利用生成式AI的产研流程：创新与效率的完美结合

1 背景和目标

生成式AI（Generative AI）是一类人工智能技术，旨在生成新的、原创的数据、图像、音频、视频或其他形式的内容。它通过机器学习算法来学习和模拟现实世界中的数据分布，然后使用这些模型来生成新的、具有相似特征的数据。比如，在软件开发领域，生成式AI可以自动化代码生成、协助开发人员理解和修改代码、改善代码质量、提升软件可靠性、快速构建原型等。
二手车技术团队通过紧跟业界的新趋势结合自身需求，成功地将生成式AI整合到产品研发的工作流程中。技术团队采用生成式AI，显著减少了繁琐低效的工作量，并且极大地提高了自动化程度和准确性。通过将生成式AI应用于产品研发的全过程，团队实现了质量和效率的双提升。这不仅提高了产品的性能和可靠性，而且加快了软件研发的时间，满足了业务侧的更高需求。此外，通过生成式AI的应用还降低了产品的研发成本，提高了团队的竞争力。二手车技术团队的成功经验表明，将行业新技术整合到产品研发的工作流程中是实现质量和效率双提升的重要途径。

2 问题与挑战

生成式AI由于上下文信息不足、无法理解或捕捉到复杂的语言结构和逻辑、知识缺失等原因，可能会导致生成式AI在生成过程中出现偏差或错误，生成的结果与预期可能存在一定的差异。为了减少这种差异，在实践过程中需要解决几个核心问题：
意图精确输出：明确告知模型所需关注的特定方面或要求，以便减少模型输出的偏差和不稳定性。
复杂问题处理：由于模型对话长度有限制，为了克服这种限制，我们将较复杂的任务分解成多个子任务，充分利用模型的能力来处理各个子任务，提高了任务处理的质量和效率。同时拆解的任务可以实现并行处理，从而优化了资源分配和任务执行计划。
领域知识补充：通过补充产品文档内容和领域专业知识，AI可以更好地理解复杂的业务规则和业务需求，从而提高生成内容的准确度。

3 探索和实践

3.1 产研AI伴随MVP构建

通过以产品文档为核心、测试用例为基础，并结合AI的辅助，我们能够更快速地完成需求的理解和测试用例的生成，确保开发过程中的一致性和准确性。这样可以大大提高研发过程的效率和质量，进一步推动产品的成功开发和交付。在二手车技术部，已经基本完成AI伴随MVP构建。

产品知识查询：通过产品知识整合并向量化存储，结合LLM帮助用户回答有关产品的问题。
需求质量评估：根据已有的需求文档，分析评估其质量，并给出反馈和改进建议。
需求内容完善：基于现有需求文档，生成式AI可以