一、引言：业务流程图之重要性

在AIGC产品的设计与规划过程中，业务流程图是把控全局、共识形成与问题发现的关键工具。它帮助我们全面理解产品架构，明确各环节的内在联系，并为产品的长远发展指明方向。

本文将基于AIGC助理平台的业务流程，对AIGC助理平台的产品设计及产品规划做复盘。

二、内部联系与产品本质

AIGC助理平台设计始于对角色和流程的精确把握：
1、角色，确定关键角色包括：AIGC基础平台、LLM大语言模型、业务系统、SaaS平台，以及多角色用户（用户、平台运营、租户运营）。
2、分析角色间的相互作用和业务流转逻辑，构筑清晰的业务脉络及角色关系。
3、以对话为主体，以语义理解、内容管理、检索、指令响应和内容生成为核心动作，推动AI与人的高效互动。
4、AIGC助理平台的优势在于“AI能力生态建设”，即将孤立的AI技术能力综合运用，满足多样化业务需求的大网络。

2.1 内部联系

1、AIGC助理平台与业务系统： AIGC助理平台是为业务系统提供AI能力的基础平台，通过连接LLM大语言模型和业务系统，实现对业务系统的赋能和约束。
2、AIGC助理平台与LLM大语言模型： AIGC助理平台的AI能力来源于LLM大语言模型，通过对LLM大语言模型进行约束、增强、具象化、场景化、垂直化、模块化和规范化，实现对业务系统的赋能。
3、用户与AIGC助理平台： 用户通过业务系统间接使用AIGC助理平台的AI能力，解决问题并满足自身需求。
4、SaaS运营平台与AIGC助理平台： SaaS运营平台用于管理和运营AIGC基础平台，为AIGC助理平台提供赋能和约束的管理功能。
5、平台运营与租户运营： 平台运营使用SaaS运营平台，管理AIGC助理平台的租户，服务并约束租户更好地使用AIGC助理平台。

2.2 系统本质

1、AIGC助理平台的本质是连接LLM大语言模型和业务系统，为业务系统提供AI能力的基础平台。
2、业务系统的本质是处理具体的业务场景，通过结合用户需求、业务系统能力和AIGC平台提供的AI能力，解决用户的痛点。

三、产品功能设计深化

以流程图为基础，我们细致规划了产品功能：
1、角色分析
在流程图中，可以清晰明确有哪些角色，通过角色做用户分析、系统分析，基于角色及业务场景做需求分析。
2、明确产品边界
各个系统各司其职，SaaS平台负责运营管理，AIGC基础平台提供AI技术服务，LLM的基础能力支持，业务系统实现业务场景的AI应用。
3、紧扣流程节点设计功能
流程中的每一个节点，都需要一个或多个功能来实现。如，从SaaS平台的运营管理（渠道管理、计费配置、成本管理、充值管理、消费明细等），到AIGC助理平台的创建知识库（知识库的管理、创建知识库、知识库类型），皆是基于流程节点做的功能设计。
4、基于逻辑判断做产品设计
业务流程图中的逻辑判断，包含有至少两个出口，其表示涉及多种情况，需要满足多场景的产品设计，并区分普通流、异常流。如，用到知识库的场景（智能客服、BI&ETL）、没用到知识库的场景（智会速记）。
5、深挖产品本质
AIGC助理平台的产品实现，其本质是：对自然语言进行理解，并通过上下文内容向LLM大模型发出指令，经过大语言模型的推理能力生成内容或者指令。可基于产品本质做分析和拆分，进而指导产品设计。
①理解： 语义理解，需要提示词和模型参数，约束AI，因此提供提示词和调参的功能；
②内容： 提供知识库和数据集的功能；
③检索： 需要向量数据库的检索，提供测试命中率的功能；
④指令： 系统指令和提示词指令，让AI按指令执行；LLM亦可向业务系统发出指令（如，BAPD生成任务）；
⑤生成： 通过提示词和上下文，结合大语言模型的推理能力生成内容或者指令。

6、展望功能延伸
每个流程节点相应的功能，可能存在更多的延展性需求或者功能，有些是为满足父需求（或功能）而需要扩展的子需求，有些是基于系统安全需要做的扩展，有些是基于不同用户群体需要做的扩展，还有些是基于用户体验做的扩展。
因此，可针对安全、用户多样性和体验等维度拓展产品的应用场景与功能。如：
1）AIGC助理平台项目中，做向量检索只需要提供数据集即可，然而，从用户使用场景和系统安全性的角度来考虑，将该需求的实现拆分成了2个步骤，流程中以创建知识库和向量化表示。
2）经过用户分析和用户体验分析，生成式AI式作为一种新技术，用户对其的熟悉程度有限，大部分用户对提示词也较为陌生，从提高用户体验的角度思考，增加了【自动生成提示词】的功能，用户按照步骤，描述需求，即可自动生成提示词。

四、产品问题与发展规划

基于业务流程图做问题分析，可从以下两个方面来考虑：①基于系统关系挖掘存在的问题；①基于流程挖掘存在的问题。

4.1 基于系统关系分析产品问题及制定发展规划

AIGC助理平台连接了多个系统，每个系统之间存在着依赖关系，在发展过程中，可能存在牵一发而动全身的情况。因此，必须了解可能存在的问题，并做相应的规划。

4.1.1 产品问题

1、AIGC助理平台与业务系统

• 业务系统对AIGC助理平台的AI能力需求不明确，导致AIGC助理平台的功能设计无法满足业务系统的实际需求。
• 业务系统对AIGC助理平台存在较强的依赖关系，一旦AIGC助理平台出现问题，将严重影响业务系统的使用。
• AIGC助理平台为业务系统做过多的定制化开发，导致AIGC助理平台的功能无法模块化复用于更多的业务系统，造成功能的冗余。
• 缺乏统一的数据接口标准和数据交互流程，影响AIGC助理平台与业务系统的数据传输效率和数据安全性。

