學習筆記

TL;DR

AI產品經理應循序漸進地掌握Prompt、L.L.M.、Context、AIG、Agent、Skill、VoiceCoding等關鍵AI概念，以理解AI能力並有效解決實際產品問題。

快速結論

這支影片的核心主張是，作為AI產品經理，面對AI圈層出不窮的熱詞，不需要精通所有技術細節，但必須理解這些關鍵概念及其在解決產品問題上的應用，才能成為真正能做業務的AI產品經理。影片建議的學習路徑是從最基礎的AI溝通開始，逐步深入到AI的核心能力與應用。

首先，與AI有效溝通的基礎是掌握Prompt（提示詞）的撰寫。高品質的Prompt和任務拆解是確保AI輸出貼合需求的核心，這是一切AI產品的起點。接著，理解AI的「大腦」L.L.M.（大型語言模型）和其「記憶」Context（上下文）至關重要，知道AI的記憶能力範圍（編輯）能幫助產品經理設計更實際的功能。

進一步，影片介紹了賦予AI更強大執行能力的AIG和Agent。AIG讓AI能夠查閱資料庫，提升回答的準確性，適合如智能客服等應用；Agent則讓AI能自主分解目標並執行任務，開啟了如AI自動化助手等更複雜的應用可能性。

最後，影片闡述了AI專業化與易用性的關鍵：Skill（技能）和VoiceCoding（自然語言編程）。Skill能為AI裝載特定的專業技能，處理標準化任務；VoiceCoding則讓非程式背景的人也能透過自然語言指揮AI，大幅降低了AI應用的開發門檻，是AI產品經理需了解的進階概念。

這支影片在說什麼

這支影片旨在為對AI一竅不通的AI小白或產品經理，梳理AI領域中常見且重要的熱門詞彙。它試圖解決AI術語眾多、令人困惑的問題，透過解釋Prompt、L.L.M.、Context、AIG、Agent、Skill和VoiceCoding等概念，讓讀者理解這些概念如何應用於解決實際產品問題。影片適合希望從產品角度理解AI、並成為能實際執行業務的AI產品經理的人。

最重要的 3-5 個重點

1. Prompt是與AI互動的基石： Prompt是與AI溝通的重要媒介，其品質直接決定AI的輸出結果。產品經理必須學會如何撰寫精確的提示詞並拆解任務，以確保AI能理解需求並產生有價值的內容，這是所有AI產品的基礎。
2. L.L.M.與Context決定AI的核心能力： L.L.M.是AI產品的核心大腦，而Context則是其記憶力。理解L.L.M.的運作原理（無需深入技術細節）以及Context的記憶容量（邊界），對於設計AI產品的功能與限制至關重要。
3. AIG與Agent擴展AI的應用廣度： AIG（支持庫）賦予AI查詢資料的能力，使其能提供更豐富和準確的資訊，適用於智能客服等場景。Agent則讓AI具備自主拆解目標和執行任務的能力，能夠實現更複雜的自動化應用。
4. Skill與VoiceCoding推動AI的專業化與普及化： Skill允許為AI安裝特定專業技能，使其能高效處理標準化任務。VoiceCoding則降低了AI應用開發的門檻，讓使用者能用自然語言直接操控AI，無需編程知識，有助於AI技術的廣泛應用。
5. AI產品經理的學習策略應循序漸進： 產品經理無需精通所有AI技術細節，但需要了解不同AI概念的階段性作用，以及它們如何對應解決特定的產品問題。從基礎溝通到複雜自動化，有層次地掌握這些知識，才能有效管理AI產品開發。

知識架構

AI產品經理所需掌握的AI概念進程：

• 第一階段：與AI溝通的基礎
  • Prompt (提示詞): 與AI互動的媒介，讓AI理解並執行任務。
• 第二階段：理解AI的核心與記憶
  • L.L.M. (大型語言模型): AI產品的核心大腦。
  • Context (上下文): AI的記憶能力，記住對話內容。
• 第三階段：賦予AI查資料與自主執行能力
  • AIG (支持庫/支援庫): 給AI配備知識庫，讓AI能查詢資料。
  • Agent (代理人): 讓AI能自己拆解目標、規劃任務並執行。

第四階段：AI的專業化與易用性 * Skill (技能): 給AI裝載專業技能，處理有標準流程的任務。 * VoiceCoding (語音編碼 / 自然語言編程): 用自然語言指揮AI工作，無需學編程。

關鍵概念

• Prompt (提示詞): 和AI交互的重要媒介，用於輸入指令和需求。其撰寫方式和任務拆解的細緻程度，直接影響AI輸出的貼合度和準確性。
• L.L.M. (Large Language Model，大型語言模型): 是所有AI產品的「大腦」，負責核心的智能處理能力。
• Context (上下文): AI的「記性」，指AI能夠記住並理解先前對話內容的能力。了解其「編輯」（邊界）對設計AI應用很重要。
• AIG (AI Group / AI Generator / AI with knowledge base - based on transcript, it implies knowledge base): 給AI配置一個支持庫，讓AI能查詢資料以回答非其本身知識範圍的問題。
• Agent (代理人): 讓AI能「自己幹活」，即賦予AI能力，使其能根據一個目標自動拆解任務並自行執行。
• Skill (技能): 給AI安裝專業技能，使其能專精於處理有標準流程的特定任務。
• VoiceCoding (語音編碼 / 自然語言編程): 指透過自然語言（而非傳統程式碼）來指揮或驅動AI完成工作，降低了AI應用的開發和使用門檻。

