现在AI产品经理最不求上进的话：挖掘用户需求

因为我的博士研究方向是RAG，通过自己做实验与配置发现，针对RAG的配置现在市面上最适合做科研的工具就是Dify。

相比其他AI模型管理工具，Dify不仅拥有二次企业开发能力，并且还能够有丰富的插件应用市场，可以让一个产品经理就可以完成最小化的产品构建。

我最近一直在使用Dify，包括用其中的Agent配置给团队，作为一个完全自主的微信公众号AI排版agent，并且正在将其agent封装了API 提供给了云木鸟排版。

不管我的博士交叉实验对比还是使用其做工程化封装，Dify毫无疑问我认为是每一个从事AI产品研发必备的工具，因为真的可以减少研发成本和时间。

我身边的AI产品经理很多都不知道什么是AI模型管理工具，如何配置dify，包括现在相当一部分功能性的产品经理还是在看某一个模型的参数和API来完成产品设计和产品规划。

毫无疑问他们是被淘汰的IT从业者，而现实就是这样，当学会了使用更高的生产力，你的收入与价值将会持续更高，而更高的生产力将帮助你淘汰其他人。

很多产品经理最不求上进的话：AI产品经理的竞争力仍然是挖掘需求

听起来没毛病，实际上漏洞百出。

我认为AI产品经理真正的核心能力是构建用户场景所需要的模型与任务流，以及知识库。

有人说AI产品经理的核心能力是挖掘用户需求，可是他连AI模型的参数配置、AI任务流都不会配置，谈什么用户需求呢？

就像你不知道什么是手机，就根本无法实际的建设一个手机APP一样，如何清除手机用户的使用场景、地点以及硬件终端限制。

只有清楚他的技术原理或者至少走过一次他的案例，才来说需求的构建更重要，实际上这样的需求讨论，是很难落地成一个可研发的产品设计方案的。

一个例子，用Dify跑通用agent完成体育新闻的小红书海报生成

今天利用一个例子，通过dify完成网页运动新闻爬取，并且生成小红书海报。整个流程完全通过dify的agent完成，并且不需要二次开发。

产品经理要做的就是配置模型知识库、以及第三方工具，以及提示词的配置，就可以形成一个agent。

通过这个案例就可以明白，什么是dify的模型配置与大模型管理，因为dify天然支持API 封装，所以这个agent配置成功后就会成为一个接口功能，虽然没有前段界面，但是可以作为后端接口服务提供给你的产品项目里面。

第一步：Dify创建agent

在dify中可以支持创建任务流与agent,而针对配置难度来说，agent的难度会更简单，点击应用创建后，agent就只有机器人配置以及上下文知识库配置和工具配置。

如下图是我们创建的一个agent，并且要求他抓取网页，这里选用的一个爬虫工具，当然 现在爬虫网页的工具有很多，这里可以再添加。

dify插件应用市场

在其应用市场，可以看到国内到国外的一些主流模型外，还有各类第三方工具，要注意如果已经部署Dify到本地，已经要下载下来安装，无法进入云安装。

第二步：配置新闻的抓取时间

在爬虫网页地址后，由于我们要的是体育新闻最新内容，所以需要加上时间，这里时间我们可以选择最新时间，也可以选择不同时区、以及时间戳。

有了时间与爬虫网页，就可以获取体育新闻最新内容了 。

第三步：生成网页的海报

将爬虫的网页内容生成小红书海报或朋友圈海报，我们需要加入生成图的模型，这里我们可以选择非常多的生成图模型与插件。

在这里我们可以将其下载到本地，再将插件安装到本地dify上。如下是我下载的一个图像生成工具。

有了生成海报之后，接下来就是不断地agent测试，直到最佳效果以及最快时间，可以降低用户的输入容错率。

第四步：做Agent、对话测试

在agent测试中除了要测试模型外，还要测试配置的工具、机器人提示词、以及生成图像工具，因为这一串对话prompt是背后有一堆工具的运行，所以要不断调试，并且提升自己的promp才能够得到最佳回答方式。

第五步：封装为API，开始产品设计

有了以上的agent的配置之后，产品经理才能说如何进行APP、网页等产品形态的功能设计了，将其封装为固定API，就可以成为一个接口能力了。

比如这个在手机APP里，只需要设计好所需要的前端界面交互以及有无数据页面状态、注册登录权限判断就可以完成这个API的植入，同时再加上安全策略、后台管理权限，就可以完成一个AI功能的植入了。

而并且由于DIFY提供了agent配置界面，产品经理也可以进入dify修改里面的工具，而不需要再次开发调试，图形化的配置方式大大增加了AI功能的版本优化与效率，降低了成本。

只要API 接入成功后，Dify配置的Agent的其他能力都可以在其中配置封装，完成应用。

整个AI模型的选择、模型参数、知识库等都在dify上去管理，从而降低了团队AI模型的研发成本，并且还能够变成可视化配置。

这样就利于AI功能的优化与正式投入使用。

因此，如果现在还有AI产品经理还是在说，我的工作重点是挖掘用户需求，那么就可以推断他是不求上进的，不敢花时间去研究与学习全新的AI模型与管理工具。

今天的分享就在这里。

本文来自微信公众号“Kevin改变世界的点滴”（ID：Kevingbsjddd），作者：Kevin那些事儿，36氪经授权发布。