8 小时
10个AI应用demo
13个参考案例剖析
36个头脑风暴idea
60名产品经理与开发工程师
100页ppt分享我们所有的经验与认知
工作坊环节讨论的时候大家吵到停不下来，全程欢乐不断，又透露着一些紧张 ：
-
头脑风暴时大家在嬉笑声中极限拉扯，领导一旁笑而 不 语
-
开发环节产品经理手打/机打评 估数据集 ，开发工程师奋笔疾书提 示 词
一个小时后，他们需要向所有人展示自己团队的成果。这样场面我想管理者们可以直接在现场选场景、选人了 。
这是我们最近正在给中大型企业做的AI工作坊培训，主要面向开发、产品经理的同学，目标是让一个大团队内所有人完成一次认知刷新，在企业里一线人员心中播下的创新种子，激发上层管理的思考，然后推进AI产品在企业中落地。
因为通常来说：在新技术革命起步阶段，要做出切实有用的新技术应用实践，更需要自下而上的群体驱动，而不是自上而下的个人安排式驱动。
与此同时，我们自己的产品Chat2API仍然继续在做，并且做这场AI培训也是受Chat2API驱动。目前Chat2API已经有付费的企业用户，项目在内测中，客户也在同步做他们的全新改版，改版后我们来和大家一起汇报。如果顺利的话，我们希望在年底能尝试海外市场。不过今天主要和大家说说我们为什么、如何做企业AI培训，以及这个过程中我们的收获。
Why：为什么要做
我们最初向投资人、客户路演chat2API的时候，发现一个有趣的事情：
- 有AI开发背景的同学极其赞同我们的想法。
- 而企业的管理者却不理解它能带来什么好处。（这确实说明我们做得还不够好）
不过我们的专业程度引来了管理者的兴趣，于是就提起：“能不能把chat2API放在一次培训中来讲，他们可以付费。”
我们抱着试一试的想法开始了这样的尝试，其中chat2API在8小时的培训中作为“友情出演”的角色，有几分钟的串场，我们会提到：
-
Chat2API的准确率和响应速度是如何提升的？
-
Chat2API在企业的AI建设中会起到什么作用？
于是，我们的培训就这样被客户和Chat2API的推着开始做了。但做着做着，我们发现：这不仅是将我们对AI的认知给客户做一次完整输出，也让我们对Chat2API未来的使用场景有了新的认识，比如Chat2API需要更面向结果交付。
所以这件事我们会持续做下去，同时我们的培训所得收入，也能为将来推广、研发Chat2API积累一些资本（我们在对接了一些早期投资机构之后，目前不打算融资）。
What： 培训内容
目前为止我们的客户都是几家上市公司，行业覆盖能源、金融、通讯领域。
培训一般会持续一整天，由我和我的技术伙伴共同主持。最近我才知道我的伙伴不仅是某大厂连续三次绩效A + S(super)，而且还收获了集团级奖项，实打实地给他带来了几十万的员工股票激励，就是传说中的十倍速开发者。
我们一整天的安排分上下半场。
一. 上午理论+方法论+经验总结。
我们会从250年的技术革命演变规律谈起，讲到以下内容：
-
AI时代相较于互联网时代的认知刷新。
-
产品经理在AI时代的新能力模型。
-
发现、设计AI产品的几种方法。
-
AI团队中产研如何协作。
-
企业A I的体系化 建设。
-
AI产品的商业 化。
-
Deepseek V4的发展方向对AI落地还将带来哪些影响。
期间会伴随着丰富的案例剖析、互动、 问答。
二、下午分组工作坊实战。
我们会模拟真实工作场景的人员配置，每组有业务、产品经理、开发工程师，大概3-8人/组。具体步骤包括：
- 工作坊前我们会针对一个企业场景，递进式的开发出2-3个Agent案例。
- 现场，我们首先手把手带大家体会这个Agent的演进过程，带入企业内部场景。
- 随后组织各组头脑风暴，确定场景后进入开发。
- 最后按照我们上午方法来构建AI应用并上台demo展示。
这样保证参与的每一个人都会亲手搭建Agent应用， 既有合作，又有思想碰撞 。也因此我们推荐一次培训的规模保持在30-80人左右。
其中所有的案例剖析、示例都是根据企业自身情况来展开。比如金融领域内，我们会找到领域内的近十个国内外案例进行剖析， 我们示例会拉出企业自身的应用来提前开发出一个Agent示例。
为此，在培训前的半个月，我们会和客户方的AI技术、业务总监做一次深入访谈，以方便我们做定制化的案例分析、方案复刻。
在培训后的三天，我们会给出培训相关考题，工作坊环节所有项目的综合评述、亮点和改进建议。 老板们就可以拿着这份报告想想后面找哪些人，聚焦做哪些事儿了。
整体的培训准备时间需要半个月左右，既然开始做，我们就是做精品，在共同的学习、准备中大家一起成长。
事实上，我们也确实收获了更多的场景和开发中遇到的问题。
我们的收获
我们认为：
-
真正做过之后发现的场景才是真场景。
-
真正做过之后发现的问题才是真问题。
AI应用开发需要放下夸夸其谈的道听途说，而真场景、真问题就是我们和客户共同的收获。
收获一：AI应用落地瓶颈已不在模型，而在AI应用可用资源和开发能力
模型成本在极速下降，能力却越来越强，意味着落地瓶颈已经不在模型。
