文章主题：ChatGPT, GPT产品模式,商业化风险
🌟AI产品经理实战分享🔍——ChatGPT深度探索与商业挑战💡🚀两个月的实战旅程，我以一名AI产品经理的身份，深入剖析了ChatGPT的魔法世界。在这个过程中，我梳理出四大产品模式，揭示其核心功能与创新之处。👩💻首先，我们探讨了GPT的全能助手模式——它如何通过强大的语言生成能力，为教育、创作和客户服务等领域提供高效解决方案。📚🎨接着，我实践了4个小项目，每个都巧妙地融入ChatGPT技术，从内容生成到自动化任务执行，展现其无限可能。💻📈然而，商业化道路上并非坦途，我识别出4个潜在风险：数据隐私保护、版权问题、以及与已有AI系统的竞争压力。🛡️📝对于对ChatGPT感兴趣的你，这不仅是一次技术的洗礼，也是对未来趋势的洞察。让我们一起探讨，如何在拥抱科技的同时，规避这些挑战。🤝📚#ChatGPT总结#AI产品经理经验分享#商业风险探讨
以下是从 AI 产品经理的视角，对最近 2 个月学习使用 ChatGPT 的总结，包含 4 类 GPT 产品模式、4 个我做的小项目、4 个商业化风险。
4 类 GPT 产品模式是：Prompt 类、Embedding 类、Fine-Tune 类、LLM 类
4 个 GPT 小项目是：内容生成、做个小程序、Embedding 类项目、尝试 Fine-Tune 自己的 GPT
4 个商业化风险是：GPT 迭代速度太快了、数据安全问题、内容审核、OpenAI 政策问题
一、4 类 GPT 产品模式
结合这段时间的项目经验，我把目前 chatGPT 类的产品化模式分为四类，由简单到复杂介绍一下。
1. Prompt 类
仅使用 chatGPT，这一类是最常见，也是商业化做得最多的。
核心是利用 Prompt 引导去生成内容，比如日报生成器、小红书标题生成器、英语学习等，上面这个图片是我发现整理比较好的，另外也推荐下【外语易学堂】小程序，可以学习 52 种外语
2. Embedding 类
向量数据库 + 搜索 + chatGPT。强烈推荐大家重点看这个方向！无论是私人助理，还是智能客服，只要是结合自有知识生成回答的项目，都绕不开这个方案，产品化空间很大，我自己也是花了最多时间在这个方向。
截图是鼎鼎大名的 chatPDF 项目，技术方案大致如下：
文本切割 : 将自有的文档或知识，切割成一小块一小块的，每一块都向量化（可以用 OpenAI 的 Embedding 接口），返回这段文本的 embedding 的向量数据。存储这些数据，并且保存好对应关系。
用户提问 : 将用户提的问题也向量化，拿到问题的向量数据。
搜索向量 : 计算相似度。用问题的向量，在之前切割的所有向量数据里，计算和问题向量相似度最高的几个文本，可以直接使用余弦定理。
调用 ChatGPT: 将搜索到的知识和用户提问拼在一起，加上一段准备特殊的 prompt（例如：使用以上内容回答以下问题 ），去调用 ChatGPT 接口，生成回复。
🌟技术攻略看似简洁，实则藏着密不透风的细节满满！接下来，让我以实战角度带你揭秘那些隐形挑战。💡从理论到实践，每一步都需要精确无误。想象一下，每个螺丝钉的位置都至关重要，稍有差池可能导致整个系统运转失常。🛠️别怕，我会用实例说话，详述我在操作中遇到的坑和应对策略。📚记住，细节决定成败，每一个小步骤都不能掉以轻心。📝让我们一起深入探讨，避开那些可能绊倒新手的陷阱，迈向技术高峰！🚀
3. Fine-Tune 类
🌟训练个性化GPT，打造独一无二的销售伙伴🔍。想要销售机器人能像顶级销售人员一样，亲切又专业地与客户互动？那就着手Fine-Tune专属于你的定制版吧！ChatGPT虽强大，但其灵活性还需提升以满足特定风格和产品知识需求。🔥让每个聊天都展现个性魅力，让每一次沟通都直击心灵深处！🚀
