AI工作流02 價值導向 Slides
Prompt範例
- 說話的藝術
操作AI實驗
- 角色扮演
- 發揮創意
- Hacking
工業化流程思維
價值問題
- 第一性原理:回歸事物最基本的條件,將其拆分成各要素進行解構分析。
- Context:好的前後文能夠清晰定義目標,界定範圍。
- 明確與具體:問題應該是清晰且具體,甚至可衡量。
- 分解問題:複雜的問題可以分解為更小、更易於管理的子問題。
- 背景知識:結合領域內的背景知識來切割問題,這有助於確定哪些因素是關鍵的。
迭代思維
- 實驗AI的隨機性:嘗試固定prompt觀察AI的行為pattern
- 容錯與學習:接受失敗作為過程的一部分,從中調整直到獲得想要的結果
- 流程優化:持續迭代為AI設計的生產流程
標準化
開發標準化的工具、框架和協議,以便於在不同的領域和應用中重複使用AI解決方案。
- 公規:定義通用的介面,比如使用固定的格式與文字排版。
- 自動化:設計能自動化的節點
- 品管:設計檢驗方式與節點
價值導向
- Richard Feynman: You Should Have 12 Favorite Problems
- Marathon - Long term project
- Sprint - Short term project
- 投入的資源需要跟問題大小成正比
- 複雜問題需要複雜工具
- 避免殺雞用牛刀
- 解決需求舉例
- 軟體工程成本下降 → 需要更多問題域
- 繪師 → 提升參考速度
- 翻譯 → 大規模使用
- 遊戲全語音
- 宮廟現代化
- AI輔助寫日記
理解AI方式
-
觀察 → 假設 → 實驗
- 看AI相關技術說明
- Transformer
- 大型語言模型(LLM)
- RAG(Retrieval Augmented Generation)
-
- 圖片來源: https://twitter.com/sfdxpro/status/1627760386882650112
生產線範例
- 節點替換
- 寫筆記: markdown → Obsidian, vscode
- 心智圖: markdown → markmap
- 寫書: markdown → html → epub/pdf
- 架站: markdown → Jekyll → github website → Slides
- 企劃書: yml → html
- 影片上雙語字幕
商業化案例
問題導向範例
作業
- 價值問題
- 使用
- GPT4
- GPT copilot
- DALLE 3
- GPTs
- 影片