摘要：这几年，AI大模型的崛起几乎成了科技圈的年度大戏。它们像是一块块潜力无穷的“原石”，在不断被打磨，逐渐从“通用大脑”走向更加精细、实用的工具。而作为产品经理，如果光是知道模型算力堆得多高、参数多大，仍然会觉得“我有点跟不上节奏”。真正关键的问题是：我们如何利用

这几年，AI大模型的崛起几乎成了科技圈的年度大戏。它们像是一块块潜力无穷的“原石”，在不断被打磨，逐渐从“通用大脑”走向更加精细、实用的工具。而作为产品经理，如果光是知道模型算力堆得多高、参数多大，仍然会觉得“我有点跟不上节奏”。真正关键的问题是：我们如何利用大模型的进化工具箱，把它们变成可落地的产品？

想象一下，公司刚给你配了一位“天才实习生”——一个刚刚出厂的、未经任何定制的通用大模型（比如GPT-4）。他博古通今，能写诗、能写代码，知识储备堪比宇宙

但问题来了，他完全不了解我们公司的业务、不懂我们产品的调性，更不知道我们的用户喜欢什么样的沟通方式

作为他的“导师”和“产品经理”，你的任务就是让他快速成长，从一个“通才”变成能为我们产品创造价值的“专才”。而Prompt工程、SFT和RLHF，就是你手中最重要的三套“培训手册”

Prompt工程其实是最早被产品经理拥抱的一环。其原理并不复杂：通过巧妙设计输入提示，引导模型产出我们需要的结果。少样本示例、链式推理、甚至“角色扮演”都是常见手法；模型自始至终想要的都是“确定性”，如果prompt模棱两可，你得到的回复就如同抽卡一般，阴晴不定

没有用 Prompt 工程的提问

你问：

请帮我设计一个第一次表白剧本。

模型答：

你可以选择在公园散步的时候表白，也可以约对方吃饭时顺便说出心意，还可以写一封纸条递给他。具体形式要看你们的性格和关系，没有固定的剧本。

它从“你要表白”和“你一名导演，需要制作一份表白剧本”中选择了你要表白并进行输出，这就是“不确定性”

使用了 Prompt 工程的提问

你问：

你是一名擅长制造心动场景的恋爱导演，请帮我设计一个第一次表白剧本：场景要日常却有惊喜感，对白不要超过三句，要有细节镜头感，最后留一个反转小动作，让对方记忆深刻。

模型答：

场景：傍晚的书店咖啡角落，两人并肩坐在窗边。

对白：

– 你递给她一本书，说：“翻到最后一页看看。”

– 她看见夹着的便利贴，上面写着：“这本书很好看，但我更喜欢你。”

– 她抬头愣住，你正假装镇定地 sip 一口咖啡，眼神却悄悄期待。她轻轻合上书，把便利贴塞回你掌心，说了一句：“那以后要多陪我一起看书哦。”

我们没有给AI任何新的知识，我们只是通过角色扮演（Persona）、设定情境（Context）、明确任务（Task）和注入情感（Emotion），为它搭建了一个舞台，递上了一份量身定制的剧本，给予了模型想要的“确定性”

泡一杯Prompt速溶咖啡：快、巧，还差点回甘

办公室里常见的速溶咖啡。撕开一小袋粉末，倒进纸杯，加点热水，几秒钟之后，你就能得到一杯带着香气的咖啡，仿佛顿时精神焕发。Prompt 工程在 AI 模型里，就是这类“速效提神药”：不需要重构模型，只要换一种指令提问，就能立马喝到“答案咖啡”

冲泡时粉包里是什么味，就只能泡出什么味。同理，Prompt 工程不修改模型底层，你永远无法通过它把“通用模型”直接变成一个“专业心脏外科专家”

给PM的落地建议：永远从Prompt工程开始！ 它是你探索AI能力的“侦察兵”。在立项任何复杂的AI功能前，先问自己：“这个问题，能不能通过一个极致的Prompt来解决？” 如果80%的需求能被满足，那就先上线，用真实的用户反馈来迭代你的“指令艺术”

