这个视频开始,我将围绕AI的流程图进行分享,计划将内容分为三个部分。

 

首先,我会对比国内外十个主要的AI大模型,生成流程图,并评估它们的质量和效果。第二部分将探讨流程图的结构化提示词的实践,包括设计和应用,最终生成令人满意的结果。第三部分则会提供关于流程图的审查和优化建议,探讨如何利用AI进行流程图的改进和错误检查。

接下来,我们将讨论第一个部分。
我们会从最基本的提示词应用开始,使用一个提示词生成国内七个主要AI模型的流程图。同时,我们也会使用ChatGPT等三个模型进行流程图的生成。
生成完流程图后,我们将设计一个结构化的提示词,让这十个AI大模型对生成的流程图进行分析和评分。评分标准将从七个方面进行评估,以全面分析每个流程图的质量和潜在问题。最终,我们将得出结论,明确哪个AI模型表现较好,哪个则较差。

 

流程图生成提示词

 

我的提示词是这样的:首先,大家应该比较熟悉的是Mermaid流程图,我们的目标是生成一段Mermaid代码,并利用这段代码渲染出一个流程图。接下来,我提供一个功能需求描述,这个需求是我之前做过的一个实名认证功能模块。我希望AI能够将这个功能需求绘制成流程图。

这是一个简单但具体的提示词。

然后,我将这个提示词原封不动地输入给十个AI大模型,确保每个模型都接收到相同的内容。接下来,我们可以看到十个大模型生成的流程图。

我把十个流程图做成大图,可以点开查看

 

流程图对比提示词

 

 

要详细快速的将流程图进行对比和分析,最高效的方式是让AI大模型来完成对比和评分,因此我设计了一个结构化的流程图对比提示词

写这个提示词其实是有点技巧

首先,我先给AI大模型介绍一下这个问题的背景,我想要做的事情是,让多个大模型根据我的提示词生成流程图,我给出了具体的提示词,我希望AI根据这个提示词和我提供的由十个AI大模型生成的流程图,进行理性分析、综合评估和对比。在对比时,需要依据七个因素进行详细比较,每个因素我都给出详细的定义。

接下来,我需要让AI对流程图进行评分,在评分时,我会告诉AI标准:达到某种程度的表现被称为“良好”,更高的表现称为“优秀”,而一般的表现则被称为“一般”,表现不佳的称为“差”。这些评分标准涵盖了七个因素的评判标准。

最后,我要求AI将对比结果输出为一个表格,并根据模型的整体质量进行排序,再根据最终的评判结果,指出哪个模型表现最差,哪个模型表现最优秀。同时,还需要提供详细的分析原因。

这是我的提示词,我花了时间和精力写好的。

接下来,我让AI大模型帮我完成了10个流程图的对比和评分。

 

 

大模型对比结果

 

1、KIMI

2、通义千问

3、豆包

4、智谱清言

5、讯飞星火

6、腾讯元宝

7、GPT4

8、GPT4o

 

AI模型的特性和差异

 

我提供的提示词都是相同的,但每个模型生成的流程图和对比结果却千差万别,风格各异,有的优秀,有的则不尽如人意,这是到底是为什么?

这是一个重要的观察点,在进行对比时,我已经向它们说明了背景、目的以及对比的要求,包括期望的输出结果和信息量。然而,不同模型对这些信息的理解和处理逻辑却大相径庭。

我的感受是,这十个AI模型就像十个程序员。当你向他们讲解需求和原型时,每个人的理解重点都不一样。有些人认为文档写得很好,有些则觉得很差;有些认为原型设计出色,而有些则觉得不够好。这种差异的原因在于每个模型的侧重点不同,它们训练时使用的数据、模型特点,以及训练时间和数据量等因素都各不相同。

AI模型的特性和差异主要体现在以下几个方面:

  1. 训练数据和领域专长

    • 不同的AI模型在训练时使用的数据集和领域专长不同。有些模型偏重于编程,有些偏重于逻辑思维、文字理解或代码处理。这些差异导致它们在处理特定任务时的表现不同。
  2. 理解和处理能力

    • 各个模型在理解和处理用户输入时的逻辑和重点不同。例如,某些模型可能在生成流程图时能够更好地处理逻辑分支和细节,而其他模型可能在数据分析方面更为出色。
  3. 输出质量和侧重点

    • 即使给定相同的问题和提示词,不同模型生成的结果可能会有很大差异。某些模型可能在准确性、逻辑性和细节处理方面表现优异,而其他模型可能在创意或速度上有优势。
  4. 适应性和泛化能力

