技术人员在有限时间不懂业务但拥有写代码能力、产品经理懂业务但不会写代码，在这种信息不匹配情况下，非技术型产品经理如何和技术人员进行交流？那今天就讲述大模型背景下，非技术型产品经理如何向技术人员提需求。

ChatGPT一问世，现在做数字化项目没有融入大模型都不太好意思。如果一个项目中集成了特定场景的垂直大模型，那绝对是“新宠”。但是我们也看到随着大模型的推广，产品交互趋向于智能问答，要想智能问答更丝滑、更准确，需要技术人员在“冰山之下”下狠功夫。

这时候也出现尴尬的境地，技术人员在有限时间不懂业务但拥有写代码能力、产品经理懂业务但不会写代码，在这种信息不匹配情况下，非技术型产品经理如何和技术人员进行交流？那今天就讲述大模型背景下，非技术型产品经理如何向技术人员提需求。

一、场景化演练

比如现在你要让技术人员实现“用大模型推荐某技术领域的优势单位”。即用户输入需求，大模型推荐优势企业，这时候你和技术人员沟通可以分为以下步骤：

1. 第一步：和技术人员说清需求背景

（说清楚：这个需求谁提出来的、用在什么场景下、解决他们什么问题）

eg:

这个需求是XX省科技主管部门提出的，他们每年都会凝练重大专项，专项凝练出来后就要解决给谁承担专项问题，他们想通过大模型给他们推荐技术领域优势单位，能实现输入技术需求，系统推荐优势单位。比如用户输入“请帮我推荐RV减速器领域的优势单位”，系统就要推荐优势单位并给出推荐理由。

2. 第二步：定义实现业务关键路径

（说清楚：该问题背后的业务需求点）

eg：

对于这个问题，包括了3大业务需求点：推荐的单位要和需求相关、要在相关的基础上推荐最优单位、要给出推荐理由，因此我们可以分解：如何定义和需求相关、如何定义最优单位、如何给出推荐理由。

3. 第三步：针对每个关键点给出业务规则

（针对关键点分别说出业务规则，大模型实现的前提是“假设没有大模型，人来做这件事是按照怎样的规则”）

eg：

（1）如何定义和需求相关： 对输入的需求进行解析—然后匹配对应的专利-其中“专利申请人”认为是和需求匹配的相关企业。（如何解析需求？如何匹配专利？这其实就是技术经理结合大模型给出方案）

（2）如何定义最优单位：根据高价值专利的评分规则测算企业的技术总分，然后根据总分分别取省内省、省外、国际top5的单位。（高价值专利指标体系是什么？这个其实就是产品经理要给出的方案）

（3）如何给出推荐理由：根据“企业发明专利+企业高价值专利指标值”凝练出推荐理由。（如何根据输出的字段信息凝练一段话，这个其实就需要技术经理借助大模型实现）

4. 展示产品原型示意图

（用原型图让开发知道后面产品展示形式是什么）

eg：

这次我们主要以智能问答的形式做展示，用户输入一个问题，系统分别推荐省内、省外、国际各5家优势单位，交互形式大致如下：

5. 做好任务分配

（基于对底层业务实现逻辑的理解，给出分工，让大家知道各自的职责和边界是什么）

eg：

基于以上需求做以下分工，请各位3天后给出对应方案。

二、写在后面的话

大模型来袭，非技术型产品经理的应该具备以下能力：

• 业务场景的把握：要非常清楚的向技术人员说清楚业务背景—什么人在什么时候提出了什么问题，客户想要达到什么目的。
• 业务规则的制定：要了解需求背后的关键核心点、针对关键核心点进行业务规则的说明、一定要做到“如果没有大模型，如果你来做，你会怎么做”，如果规则都说不清楚，机器又怎么会做呢。
• 项目协作能力：今天举例了一个非常简单的场景，在实际的业务中还会遇到更加复杂的问题，在理解底层逻辑的基础上学会工作分工，明确各自职责，做到协同作战。