你好，我是小树。这是我为你写的第 74 封信。每期都会同步更新在微信公众号一颗小树和竹白专栏。现在有 316 位朋友订阅了这封信，也欢迎你。
关于大模型的技术、商业已经有很多高屋建瓴的观点和文章了，这里重点聊聊我自己的感受。
这篇文章的主要内容有：
- 介绍我的 5 个常用场景
- 大模型作为粘合剂的价值
不包含大模型算法技术、大模型的局限性和缺点、如何使用大模型能力等内容。
我的常用场景
测试数据生成
- 指定 Schema 格式的 JSON 数据
- 表格数据生成
格式转换
- YAML 和 JSON 互转
- Markdown 和 JSON 互转
- 不同编程语言互转
理论上大模型是可以对任意结构化的标准格式进行相互转换的，能够节省很多时间。
辅助编写代码
- 通过报错信息给出解决方案，常见问题替代 Google 和 stackoverflow
- 明确的需求直接生成业务代码，简单修改后即可正常运行
- 基于 Python/SQL/Node.js 等语言编写脚本，快速解决某个具体场景问题
- 生成学一次忘一次的正则表达式
对于自己不那么熟悉的技术领域，从零到一很困难，但如果能够给出一个结果，再修改，就会很容易。
特定应用的高门槛功能
- 生成/解释 Excel 公式
- 生成/解释 Notion database 公式
对于类似这样低频且上手门槛较高的场景，大模型能够帮助我很多。
获得灵感
相较于让大模型直接为我生成内容，我更倾向于把他当做一个求知欲旺盛的朋友，通过对话提问的方式，帮助我理清思路，找到灵感，最终组织成一片文章。
以上就是我最高频的一些使用场景。
对大模型的思考
看到这里，我想我们应该不用再质疑大模型是否有价值了吧？
要知道，每个月仅仅需要几十刀，就能够雇佣到一个具备几乎所有领域知识的全才型助理。
我个人理解大模型最大的价值之一是：
- 他可以真正理解人类的自然语言
- 他能够以结构化的方式返回结果
这可能意味着一种全新的交互方式，不需要繁复的用户界面，仅仅需要一个对话框，就能够输入问题，获得答案。
更进一步，大模型可以作为桥梁，很好地连接自然语言和已有的软件应用，进而让以往很多高门槛的工具更接地气，真正从使用者的需求出发，满足他们的诉求。
比如说 Excel，就是一个典型的大而全但上手门槛高，使用体验不佳的产品。
在这种场景中，借助结构化返回结果的能力，可以将复杂的操作，转换为计算机可以理解的描述语言。
这些步骤看起来是不是很像是代码的逻辑分支？是的，我们甚至可以直接让大模型生成可运行的脚本代码。
如果在产品中进一步简化链路，就会变成：
- 用户输入自己的需求
- 大模型理解需求，返回满足需求的脚本代码
- Excel 执行脚本，解决用户的需求
忘记那些繁杂的工具栏按钮和配置项吧，我想要的只是这个结果。
这里的本质是让大模型作为胶水，理解用户的需求，并按照当前的场景提供解决方案，最终在产品中消费。
Excel 作为发展了几十年的成熟产品，大模型已经具备了一定的理解能力，如果是特定领域的产品，也同样可以通过微调等训练方法让模型具备对应的知识，解决这个领域的问题。
小结
最后对我的观点，做一个简要的总结：
- 大模型已经是我工作流中不可或缺的一部分，应用场景非常广
- 大模型就像是一个虚拟的人形助理，想象空间很大
- 大模型和已有的应用结合，能产生几何倍数的体验提升，尤其是复杂的 B 端应用场景
如果你有好的使用场景或者其它想法，也欢迎留言或者私信讨论~
碎碎念
作为北方人，第一次见到规模这么大的降雨，希望大家都平安。
谢谢你的关注，我们下期再见。👋🏻
往期推荐
你也可以在这里找到我：即刻、Twitter、微信公众号一颗小树。
如果你觉得这篇文章对你有用，欢迎分享给更多好友。