产品经理验证 prompt 效果可以参考以下方法:
“干线物流自动驾驶“目前在自动驾驶领域是一个很火的方向,那么现在我们就以这个方向作为例子,假装自己是一家干线物流驾驶公司的产品。来看看应用场景1,由于我们现在假装自己是一家干线物流自动驾驶企业的产品,可以在需要chatGPT辅助我工作前先运行这条prompt:"我们公司研发L4级别的自动驾驶卡车系统。我们的车辆拥有一辆L4自动驾驶车辆所需要的算力,传感器与能力,但是目前车上会有司机作为安全员,自动驾驶系统会辅助司机的驾驶,帮助卡车司机开车更轻松,更安全,更节油。我将提供产品经理日常工作中的一些实际问题。这可能涉及设计具体的自动驾驶功能,进行数据分析,分析具体的行驶场景并提供有效的反馈等。你能够明白这件事吗?”这个例子中,我们告诉了ChatGPT宏观的业务背景,并顺便检验了prompt的效果。在读到上面的内容后,ChatGPT就自动代入了自动驾驶产品经理的角色。后文的所有其他例子都是在ChatGPT进入角色的前提下进行的。我们来详细拆解这条prompt的设计:1.阐述背景,点明当前的业务范围及业务目标:“我们公司研发L4级别的自动驾驶卡车系统。”然后进一步告知当前业务的细节:“我们的车辆拥有一辆L4自动驾驶车辆所需要的算力,传感器与能力,但是目前车上会有司机作为安全员,自动驾驶系统会辅助司机的驾驶,帮助卡车司机开车更轻松,更安全,更节油。”告诉chatGPT大致的任务范围:“我将提供产品经理日常工作中的一些实际问题。这可能涉及设计具体的自动驾驶功能,进行数据分析,分析具体的行驶场景并提供有效的反馈等。”2.确定效果,我一般会反问一句它是否理解,以此来检验传达的信息是否清楚,有没有被正确地理解。下面是场景1的运行结果:△场景1的运行结果
然后为每个子任务设计专门的Prompt,最后整合结果。市场分析:目标用户群体定义,竞品分析产品特性提炼:核心卖点,与竞品的差异化渠道策略:线上线下渠道选择和资源分配创意概念:广告口号,视觉主题预算规划:各环节的成本估算和ROI预测持续学习和实验Prompt工程是一个快速发展的领域,需要不断学习和实验:关注行业动态:定期查看Anthropic的官方博客和更新日志。参与社区讨论:加入相关的在线论坛或社区,与其他Prompt工程师交流经验。建立个人实验日志:记录你的Prompt设计,分析成功和失败的案例。跨领域学习:吸收其他领域如产品设计、用户体验、项目管理的思想,丰富你的Prompt设计思路。建立评估体系创建一个系统来评估你的Prompt效果:通过这个循环反馈的过程,你可以不断优化你的Prompt设计技巧。定义成功标准:如准确性、相关性、创新性等。实施A/B测试:对比不同Prompt设计的效果。收集反馈:如果可能,获取最终用户对AI输出的评价。
如果提示词效果不符合预期,可以和AI再进行几轮对话,调整输出结果。最终通过询问AI“怎么样修改现有的Prompt,可以让你稳定输出当前的预期”,来进行Prompt的迭代。得到Prompt后,可以新开1个AI对话,把Prompt输入到对话中,开始验证Prompt的可用性和稳定性。例如输入MECE法则,进行测试,AI制作闪卡如下:可以看到,仅靠着Prompt,整个知识卡片的生成的结果,能够快速帮助我们理解一个全新的知识概念,完美符合预期,大功告成?~