技术思考:学习笔记与行业观察

记录从理论到实践的思考,分享技术学习和行业洞察

学习笔记

以终为始:AI应用要问题导向

2026年2月21日

Prompt让大模型更靠谱

2026年1月29日

Function Call理解: 让LLM与外部世界连接

2026年1月22日

RAG 入门理解:让LLM具备长期记忆

2026年1月21日

Markdown介绍

2026年1月20日
产品随笔
热门

以终为始:AI应用要问题导向

输出定义一切

2026年2月21日5分钟

万事万物都遵循一个基础范式:

输入(Input) -> 处理(Process) -> 输出(Output)

也可以解读为:

  • 事实 -> 系统 -> 结果
  • 在哪里 -> 怎么去 -> 去哪里
  • y = f(x) // x是输入,f是处理函数,y就是输出

在这个链条中,最核心的是什么? 是你要知道自己希望得到的 “输出”、获得的 “结果”、去往的 “终点”。 这就是 目标

一、输出定义一切

大多数人的误区在于从“输入”开始思考(我有什么资源?),而高手总是从“输出”倒推(我要什么结果?)

如果你定义的输出越是模糊,你获得的结果必然更加模糊

当目标清晰时,路径自现。例如:

场景痛点输出目标输入处理
会议管理会后花费 2 小时写纪要,耗时耗力费脑5 分钟内生成完整、准确、结构化的纪要(含待办)会议主体、邀约、音频、公司文档自动总结:需满足时效性、准确性评价、结构化输出
代码接手历史项目无文档,代码如山,理解成本极高产出项目分析报告:含技术架构、代码逻辑、潜在风险坑点项目代码库智能分析:自动梳理依赖关系与逻辑链路
邮件处理未读邮件堆积,长邮件难懂,决策耗费精力精准筛选相关邮件,自动输出待办事项及优先级邮件列表智能过滤:提取关键决策点,屏蔽噪音

搞清楚“输出”与“输入”,是产品经理的核心任务。 一旦两端锁定,中间的“处理”环节就有了优化的标尺。

二、处理的重构

当输出(目标)和输入明确后,接下来就是设计“处理”环节。 这是获得输出的手段,需要综合考量:效率、成本、可行性、风险、时间、以及感性因素(喜好、情绪)。

处理的核心变革在于流程与分工的重组。在 AI 时代,这意味着人机协作边界的重新划分。比如

案例 1:批改作业(效率提升 15 倍)

  • 目标:将批改一张三年级数学卷子的时间从 30 分钟 压缩至 2 分钟。
  • 输入:孩子完成的作业图片。
  • 旧流程:人工阅读题目 -> 人工计算 -> 人工对比答案(单人全责)。
  • 新流程:
    • 阅读题目与答案识别 -> OCR 技术
    • 计算与逻辑验证 -> 大模型
    • 结果对比与错因分析 -> 大模型
    • 最终确认与情感鼓励 -> 人工

案例 2:热点营销(周期从 1 天 缩短至 30 分钟)

  • 目标:从获取热点新闻到发布小红书文案,耗时从 1 天 (0.5 人/天) 降至 30 分钟。
  • 旧分工:热点抓取 (RPA) -> 关键字提炼 (人工) -> 商品匹配 (人工) -> 文案制作 (人工) -> 审核发布 (人工)
  • 新分工:热点抓取 (RPA) -> 关键字提炼 (大模型) -> 商品匹配 (大模型) -> 文案制作 (大模型) -> 审核发布 (人工)

目标的达成不再依赖“更努力地工作”,而是依赖“更智能的分工”。

三、产品经理的终极修养

在 AI 技术爆发的今天,我们不再缺乏“处理”能力,我们缺乏的是定义“输出”的能力。

目标模糊,则流程混乱。

输出清晰,则算力可为。

产品经理的核心价值,不再是画原型或写文档,而是:

精准定义输出:明确我们要交付什么价值。

重构处理流程:利用新技术(如 AI)重新分配人与机器的分工。

不要做流程的苦工,要做结果的设计师。 先想清楚要去哪里(目标),再决定怎么去(处理)。

5 篇笔记 • 最后更新: 2026年2月21日

所有笔记

以终为始:AI应用要问题导向

热门

输出定义一切

2026年2月21日5分钟

Prompt让大模型更靠谱

热门

从“脑补大神”到“靠谱助理”:给AI的指令如何让它不吹牛、办实事

2026年1月29日5分钟

Function Call理解: 让LLM与外部世界连接

热门

让LLM与外部世界连接

2026年1月22日8分钟

RAG 入门理解:让LLM具备长期记忆

热门

让LLM具备长期记忆

2026年1月21日8分钟

Markdown介绍

热门

Markdown格式的渲染效果,包括标题、列表、代码块、表格等

2026年1月20日5分钟