說，寫一兩行excel公式是數(shù)分，用hadoop，寫spark算大數(shù)據(jù)也是數(shù)分。從方法上來說，算平均數(shù)是數(shù)分，用各種各樣的機器學(xué)習(xí)方法做回歸，分類也可以叫數(shù)分。數(shù)分前有時候還要做進(jìn)行數(shù)據(jù)清洗，數(shù)據(jù)預(yù)處理等等。這是一門獨立完整的學(xué)科，話題要展開實在是太大，我就不在這里提供具體例子了。

用ChatGPT做數(shù)分可以利用的數(shù)據(jù)分析工具

這里提供一些簡單的羅列，如果不知道我在說什么，可以上網(wǎng)搜一搜教程。

1. excel：各位最熟悉，也是最簡單的就是excel了。寫點公式就算進(jìn)階用法（比如說有的崗位的JD甚至明確要求會用vlookup這一個函數(shù)），再進(jìn)一步，我們可以寫一點Excel宏，也就是在excel里頭運行VBA程序。在excel界這已經(jīng)是非常高級的用法了，它非常強大，作為產(chǎn)品你能用到的絕大部分需求都可以用它解決。（還有人用excel宏來寫計算機病毒，叫做宏病毒，畢竟VBA也是編程語言）ChatGPT可以非常輕松地根據(jù)你的需求和描述寫出可以用的excel宏。

2. python：python有很多強大的數(shù)據(jù)分析庫。數(shù)分有pandas，numpy等，畫圖有seaborn，plotly，matplotlib等，機器學(xué)習(xí)的就更多了。這是個很大的話題，但是產(chǎn)品日常工作學(xué)點pandas+繪圖庫就夠用。一般數(shù)據(jù)分析的代碼可以用jupyter notebook來運行（非常合適數(shù)據(jù)分析！），用anaconda管理安裝的各種包，詳情請看網(wǎng)上的python數(shù)據(jù)分析教程。

3. R語言：這是一個專門用來搞統(tǒng)計的語言，不過Python已經(jīng)夠用，在此按下不表。

用ChatGPT做數(shù)分的一些小tips

1. BORE框架仍然管用：之前提到的設(shè)計原則仍然管用，例如“提供背景Background”，有時候你不妨把得到的運行結(jié)果直接粘貼給它看（如果是文字的話）。而ChatGPT仍然也會對你設(shè)定的“關(guān)鍵結(jié)果key Result”起反應(yīng)，比如畫圖畫得太丑，你就可以督促它畫好看點，配色好一些等等，它會有反應(yīng)的。

2. ChatGPT會有一定瞎編&錯誤的情況：有時候ChatGPT會對不了解的信息亂編一氣，代碼中的計算過程也不一定對。你必須足夠小心，看看有沒有錯的地方，這要求你對它使用的數(shù)學(xué)方法與工具都比較了解。

3. 上下文有限：ChatGPT目前上下文能力有限，只能讀到上下文的幾千個字，所以會有“忘記”的情況，這種時候你可以把前面的內(nèi)容重新粘貼到最新的對話里，提醒它一下。另外，這也意味著chatGPT只合適小規(guī)模數(shù)分，如果你的代碼比較多，全部靠它就不現(xiàn)實了。

4. 思想為主，工具為輔：數(shù)據(jù)只是數(shù)據(jù)，如何解釋數(shù)據(jù)才是其真正價值所在。別忘了在工作中業(yè)務(wù)價值才是數(shù)據(jù)分析的最終目的，你的思考不能省，ChatGPT只能作為輔助工具。些關(guān)于ChatGPT與人工智能的想法

使用ChatGPT的注意事項&想法網(wǎng)上有很多，我提出個人感觸比較深的幾點

1. ChatGPT的使用者要負(fù)起責(zé)任，當(dāng)好“把關(guān)人”。這個東西經(jīng)過了人類反饋的強化學(xué)習(xí)訓(xùn)練，非常喜歡講一些“看起來是對的，完全符合語言邏輯，但是其實是胡說八道”的東西。使用者一定要當(dāng)一個合格的把關(guān)人，要對生成內(nèi)容有基本的判斷能力。特別是自動駕駛產(chǎn)品經(jīng)理，我們設(shè)計的車輛將會在道路上行駛，是人命關(guān)天的事情，一定要有責(zé)任感。同時，openai會收集對話信息用于改善產(chǎn)品，要注意保密問題。