成本在极速下降的意思是，LLM 的Token消耗成本在用户量可控的企业级应用中，已经和云资源的成本差不多了，“用了deepseek之后，感觉就跟没用似的” — 这是培训场下的一位产品经理的原话。
能力越来越强的意思是：在一般企业场景中（无复杂科学推理），只要给LLM足够的上下文，就能给出正确的答案。
那么，所有应用开发者的能力就集中在如何获取准确上下文上，这依赖于两个因素：
第一个因素是资源是否足够。
比如数据、API的权限是否能开放， 知识库资料是不是足够全。通常，我们总是以为资源是否足够往往依赖于外部环境，但我们也发现这其实也是AI应该开发者可以做的工作之一，尤其是知识库、资料库的整理上，与其等着业务侧整理，不如自己开发AI Agent辅助业务人员整理，比如沉淀一份采购经验，可以先让AI给出提案，然后再让业务专家纠错。
第二个因素是研发团队是否有能力用好这些上下文。
比如什么场景应该用RAG，什么场景应该使用function calling，什么场景应该让Agent自主探索。这里想提醒一线开发的同学不要被“零容忍”吓到。我的回答是：
“这世界上没有100%正确，再精美的提示词，也可能被诱导型的攻击产生幻觉。这不是大模型特有的问题，是所有应用的问题，就像今天即使是支付宝，也可能有不安全的因素。
因此，我们能做到的零容忍是指合理使用Agent的场景中，做到信息99%正确，剩下的1%交给用户。信息99%的准确可以通过很多方法解决，比如多模型共同验证、使用function calling精准获取数据等等；1%交给用户是指在产品侧降级（把摸不准的两个答案让用户来选择）。
另外，管理者需要认识到零容忍是在实践中逐步达成的，不容忍现在的不足就不会有未来的100%正确，我们通常采用的方式是在一个场景中先用copilot形式辅助业务，再逐步过渡到Agent模式。比如客服场景，先辅助客服人员回答，然后再直接面向客户。”
收获二：企业级AI应用可参考案例大多数在海外
在一个业务驱动而非技术驱动的公司，AI应用落地首先想到的是能不能参考多个案例看看别人的效果。目前对于企业级的AI应用来说，国外丰富程度远高于国内市场。
这也非常好理解，因为上一代企业级SAAS生态在国内没能走通，结果延续到了当下的AI时代，国内除了少数诸如飞书、钉钉这类通用软件外，大多数企业级应用在国内依然是封闭的。
因此，在公开场合我们听到的大多数企业案例很多依然是只适合企业内部，而非普世产品。但海外的企业级AI应用就有很多，在我们的培训中，可以根据客户诉求找到十几个案例供他们参考。
收获三： RAG可以作为很好的开始，但RAG的场景非常有限
RAG可以作为团队实践的开始，但请大家牢记：
RAG的原理是用Query匹配Query，而不是用Query找到匹配答案。
这是RAG先天的基因，即使我们使用Query 重写、RAG 分块优化、检索优化、重排等措施依然不能改变RAG的本质。因此RAG准确的前提是有完整的Q&A问答对作为知识库支撑，而这样的知识库往往可遇不可求。
那么，你有两个措施来解决这个问题：
-
一是对于非结构化的经验知识类问答，你要为RAG构建完整的知识库。这其中的技巧是让LLM做知识萃取。
-
二是对于非经验知识类问答，你需要弃用RAG，通过其他手段比如函数调用，查询数据等方式来解决问题。
收获四：GUI依然有效，但位置变了。
这是用户体验层需要下的功夫。 产品的本质就是： 让技术对一定规模的用户触手可及。AI产品的本质就是让LLM 技术对用户触手可及。
那么，这句话中有两个含义：
一是：让用户尽可能少的输入拿到ta想要的东西，达到触手可及。
比如，一个销售在查询某个客户的信息时，随便说出”查询北电公司的订单信息“，结果系统里查出很多类似北电的公司，有北方电力、北京电力、北方电网， 我们可以依据该销售的身份关联到最相关的信息和用户确认，而不是每个用户都一样的推荐多个选项。
二是：用户可以被引导，从而让ta“感觉上”触手可及。
GUI仍然是有效的引导用户的方式，但GUI会从菜单栏向对话内、输入框周围转移。 比如你可以在对话框下方设置不同选项，上方设定使用场景。
整体回顾一下，上述4个收获分别落在了模型层、应用层的场景与开发技巧、用户层的体验提升，也是每一位AI参与者应该了然于胸的剖析框架。
写在最后
和上述的过程类似，从年初到现在，我们一直在和不同的客户共同收获，回顾起来：
- 我们的客户是在AI社群认识的。
- 我们因为拥有共同的AI理念而确定合作关系。
- 我们的所有产品PRD、Agent代码是用AI辅助写的。
- 甚至，我们的合同也是AI写的。
我太喜欢这样的AI味儿了，我们就是要身体力行地告诉所有人：AI正在改变着你我的生活、工作方式！
也欢迎大家直接联系我们（公众号菜单里找到联系我），或者把我们正在做的AI培训方式转发给你们老板、HR培训部门，让我们一起来一场充实、有用的方法与实践训练吧！
我是关注和开发AI产品的产品二姐，致力于带来丰富的 AI 学习 分享、体会，欢迎你和我一起学习，如果你觉得文章有用，欢迎关注、点赞、转发。
我们在做的产品：
2024年度总结：我们用Chat2API的最后一行代码开启AI Agent之年
往期精选