欢迎访问chatgpt中文教程网，学习chatgpt相关知识，以下是正文内容：
“ 我们的使命是给系统提供额外的信息。--控制论之父诺伯特·维纳”
需求背景
竞品分析是产品经理的日常工作，涉及产品功能、客户案例、解决方案、定价策略等多个维度。通常产品经理定期会对竞品做系统性的梳理，来明确当前行业的竞争态势，但这种定期的分析通常会有一定的滞后性。对于连接器产品来说，产品能力、应用场景日新月异，我们需要周粒度甚至天粒度来捕捉业界动态并同步到团队成员。而要满足这样的频率更新要求，数据采集、分析、汇总，各个过程耗时费力，只靠人工收集和整理，显然有些力不从心。
实操步骤
1）实现方式
这里重点是介绍场景方案和实现思路，至于实现方式，大致有两条路径：- 零代码路径：ChatGPT Plus + Link Reader Plugin
- 劣势：自动化程度低，需要手动抓取公众号链接进行数据投喂学习
- 全代码路径：AutoGPT or LangChain + RPA（用于公众号页面链接抓取）
鉴于笔者时间限制，本文重点介绍「零代码路径」的实现方式和亲测效果。零代码路径需要用到 ChatGPT Plugin，因此需要 ChatGPT Plus 会员，可以通过美区 Apple ID 购买礼品卡的方式充值流程还比较顺畅，建议采用这种方式来配置，目前已知最安全最可靠的充值方式了。如果觉得 ChatGPT Plus 会员门槛还是太高，钉钉目前在白名单一个机器人的功能，可以投喂材料学习，进行交互对话，同样也能达到相关的效果。但前提是要钉钉的白名单。ChatGPT 目前还无法直接从 URL 链接中进行学习，因此这里需要安装一个「Link Reader」，来解决数据投喂的问题。在 ChatGPT Plugin store 中找到「Link Reader」插件，安装即可。![]()
提示语是重点，首先我给他指定了一个角色（Role）：竞品分析助理。同时告知它什么时候学习输入材料，什么时候分析输出结果。需要明确的一点，考虑到 GPT 的正儿八经瞎说的问题，这里我显示将 temperature 设置成0（少胡诌），同时明确说明要从学习材料中提内容进行分析，而不是模型先前学习的语料。你现在是我的竞品分析助理，我持续将竞品动态链接发送给你，然后你提取、保存并学习链接中内容以及文章的发布时间，接着我们通过对话的方式，来帮我整理、汇总竞品信息。
当我输入： 学习：{http url} 的时候，你要提取、保存并学习{http url}中的内容，在完成这个步骤后，生成相关摘要，以及文章的发布时间。
当我输入： 分析：请输出竞品的近期发布的功能的时候，你要结合先前从{http url}中学习到的知识，按照我的分析要求，给我汇总分析后的答案。
需要注意的是，将temperature设置成0，学习和分析过程都要以尊重连接内容的真实性为前提。如果学习的内容还不足以回答分析的问题，请你诚实的告诉我你需要学习更多的内容才能回答这个问题。明白了吗？
回复还不错，GPT 知道 URL 得用 Link Reader 进行提取，同时向我「保证」它会「诚实」。![]()
![]()
这里我先是让 GPT 学习了一篇公众号的文章，同时问了一个公众号中没有提到的信息：腾讯轻联产品发布时间。GPT 回答看起来是靠谱的，至少没有胡诌。（考虑轻联产品品牌是今年升级的，模型本身没有相关的素材，这里验证效果可能会有失真，读者可以用其他产品做相关的验证）。后续就是繁琐的人工投喂，GPT 学习的过程了。将产品公众号上的近一个月的推文和产品动态页发给 GPT 进行学习，摘要生成得还不错，但是文章发布时间还是有小 BUG，没有正确提取到文章的发布时间。![]()
![]()
结果符合预期，而且还告知内容出处，便于后续进一步验证。![]()
这里给到的引用链接就不太正常了，这些内容实际上是来自于几篇公众号的推文，而不是产品官方文档。而且发布的时间线也不太对。不过在这个例子中，有被 GPT 的「思维链」和强大的推理能力惊艳到。我对投喂的学习材料进行了确认，原文中并没有明确说明“腾讯广告、巨量引擎、百度营销 ”是连接器，仅仅只有下面截图的简短说明。但是 GPT 通过极少样本的学习和归纳，得出它们仨是连接器的结论，并且还是对的。至于 GPT 的真实性问题，目前其实有比较多的解决方案，现阶段可以结合结合 embedding + 向量数据库的能力，做到有据可查是完全没有问题的。例如我之前在体验 ChatDOC 的 PDF 分析能力的时候，AI 在答案下方，给到一个引用出处的链接，可以直接定位到原始内容，在一些严谨的分析报告中（论文分析、财报分析、竞品分析），给人类一个 double check 的交互，这也不失为一种好的解决方案。![]()
接着问：腾讯轻联近期在生态建设方面有哪些具体的动作？效果一般，部分产品能力和客户案例严格意义上不算是生态部分的内容。![]()
最后让 GPT 整理了下近期的客户案例和应用场景，这个效果还不错。![]()
这里可以延伸一下，作为产品的自身的知识库，后续售前同事想要一些客户案例、应用场景这些信息，完全可以自取了。![]()
总结
整体体验下来，还有不少人工操作的地方，尤其是在数据采集这里，受限于公众号平台的限制，这里无法做到自动更新同步，要定期增量同步呢，需要一个类似抓包工具甚至 RPA 才能实现。从当年淘宝对搜索引擎的爬虫的封杀，到现在 Stackoverflow 对 OpenAI 的控诉，难的不是 API 实现技术，难的是其中入口流量、商业模式和利益分配。LLM 大模型目前已经一项基础设施，上层应用要想构建自己的护城河，「数据」将显得尤为重要。这个数据既是链家中的房源、交易这种私有数据，也是应用沉淀下来的场景数据。
本文链接：https://gptwangzhi.top/chatgpt/61.html
网友评论