2、AIGC助理平台与LLM大语言模型

• 不同厂商的LLM大语言模型没有统一的标准，接入新模型需要针对性做开发。
• 由于模型的不统一性，切换模型的成本也更大，甚至需要重新走一遍完整的流程（如，切换模型后，原来做的向量化内容不适用于另一个模型）。
• 数据安全问题，敏感数据不适宜提供给LLM大模型处理，因此，在功能实现方面也受到了较大限制。

3、用户与AIGC助理平台

• 用户对AIGC助理平台的使用习惯和心智模型不同，导致使用体验的差异化和个性化需求无法满足（如，用户对AI的熟悉程度不同，得到的效果不同；用户提问方式不同，得到的效果也不同）。
• 用户对AIGC助理平台的AI能力理解有限，缺乏对AI技术的信任和接受度。

4、SaaS运营平台与AIGC助理平台

• SaaS运营平台对AIGC助理平台的管理和约束不够精细和全面，导致租户的服务和客户的运营效果不佳。

4.1.2 发展规划

1、AIGC助理平台与业务系统

• AIGC助理平台做模块化的通用性产品设计，业务平台适应AIGC助理平台做产品设计。
• 业务系统的产品设计需要自成闭环。
• AIGC助理平台提供基础能力，重AI基础能力，轻业务场景处理。
• 设计统一的数据接口标准和数据交互流程，为增加业务系统的灵活性，提供更多可拓展的接口。

2、AIGC助理平台与LLM大语言模型

• 补充部分主流的LLM大语言模型，做好适应，方便针对模型的特点采用适合的模型。
• 找出LLM大语言模型的共性，提高切换模型的体验。
• 完善聊天前置处理和后置处理，减少数据泄露的风险。

3、用户与AIGC助理平台

• 通过聊天前的前置处理，提高回复的精准率，如：完善标注体系、提高检索能力和召回能力、完善提示词工程、完善上下文交互。
• 提升聊天时的用户体验及回复的准确性，如：增加聊天模板、提示词提问优化、增加清除上下文的功能。
• 增加应用案例，提高用户对AIGC助理平台的理解和信任，增强用户对AI技术的接受度。

4、SaaS运营平台与AIGC助理平台

• 加强对AIGC助理平台的管理和约束，确保租户的使用行为和数据安全符合规范和要求。
• 提供更全面和精细的运营支持，包括监控和优化AIGC助理平台的性能，提供定期的报告和分析，帮助租户更好地利用AIGC助理平台。
• 结合运营使用场景，增加运营工具，提高运营能力。

这些发展规划旨在提升AIGC助理平台与业务系统、LLM大语言模型、用户和SaaS运营平台之间的协作和效率，以实现更好的业务价值和用户体验。

4.2 基于业务流程分析产品问题及发展规划

在流程中中，可以了解到整个流程中包含有几个模块：开通系统、AI助理管理（AI方法，提示词工程和AI配置）、知识库向量化（AI内容，向量数据库/业务系统提供的数据）、AI接入形式和AI交互界面（载体）、智能协作、模型处理。
基于这些模块，可发现可能存在的问题，并基于问题和侧重点制定发展规划。

4.2.1 产品问题

①AI具有不确定性的特点，并不能保证100%准确，其中，语义理解作为AI交互的第一步，可能存在语义理解不准确的情况。
②AI实现需要通过提示词来约束注意力，通过上下文来补充记忆，因此，提示词和上下文都是极其重要的一部分，可能存在提示词描述导致效果不佳、记忆力频繁变动导致注意力不集中的问题。
③AI内容不准确，导致AI生成的准确率偏低；
④向量数据的检索和召回效果不佳，导致准确率偏低；
⑤AI应用的业务场景较多，AI接入形式可能存在无法满足业务场景的问题；
⑥智能协作，以多Agent沟通并总结出最终回复的方式来实现，可能存在AI之间的“交流”出现偏差，导致最终结果不准确；
⑦模型处理，模型处理是有LLM大模型实现，我们无法对其进行掌控，其实现方式的改变、模型准确率等都对整个AIGC平台有着较深的影响。

4.2.2 发展规划

基于上述可能出现的问题，做产品规划。
①语义理解优化，通过提示词工程、上下文（正例、反例）、标注与回流的方式提升AI的语义理解能力，后续可基于这几种方式的优化，并持续挖掘更多的指标进行优化，以提高AI的语义理解能力；
②注意力约束优化，与①类似，通过提示词工程、上下文（正例、反例）等方式，来对AI的注意力进行约束；
③提升AI语料质量，知识库和数据集的规范管理与运营，提高AI语料的质量，确保AI所需内容的准确性；
④提高检索和召回的能力，通过优化检索的方式、优化召回的算法，提高检索和召回的能力；
⑤根据具体业务场景，完善接入形式，确保接入形式的通用性和模块化。
⑥智能协作，智能协助涉及的助理多样化，而AI的推理，会基于上下文的记忆辅助理解，因此，而跳跃性的聊天内容，将会严重影响到负责调度的Agent的理解，可优化上下文处理、优化调度描述、增加调度规则等方式来提高其准确率。
⑦多模型处理，如果仅有单一的模型，一旦模型有调整或者出现问题，则可能对AIGC助理平台造成巨大的影响，因此，可增加模型类型，支持切换模型；甚至增加多模型混合处理的方式，汲取不同模型间的能力，完成不同的流程处理。