    • 模型的适应性和泛化能力也有所不同。某些模型可能在特定类型的任务上表现很好,但在其他类型的任务上可能表现平平。这取决于模型的训练目标和数据集的多样性。
  5. 用户体验和交互方式

    • 用户与模型的交互方式和体验也会影响对模型的评价。有些模型可能在用户界面和交互设计上更为友好,使得用户更容易获得满意的结果。

AI模型之间的差异主要源于它们的训练数据、设计目标和应用场景的不同。选择合适的模型取决于具体任务的需求和用户的偏好。通过比较和评估不同模型的表现,用户可以找到最适合自己的AI助手。

AI模型的选择和使用

选择和使用AI模型并没有绝对的正确答案,无法简单地说哪个模型好,哪个模型不好。我们这次只是针对固定的提示词和问题进行了对比和分析,最终得出的结论是,GPT-4表现最佳,而在国内,百度和KIMI的模型表现也相对出色。

在绘制流程图时,这些模型的表现确实令人满意。但如果我们换一个问题,就像在需求分析时,程序员A可能对某个功能的理解感到困难,认为设计不够好;而在评审另一个功能时,他又可能觉得设计非常出色,写得很细致、易于理解。这说明即使是同一个人,对不同功能点的理解也会有所不同。因此,我们这次的评分仅限于特定的问题场景。

假设我们换成一个数据分析的流程图,结果可能会有所不同。此时,某些模型,如通义,可能表现更好,而ChatGPT的表现反而不佳。因此,在使用AI大模型时,我建议大家至少熟悉这十个模型中的几个,了解它们的特点和适用场景。然后,根据你的工作属性和常见问题,选择两到三个模型作为你常用的AI助手。

使用这几个模型后,你会发现它们的回答各有不同,彼此能够互补。每个模型在解决问题时的思路和侧重点都有所不同,这样可以让你对待问题的思考更加全面。因此,不要仅仅依赖一个AI模型。只使用一个模型,你可能会局限于它给出的答案,而不同模型的多样化回答就像有多个顾问在帮助你分析问题。

这才是正确使用AI大模型的思路和方法。

希望这次分享能帮助大家建立对AI的基本概念和应用思路。没有绝对优劣的模型,但确实有表现更好的和稍逊一筹的选择,关键在于你的选择和应用。

在这次测试中,我对两个模型感到意外,一个是KIMI的模型,它是完全免费的。另一个模型是文言一心,它提供的流程图答案让我有些意外,超出了我的预期。而GPT-4的表现则在预料之中,令人满意。至于GPT-4 Mini,我觉得表现中规中矩,水平相当于小学生。

希望这次的实践分享对大家有所帮助。


 

下面是老陈最新设计的AI课程,专为产品经理量身打造,基于我在过去半年的丰富实践经验和深入研究,将这些实战的经验转化为实用的课程内容。课程的核心目标是提升产品经理在工作中有效运用AI技术和工具的能力,注重实践操作和即时应用,旨在帮助解决产品经理在日常工作中遇到的实际挑战。

老陈正在ALL IN AI大模型,致力于利用AI技术解决产品经理工作场景中的各种痛点和问题,自己开发AI应用和工具,给出解决方案和实践。

AI不再是未来,它已经融入了我们的日常工作中。作为产品经理,我们必须积极参与这一变革,主动学习AI技术,探索其在工作中的应用。

AI赋能产品经理,做AI时代的践行者

如果你对AI的工作实践感兴趣,可以加AI产品群,一起学习,一起成长

主题授权提示:请在后台主题设置-主题授权-激活主题的正版授权,授权购买:RiTheme官网

关于下载

本站分享的产品前端、B端竞品和所有付费资源,均不是该资源的价格,本身资源是不用付费的,这是赞助知识库资源模板的收集整理、服务器维护的基础开销费用!


免责声明

1、本站分享的产品前端、B端竞品和产品知识库主要来源于网络的公开信息,均为网络搜索,微信缓存,免费下载,互联网平台整理而来,产品知识库的资料文档仅限用于学习交流。如若有侵权你的知识版权的嫌疑,请及时告知我们,我们会在24小时内进行删除。联系管理员:2841552294@qq.com
2、上述资源和模板的知识产权及相关权利归作者及制作公司所有。
3、上述资源和模板仅供学习参考及技术交流之用,未经源码的知识产权权利人同意,用户不得进行商业使用。
4、上述资源和模板如需商业使用,请自行联系源码知识产权权利人进行授权,否则,我们将积极配合作品知识产权权利人 一起维权。
5、上述资源和模板如有侵犯您的知识产权,请您立刻联系我们,我们会在24小时内做删除下架处理。