Post by account_disabled on Feb 12, 2024 3:37:34 GMT -5
分析企业，衍生产品机会。分析自身企业的优势所在，顺着企业优势去做衍生产品，新产品是长出来，不是一个大步突然跨出来的。 紧跟政策，预判行业趋势。持续做政策的研究和解读，从政策中找到产品机会，抢先别人半步，吃到政策的红利。 紧盯竞品，完成模仿超越。直接抄袭有销售业绩的竞品，借助G端行业的信息传播慢的特点，到其他地区去收割客户。 调研客户，提升产品感知。想法再好，还是得走出去见客户，找客户去聊项目、聊需求，做新产品机会验证。 定制项目，实现产品孵化。抓住定制化项目的机会，从项目中孵化出产品来。 用新技术，解决老旧问题。关注新技术的发展，用新技术去推翻老产品，解决老问题，做出新产品。 本文由@武林 原创发布于人人都是产品经理，未经作者许可，禁止转载。 题图来自Unsplash，基于CC0协议。
该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。医疗智能问答是一个比较经典的医疗应用场景，在该场景下用户首先在对话系统中描述自己的症状，然后问答系统会根据输入的信息回复初步的医学建议。 传统实现方法 新加坡电报号码 如规则引擎和知识图谱等由于缺乏对语境和语义的深层理解，导致无法处理过于复杂的问题。随着大语言模型（LLM）的出现，医疗智能问答系统处理更加复杂的语境以及更加准确的结果输出有望实现，所以笔者决定尝试基于当前主流的RAG架构搭建一个医学智能问答系统。 一、产品目标 打造一个基于智能问答系统的“数字全科医生” 这里“全科医生”不是“全能医生”的意思，全科医生一般是指在基层医疗机构（如社区卫生服务中心、乡村诊所等）工作的医生，全科医生通常承担着基层的基础医疗服务，笔者对这个系统的定位是可以提供一些初步的诊断、患者教育和科普功能，而不是用它提供治疗方案（能力边界）。
具体可以拆分以下几个子目标： 能根据用户输入的信息，初步诊断是否存在病理性的因素以及可能的病因； 能提供非治疗方案的建议，如生活方式干预、引导去医院做进一步的检查等； 尽量降低错误率，做到“宁缺毋滥”； 尽量避免提供直接的用药方案指导或者治疗方案。 二、RAG架构及其工作流程 RAG（Retrieval Augmented Generation）通常翻译为检索增强生成，所以它的核心是“检索”，用户在使用LLM回答问题之前先“检索”外挂知识库的信息，然后将检索到的信息提交给LLM，LLM在“学会”匹配的知识库的内容之后再去生成回答，这样就可以有效减少LLM“幻觉”现象。 如何定义B端产品及B端产品经理方法论 相较于C端产品，B端产品最大的特点是：面向特定领域用户，且数量少得多，但更注重对用户专业领域操作流程的深度挖掘——也就是专业性更强，与业务的结合更紧密。
该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。医疗智能问答是一个比较经典的医疗应用场景，在该场景下用户首先在对话系统中描述自己的症状，然后问答系统会根据输入的信息回复初步的医学建议。 传统实现方法 新加坡电报号码 如规则引擎和知识图谱等由于缺乏对语境和语义的深层理解，导致无法处理过于复杂的问题。随着大语言模型（LLM）的出现，医疗智能问答系统处理更加复杂的语境以及更加准确的结果输出有望实现，所以笔者决定尝试基于当前主流的RAG架构搭建一个医学智能问答系统。 一、产品目标 打造一个基于智能问答系统的“数字全科医生” 这里“全科医生”不是“全能医生”的意思，全科医生一般是指在基层医疗机构（如社区卫生服务中心、乡村诊所等）工作的医生，全科医生通常承担着基层的基础医疗服务，笔者对这个系统的定位是可以提供一些初步的诊断、患者教育和科普功能，而不是用它提供治疗方案（能力边界）。
具体可以拆分以下几个子目标： 能根据用户输入的信息，初步诊断是否存在病理性的因素以及可能的病因； 能提供非治疗方案的建议，如生活方式干预、引导去医院做进一步的检查等； 尽量降低错误率，做到“宁缺毋滥”； 尽量避免提供直接的用药方案指导或者治疗方案。 二、RAG架构及其工作流程 RAG（Retrieval Augmented Generation）通常翻译为检索增强生成，所以它的核心是“检索”，用户在使用LLM回答问题之前先“检索”外挂知识库的信息，然后将检索到的信息提交给LLM，LLM在“学会”匹配的知识库的内容之后再去生成回答，这样就可以有效减少LLM“幻觉”现象。 如何定义B端产品及B端产品经理方法论 相较于C端产品，B端产品最大的特点是：面向特定领域用户，且数量少得多，但更注重对用户专业领域操作流程的深度挖掘——也就是专业性更强，与业务的结合更紧密。