🌟【成本与技术挑战】💡虽然GPT-3的Davinci模型训练数据量庞大（约1亿），价格不菲，高达5万人民币，且部署服务还需额外付费，但这高昂的成本确实是个不小的阻碍。🚫遗憾的是，GPT-3.5并不支持Fine-Tune，进一步增加了操作复杂性。然而，优化路径并非单一。💡Azure团队分享了他们的经验，即使不用Davinci，Ada模型在某些分类任务上也能表现出色，性价比同样可观。我们也有过类似的探索，虽然过程曲折（涙流满面），但结果或许能带来惊喜。待后续有机会深入探讨具体效果和优化方法时，会带来更多实用的见解与实例。📚记得关注，获取更多AI技术的最新动态！
4. LLM 类
🌟🚀打造专属超模型，掌握未来AI先机！💡🔥自定义训练，开启创新之路！无需受限于大公司的专利，小团队也能在开源浪潮中翱翔！🔍Meta的LLaMA开源是个好消息，但别急着上马，非商业项目挑战不小。🎓Stanford Alpaca的研究提供了参考，但版权问题至关重要，每个开发者都应谨慎对待。💡版权法律，前行路上的守护者。虽然我并非专家，但版权知识不能忽视，这一步绝不能草率。🛡️🚀如果你对AI充满热情，不妨从小规模开始，一步步探索未知，未来属于那些敢于尝试的人！💪#预训练模型 #AI创业 #版权法律
二、4 个我做的小项目
1. 内容生成
🌟🚀最直接且高效的创作方式就是内容生成大法！为了检验GPT的神奇力量，我巧妙地设计了一个实战测试：通过它生成文案，搭配剪映快速制作，批量产出视频内容。仅需两天磨合，我就熟练到能在15分钟内稳定产出40秒短视频的节奏。两周的时间，共创作了40条视频，收获满满的反馈，点赞数破xx，粉丝量翻倍！从此，我爱上了这种高效便捷的创作方式，不再局限于某个点，而是持续前行。😊
2. 自己做了一个学外语的小程序
疯狂使用 GPT 尝试不同的应用场景后，我发现教育是非常适合 GPT 特性的，也特别适合个人开发者。因为开发比较简单，我就自己顺手做了一个学习 52 种外语的小程序——外语易学堂，能纠正语法错误，可以模拟一个私人教练一样和你展开沟通，特别适合社恐星人，再也不用去英语角了。
3. Embedding 类的项目
这个是我们参考 chatPDF 做的一个尝试，在在实际使用时候，效果也确实很好，怎么提问都能生成合适的回答。步骤简介在上面说过了，下面我结合业务实际使用情况，分享下当前存在的问题，包括且不限于：
富文本处理：这个是最大的问题，目前公开的 GPT3.5 是不支持富文本识别的，比如客户上传一个图片询问如何处理，这种答案就无法回答，15 日公开的 GPT4 暂时也没开放图片输入的能力，等 OpenAI 发布新版本后我们会再次修改产品。
多轮对话：这个是第二大的问题，GPT3.5 支持的最大 token 数是 4096，实际应用中 4 轮左右的对话就会触及上限了，继续提问就会出现 ” 遗漏记忆 ” 的情况。这部分我们也和 Azure 的同学专题沟通过，他们也没有什么特别好的办法，不过好消息是 GPT4 的 token 长度增大了不少，但是价格也太贵了，用不起用不起。
其他：知识的时效性、知识权重、内容过滤、Embedding 的工程化问题等，细节其实很多，大家想看下次单独起一个文章。
4. 尝试训练自己的 GPT
因为 GPT3 没开源（我们也微调不起），就想着是不是可以利用 GPT2 + RLHF 试着做一个特定小领域的 chatGPT，经过近 20 余人连续 1 周几千次的标记，结论是 xxxx（回头再说吧，都是辛酸泪，单标注平台的设计就很麻烦了）