还记得你第一次玩格斗游戏（比如《街霸》《拳皇》）的时候吗？

手里拿着手柄/键盘，屏幕上小人站得笔直，你疯狂连按，结果发现格斗家就是普攻挥拳，偶尔还背过身……本来想使出一个龙卷风波动拳，却把自己摁蹲下了

这种“我知道要放大招，但就是按不出来”的痛苦，就是预训练大模型的状态——知识很多、潜能很强，但在特定任务里，动作总是浮夸又不稳定

后来呢？你上网查了攻略，看到“前 ↓ 前 + 拳 = 波动拳”，你开始在练习模式里一遍遍试。前、下、前 + 拳… 最开始手忙脚乱，总是飞出个蹲踢。但练了几十遍之后，你根本不用思考，手指自己就能瞬间完成动作

SFT的原理也是这样，用大量高质量的指令—答案配对数据来训练，让模型学会在某一类任务上表现更稳定、更专业

举个例子，你想让AI变成一个懂法律的“小助手”，就需要准备大量真实的法律问答数据，然后人工进行微调。当用户提问时，它就能给出可靠的法律条款和判例支撑，而不是天马行空的胡乱发挥

从产品经理视角看，SFT是打开垂直场景的关键。无论是医疗问诊、金融大数据分析，还是企业内部知识管理，SFT都能让模型从“全能，但不专”变成“专注且稳定”但“稳定”的代价是高昂的,你得付出标注数据的收集成本，每次业务有变化，还要重新训练和部署。这不像Prompt那样“轻盈”，更像一台沉重但可靠的专业咖啡机

当速溶咖啡不再满足你的味蕾，你就该上 SFT 了

你为了让速溶咖啡尝起来像拿铁，不仅加了牛奶和糖，还写了一份长达三页的冲泡说明书，详细规定了水温必须是87.3度，搅拌必须顺时针转12圈半。你已经不是在喝咖啡，而是在做化学实验了

1.当你的Prompt长得像一篇“免责声明”

为了控制AI的输出，Prompt变得越来越长、越来越复杂。里面充满了各种规则、限制、格式要求和“你一定不要……”、“请务必……”这样的警告。为了修复一个场景的bad case，你又往里打上一个“补丁”，导致整个Prompt像一个巨大的、摇摇欲坠的积木塔

这种“超长Prompt”不仅维护成本极高（改一处而动全身），而且API调用费用和响应延迟也急剧上升。你其实是在用一种外部、临时、低效的方式，去对抗模型内部的自由天性

2.当“品牌调性”和“专业术语”总是差一点味道

无论你的Prompt写得多好，AI生成的文案总是有点“AI味儿”。它无法精准地把握你们品牌那种“在专业中带点小俏皮”的独特调性；在生成行业报告时，它使用的术语总是过于书面化，不够“圈内人”

通用大模型学习的是全人类的平均语言风格，它很难自然地模仿一个特定群体的“黑话”或一个特定品牌的“人设”。你可以通过Prompt让它“扮演”角色，但这种扮演就像一个蹩脚的演员，时常会出戏

3.当输出的“稳定性”比“创造性”更重要

你的AI功能需要稳定地输出特定格式的内容，比如JSON代码、医疗记录摘要、法律合同条款。但即使有Prompt严格约束，AI偶尔还是会“自由发挥”，导致输出格式错误，从而引发下游程序的Bug，或者产生严重的合规风险

给PM的落地建议：当你的AI产品需要从“万金油”变成“专家”时，启动SFT。在启动前，请务必评估你的数据资产。你是否有足够多、足够干净、高质量的标注数据？如果没有，那么数据准备的成本和周期，将是你作为PM必须管理的最大风险

SFT（有监督微调）是一场盛大而慷慨的“赠鱼”仪式。我们捕捞了成千上万最标准的“鱼”——也就是我们精心准备的、高质量的“问题-标准答案”对。我们把这些鱼一条条喂给AI，告诉它：“看，这就是鱼，记住它的样子、味道和纹理”

AI学得很快。它成了一位顶级的“鱼类鉴赏家”。你给它看任何一条鱼，它都能立刻告诉你这像不像我们之前给过它的那些标准样本。它能精准地复制、模仿，表现得像一个博学的渔业学者

