大模型做从0到1的事，人做从1到N的事

再继续聊大模型在软件研发领域的应用。我发现有一个比较好玩的现象，就是让大模型从0到1做事很容易，但后面让它继续从1到N就比较难。而咱们碳基人类恰恰相反，做事情开头是难的，但开完头之后从1到N是容易的。

比如做个软件，从0开始的话，需要调研需求、整理产品结构、做技术选型、做架构设计、确定排期。然后产品、开发、测试忙忙活活搞一阵子，迭代几次，才有可能搞个MVP版本出来。这个过程比较吃团队的经验。做项目多的团队经验就比较丰富，做前期的设计比较合理，如果经验少的团队就要踩坑了。这也是咱们国内大部分的团队都喜欢模仿（抄袭）国外的产品的原因。

但这个过程对于大模型来讲就很容易了，它可以很容易地完成产品的整体规划、架构设计，原型图也能够画出来，甚至代码也都能跑起来。大模型的能力在这个方向上还挺适合的。

但是从1到N来讲，大模型就没那么好控制了。原因也很简单，这是由大模型自身的工作原理决定的。从0到1，我们需要的是一个粗胚，大模型根据概率生成的结果是可以接受的。但是从1到N，我们开始做精雕，就需要让大模型按照我们预期的方向输出结果，而这种控制就比较有挑战了。大模型的概率运行机制决定了它不会严格按照我们的预期输出结果。这也是为什么我们跟大模型进行多轮交互后，大模型很容易出现上下文错乱、记忆丢失、大模型开始降智等现象。

所以人和大模型协同比较有效的方式应该是这样的：我们可以借助大模型快速形成MVP或者原型，帮助团队快速达成共识，高效完成从0到1的探索过程；而在从1到N的过程中，就要尽可能地将需要大模型做的事拆细，给大模型明确的要求和验证的规则，这样可以减少大模型运行机制带来的不确定性。

在禅道中，我们也将AI进一步升级为禅道智能体，比如需求润色、一键拆用例、任务润色、自动化测试脚本编写、立项/结项报告撰写等智能体，深度融入产品研发管理的全流程。

大家可联系我们了解禅道智能体详情

也欢迎参加我们禅道中国行3月14日的深圳站和3月15日的广州站，聊一聊在大模型时代，该构建怎样的产品研发形态。