三、4 个商业化问题
回头看这 2 个月以来的产品化路径，心情是跌宕起伏的。最开始激动不已，感觉 AGI 终于要到来了，但当从商业化、产品化角度去考验 GPT 时候，又发现一堆的问题，有些沮丧，再到后来 OpenAI 不断释放最新的接口，商业化似乎又可以期待了，类似情况循环往返，现在终于到了比较平静的状态，总而言之吧，前途是光明的。这里列举一下我碰到的商业化问题。
1. GPT 迭代速度太快了
这看起来是一个好事，但其实也是一个头疼又幸福的烦恼。经常是你一个商业模式刚开始做，GPT 就出了新版本了，以前的东西就要重新思考。比如一开始没有发布 GPT-3.5-Turbo 模型，做产品时候要用 session 的方案去模拟请求，后来发布了 GPT3.5 的 API 后，产品又要重新开发。
又比如多模态问题，这个 GPT4 发布后看起来解决了一部分（要测试一下才知道），但注定又要重新设计产品。快速迭代的模型是好事，但至少现阶段来看，是不利于发展成熟的商业模式的，大家不太敢大规模投入，可以参考 jasperAI 和 Grammarly 的情况。
2. 数据安全问题
经过和微软 Azure 的反复确认，目前OpenAI 是没有在国内部署服务器的，也就是说你所有的请求内容都要出国，送到美国的服务器处理。这个大公司尤其敏感，也就注定了百度文心一言会有市场，如果你在大公司，就要仔细考虑下了。
3. 内容审核
如果要做商业化，对输出内容的 zz 审核及敏感内容过滤是一定要注意的，建议 GPT 生成的内容再过一遍审核服务，避免别人爆破你的服务，输出一些不安全的内容。
4. OpenAI 政策问题
3 月初开始，OpenAI 的 API 地址就被墙了，需要自己想办法。另外上周开始，OpenAI 封禁了一批 ” 非法请求 ” 的账号，从国内 / 香港等 OpenAI 不支持地区的访问，将会被封禁账号，具体自己看 OpenAI 的政策。我当时收到的邮件如下：
四、有趣产品分享
下面是几个非常有趣的产品推荐，他山之石可以攻玉，朋友们看一下：
五、参考资料
1. 如何体验 chatGPT
最小白的问题其实也很重要，如果你已经会使用 GPT 了，直接跳过。
国内直接用： 推荐【阿旺机器人】小程序，这个是 BaixingAI 公众号开发的，使用最简单，国内就能用。
OpenAI 官方： 直接点这里，用起来比较麻烦。
API访问： 注册账号，拿到 API key，使用 https://chatx.me、OpenCat 等访问，注册方法自己搜索吧。
2. GPT 原理学习
有点基础的可以直接看以下内容，再次说明，这个是产品经理视角的，算法工程师们请直接看论文：
先看这个：大规模预训练语言模型总结：ELMo、GPT、BERT、XLNet
再看这个：【RLHF】训练 ChatGPT
3. 几个好的开源项目 / 论文
ChatGPT 中文调教指南：大量的中文调教 prompt，很实用。
微软的 Visual ChatGPT：连接 ChatGPT 和一系列视觉模型，以实现在 ChatGPT 的聊天过程中发送和接收图像。
Meta 推出的 Toolformer：让 LLM 自己学会使用工具，在实际业务中，很多场景是需要机器人自己调用外部工具的，期待早日成熟。
本文由 @FakeFelix 原创发布于人人都是产品经理。未经许可，禁止转载。
题图来自 Unsplash，基于 CC0 协议。
该文观点仅代表作者本人，人人都是产品经理平台
AI时代，掌握AI大模型第一手资讯！AI时代不落人后！
免费ChatGPT问答，办公、写作、生活好得力助手！
扫码右边公众号，驾驭AI生产力！
相关文章