但这恰恰是问题的所在。我们创造了一个完美的学者，却不是一个渔夫

当我们将它带到一条陌生的、奔腾不息的河流边，面对万千种可能的水流、天气和鱼群时，它茫然了。河里没有“标准答案”牌的鱼等着它。它知道什么是鱼，但它不知道如何在这片充满不确定性的水域里，亲手钓上一条“好”鱼

这就是SFT的局限，也是RLHF存在的根本意义。RLHF的核心思想，就是停止喂鱼，转而教AI学会“钓鱼”，学会钓“好鱼”

学习渔夫的“直觉”

老渔夫从一天的渔获中，拿出两条鱼，一条鲜活，一条稍次。他对学徒说：“你觉得哪条更好？” 学徒指了指。老渔夫点头或摇头

RLHF做的就是这件事。我们不再给AI唯一的“正确答案”，而是让它生成多个不同的回答（A， B， C， D），然后请人类来扮演“老渔夫”的角色。我们只问一个问题：“你更喜欢哪个？”

我们收集了成千上万次这样的人类偏好（Human Preferences）。AI在这个过程中，不是在记忆“哪条鱼是标准答案”，而是在观察和学习一种更底层的东西——老渔夫在做判断时，头脑中那套难以言喻的“标准”。是鱼眼的光泽？是鱼鳞的紧致度？还是那种只可意会的“生命力”？

通过学习海量的偏好数据，AI内部会慢慢构建起一个“虚拟渔夫”，一个奖励模型（Reward Model）。这个模型，就是AI心中对“渔夫直觉”的数学模拟。它本身不产出答案，但它能像老渔夫一样，看一眼任何一个答案，就能凭“直觉”判断出它有多好

在心中渔夫的指导下，独自垂钓

现在，学徒（AI）心中已经有了一位“虚拟渔夫”作为导师。他被独自留在河边，开始真正的实践

他每一次甩出鱼竿（生成一个回答），钓上来的“鱼”（回答内容），他都会先在心里请教那位虚拟渔夫

这个“独自尝试→内心评判→调整策略→再次尝试”的循环，就是强化学习（Reinforcement Learning）的过程

AI不再依赖外部的“标准答案鱼”，而是通过内部的“渔夫直觉”，在一个充满可能性的世界里进行主动的探索和自我修正。它的目标不再是“复制那条给定的鱼”，而是“最大化地获得内心导师的赞许”

从“鱼类学者”到“智慧渔夫”的蜕变

经过RLHF的洗礼，AI完成了根本性的蜕变

更重要的是，这位“渔夫”还学会了渔的伦理。他知道什么样的鱼太小需要放生（无益的回答），什么样的水域有毒不能下杆（有害的话题），以及在收获和守护生态之间寻求平衡（在有帮助和无害之间找到最佳点）

“授人以鱼，不如授人以渔”。SFT给了AI丰富的知识存量，而RLHF则赋予了它创造知识增量的能力。这正是我们让AI从一个“无所不知的机器”，蜕变为一个“值得信赖的伙伴”的终极密码

给PM的落地建议：RLHF是AI产品的“精装修”和“价值观塑造”工程。 对于大多数初创公司和业务团队，它过于奢侈。通常是平台级、有巨大社会影响力的产品（如通用大模型本身）才会重度投入。在你的产品中，可以思考是否能用“用户点赞/点踩”这类轻量级反馈，去收集数据，为未来可能引入的RLHF做准备

作为 PM，我们常在“短期上线”和“长期打磨”之间跷跷板平衡。调教大模型也一样：不要一上来就追求 RLHF 这种顶配，不要觉得 prompt 很 low——有时候，写一句设计巧妙的提示词，可能就能省掉两个月的开发时间

毕竟，产品经理的终极技能，除了写需求，其实就是——用有限资源，创造出无限可能just do it man

本文由 @-273k 原创发布于人人都是产品经理。未经作者许可，禁止转载

题图来自Pexels，基于CC0协议

来源：人人都是产品经理