2. ChatGPT“省工不省腦”?！?/strong>描述清楚到底想要什么”和“知道需要做什么”這兩件事并不比上手去做簡單太多。對于第一件事，清晰地描述需求是每個產(chǎn)品的基本功，很多人做不到這一點。對于第二件事，你也必須夠懂業(yè)務(wù)，心里有數(shù)，才能知道“要做什么才是對的”。在這個層面上，我們和ChatGPT之間倒是有點像領(lǐng)導(dǎo)和員工的關(guān)系了（老板負(fù)責(zé)規(guī)劃戰(zhàn)略，想活派活，發(fā)出指令，而員工負(fù)責(zé)執(zhí)行）。

3. 人工智能是人類新長出來的器官，未來世界里每個人都是通才。有個比喻說互聯(lián)網(wǎng)和手機是新的器官，極大地擴展了人類的記憶容量。每個人都可以通過手機，即時從互聯(lián)網(wǎng)獲取大量的信息，就像多了一個用來記憶的器官一樣，人工智能也是如此。每個人工智能都是人類新長出來的器官，用于完成特定的任務(wù)。在它們的輔助下，每個人在未來世界里都將成為通才。

4. 要用ChatGPT創(chuàng)新？想點不一樣的組合。在心理學(xué)中，心理學(xué)家從兩個方面評價創(chuàng)造力。第一個是發(fā)散思維（對某一問題產(chǎn)生不尋常想法的能力）。第二個是聚合思維（整合不同來源的信息，從而解決問題的能力）。從這個角度看，“把兩個看似不相關(guān)的東西結(jié)合在一起，發(fā)揮出更大的威力”這件事也許就有點創(chuàng)造力的意思。除了文中把ChatGPT和績效評估，ChatGPT和圖表語言結(jié)合以外，有人目前還整了很多更新更狠的活。有人給小愛同學(xué)接了openai的api就變成了人工智能音箱，讓ChatGPT寫AI繪圖的prompt就能出很多好看的圖，ChatGPT和搜索引擎結(jié)合在一起就做出了new bing。就在最近（2月20日），微軟發(fā)布了一篇叫做“ChatGPT for Robotics”的文章，研發(fā)人員就建立了一套用于給機器人任務(wù)撰寫prompt的方法論和設(shè)計原則，用ChatGPT調(diào)api，試著讓機器人也聽得懂人話 [2]。在想"ChatGPT可以做什么"的時候不妨當(dāng)一下縫合怪，可謂廣闊天地，大有可為。

△ChatGPT for Robotics論文配圖

這是一個嶄新的時代，各種偉大的事物不斷地誕生。祝大家接下來玩得愉快，能夠用BORE“鉆”出更多ChatGPT的潛能！

引用1 Kojima, Takeshi, et al. "Large language models are zero-shot reasoners." arXiv preprint arXiv:2205.11916 (2022).

引用2 https://www.microsoft.com/en-us/research/group/autonomous-systems-group-robotics/articles/ChatGPT-for-robotics/

寫在最后
與作者交流

如果希望與文章作者直接交流，可以直接掃描右方二維碼，添加作者本人微信。

  

注：加微信時務(wù)必備注您的真實姓名、公司、現(xiàn)崗位
關(guān)于投稿如果您有興趣給《九章智駕》投稿（“知識積累整理”類型文章），請掃描右方二維碼，添加工作人員微信。

注：加微信時務(wù)必備注您的真實姓名、公司、現(xiàn)崗位
“知識積累”類稿件質(zhì)量要求：A：信息密度高于絕大多數(shù)券商的絕大多數(shù)報告，不低于《九章智駕》的平均水平；B：信息要高度稀缺，需要80%以上的信息是在其他媒體上看不到的，如果基于公開信息，需有特別牛逼的獨家觀點才行。多謝理解與支持。


推薦閱讀：
◆九章 - 2022年度文章大合集
◆投奔“自動駕駛第一城”—— 一場說走就走的“遷都”
◆萬字長文講清楚4D毫米波雷達(dá)
◆萬字長文解讀深度學(xué)習(xí)算法在自動駕駛規(guī)控中的應(yīng)用
◆線控轉(zhuǎn)向量產(chǎn)商用的挑戰(zhàn)與曙光
◆“在別人恐懼時貪婪”，這支基金將在“自動駕駛寒冬”加大投資力度

本文使用 文章同步助手 同步