做AI产品两年，我得出的实操经验

100 0 0

文章摘要

在AI时代，构建AI产品面临诸多挑战，其中提示词工程的重要性被极大低估。AI产品与传统产品的核心区别在于，AI产品不仅需要完成传统产品的功能，还需执行以往只能由人类完成的任务，这导致了范式转移。以Cursor为例，它通过任务分级、任务完成和交互方式的设计，成功解决了三端关系，成为2024年最优秀的AI产品之一。

提示词工程的核心在于Prompt也是代码，因此需要像对待代码一样进行测试和版本管理。Prompt的测试包括格式正确性、功能Baseline、人工评测结果和放权四个方面。通过pydantic严格校验和batch evaluation，可以确保Prompt的输出格式和功能正确性。同时，模型的上限取决于人对结果的要求，因此需要为模型提供足够的上下文信息，而不是过度依赖复杂的Prompt技巧。

在设计AI产品时，Flow Engineering的概念变得越来越重要。它强调通过整体系统设计完成任务，将复杂任务拆分为多个简单任务，每个任务由单一节点实现。随着模型更新，可以将多个小任务合并为大任务，从而避免过度设计。此外，AI产品团队需要具备紧密配合的能力，产品与开发的界限逐渐模糊，团队需要共同设计架构、调试Prompt和编写代码。

AI产品的构建过程中，快速做出Demo至关重要。只有通过实际演示，才能明确产品的最终形态。AI产品团队应具备创造能力，能够拆解任务、编写Prompt并探索新的业务场景。随着AI技术的不断发展，我们正在见证新范式的出现，这为年轻人提供了前所未有的机会。

总结而言，AI产品的成功构建依赖于对提示词工程的深入理解、Flow Engineering的系统设计以及团队的紧密合作。通过不断探索和实践，AI产品将能够更好地服务于用户，推动技术的前进。