重要例子與細節

• Prompt的重要性具體說明： 「輸出給AI的垃圾，它產出的一定也是垃圾。」；「提示詞怎麼寫，任務怎麼拆寫得越細，AI輸出的越貼合。」
• Context的記憶特性： 「記性好能記住上下文，記性差你剛說完它就忘了。」產品經理需要知道AI記憶能力的「編輯在哪」。
• AIG的應用場景： 針對「想做智能客服」，產品經理需要懂AIG。
• Agent的運作方式與應用場景： 「你給目標，它自己拆任務，自己執行。」；針對「想做AI照片出手」，產品經理需要懂Agent。
• Skill的應用原則與實例： 「只要你有標準的任務，萬物都可Skew（Skill）。」；「前段時間開源的同事Skew（Skill）就是這個原理。」
• VoiceCoding的目標： 「用自然源（語言），只會AI幹活不用學編成。」；針對「想做自己的AI應用」，產品經理需要懂VoiceCoding。
• 產品經理的學習策略： 「你不需要全部精通，但你需要知道什麼階段學什麼。」

可學習的洞察

1. 「輸入品質決定輸出品質」的核心思維： 無論AI能力多強大，如果我們無法提供清晰、精確的需求（Prompt），AI的輸出也難以符合預期。這提醒我們要重視與AI溝通的藝術。
2. 理解AI的「大腦與記憶」是產品設計的基礎： 認識到L.L.M.是核心智能、Context是記憶，並了解其能力邊界，能幫助我們設計出符合AI實際能力、而非過度期待的產品功能。
3. 將AI視為可層層疊加能力的工具集： 影片將AI概念從基礎到進階展開，表明每個熱詞都代表AI的一種新能力。產品經理應學習如何將這些能力組合、應用於解決複雜的業務問題。
4. 從「解決問題」而非「追逐技術」出發： 影片明確指出產品經理不必精通所有技術細節，關鍵在於理解這些技術能解決什麼產品問題。這種以應用為導向的思維模式對於AI產品開發至關重要。
5. 「低門檻、高效率」是AI發展的趨勢： VoiceCoding的概念表明，未來AI工具的易用性將大幅提升，讓非技術背景的人也能直接參與AI應用開發，這預示著AI將更加普及。

可行動的整理

• 系統性學習Prompt工程： 練習撰寫不同複雜度的Prompt，並學習如何將複雜任務拆解成AI可執行的子任務，以提升與AI的溝通效率。
• 研究主流L.L.M.的特性與Context限制： 了解不同大型語言模型（如GPT系列、

Bard、LLaMA等）的通用能力和Context Window大小，這對產品設計有實際意義。

• 探索Agent-based AI應用的潛力： 思考如何在當前業務場景中，利用Agent的自主規劃和執行能力來自動化重複性工作或提升決策效率。
• 關注特定領域的AI Skill發展： 若有特定行業背景，可研究是否有相關的AI Skill或標準化任務，思考如何將其引入產品。
• 嘗試基於自然語言的AI應用開發工具： 即使沒有編程背景，也可以嘗試使用提供VoiceCoding或自然語言界面的工具，動手建立簡單的AI應用原型。

複習問題

1. 對於AI產品經理而言，「Prompt」為何是與AI互動的「重要美介」？
2. L.L.M.和Context在AI產品中分別扮演什麼角色？對於產品經理而言，理解Context的「編輯」有何重要性？
3. AIG和Agent這兩個概念分別為AI賦予了哪些新的能力？請舉例說明它們可能解決的產品問題。
4. 「Skill」和「VoiceCoding」如何幫助AI實現專業化和更廣泛的應用？
5. 影片建議AI產品經理在面對眾多AI熱詞時，應採取何種學習策略？

待確認資訊

• Webicoling： 影片開頭提及此詞，但後續解釋的是「VoiceCoding」。從脈絡判斷，可能為口誤或筆誤，實際應為VoiceCoding，但逐字稿原文是Webicoling。
• AIG全稱： 逐字稿僅說明「AIG就是給AI配了一個支持庫讓它能查資料」，未提及其英文全稱。
• 「同事Skill」： 影片提及「前段時間開源的同事Skill就是這個原理」，但未具體說明這是指哪一個開源專案或其具體功能。
• 「AI照片出手」： 影片提到「想做AI照片出手，你得懂這個Agent」，此描述語意稍模糊，可能指AI自動修圖、自動創作影像或其他涉及圖像處理的自動化行為。