如何用一套【方法论】做好大模型用户分层与指引

本文将通过使用多维帮助体系结合角色分层灵活、快速的设计出符合不同操作水平的用户指引的功能设计。从用户使用难点到，设计策略，到执行落地具体介绍，旨在降低用户学习成本、提高用户满意度，并引导用户掌控产品的核心能力为出发点。

通过“设计方法论”构建一套服务与不同用户分层的多维帮助体系。该方法也适用于其它致力于提高平台自学性的相关产品。

一、什么是大模型？

深度学习平台是面向AI算法工程师的一站式公有云的轻量级训练系统，其中ATP是“Advanced Thinking and Understanding Processor”的缩写，意为“先进思维和理解处理器”。ATP大模型平台旨在打造一款开源的开箱即用的共享平台，为广泛的AI开发者提供灵活、易学、低成本使用的模型服务产品，让每个人都能够体验大模型的体验。

常用领域有：图像分类和目标检测、语音识别和语音合成、自然语言处理等… 大家比较熟悉的就是CHAT GPT

二、大模型平台体验面临的问题

系统现状问题：

就目前来看，AI大模型平台本身自带了一些使用门槛，行业属性决定，如：

• 专业性上：大模型的资源需求、数据收集和处理、模型训练和调优、模型部署和集成发布服务。每一步都需要具备相应的专业知识。
• 业务问题上：特定的业务问题需要对模型进行理解和适配，并对模型进行优化和定制化。
• 操控问题上：复杂的界面布局，多参数配置和选项选择，对非专业来说数据的预处理和操作步骤，以正确的进行模型的训练和推理

总结为四个重要的关键问题点：

1. 不了解整体操作流程
2. 动作、路劲交互较深，无法快速get功能
3. 不确定每一步操作会带来的反馈
4. 专业名词无法快速理解

体验设计目标：

从代码下载到安装部署再到效果验证，ATP开源平台会提供了热门的模型库开源数据集、提供大模型所需要的环境，方便用户进行探索、推理验证、训练调优等一站式发布服务能力。所以，无论是 AI 小白，还是普通开发者，或者是更高级的开发者，都能在平台上获得极佳体验，感受大模型的魅力。

三、设计策略及落地

针对该问题进行四个步骤的拆解，从发现问题到解决问题：

Step1: 拆

任务流程的拆解，找到用户行为路径

Step2：分

进行用户分层，找到不同用户的特点与痛点

AI小白：对于AI小白来说，可能缺乏对AI算法和模型的基础知识。他们可能需要花费更多的时间和精力来学习基础的机器学习和深度学习概念，以及AI模型的原理和使用方法。此外，他们可能需要借助更多的图形化界面和可视化工具来进行模型的训练和使用。

普通开发者：普通开发者通常具备一定的编程和开发经验，对AI有一定的了解。他们可能能够理解和运用一些常见的AI算法和模型，但在使用大模型时可能面临一些技术挑战，例如对硬件要求和资源消耗的理解、数据处理和模型调优的技巧等。他们可能需要进一步深入学习和实践，以更好地应用大模型。

高级开发者：高级开发者通常具备深入的AI知识和技术能力，他们对各种AI算法和模型有深入的理解和运用经验。他们相对而言可能更容易应对大模型的使用挑战，能够更好地处理硬件要求、资源消耗、数据处理和模型调优等方面的问题。他们可能会有更多的技术工具和解决方案，以提高运行效率和优化模型表现。

Step3：找

构建多维帮助体系的设计模型，找到关键因素

Step4：落

通过前三步清晰的明确设计策略，得出一套设计方案

END：设计方案展示

当用户第一次进入系统的时候，我们的帮助指引就开始了。除了帮助用户进行系统的学习，我们还希望尽可能减少对用户的干扰。所以，我们将用户目标直接放在分类下方，用户通过自己区分选择角色，后续得到不同的指引服务。

以我是零基础的用户类型为例，我们将提供部分设计示例演示整套方法论的流程。

用户：我是“零”基础

目的：不同用户阶段的诉求与对应可挖掘的机会点

上手阶段接触大模型时：通过平台帮助他们了解大模型的基本概念、原理和使用方法体验大模型的Demo；希望快速了解平台现有的服务能力，同时会对比多个平台进行浏览选择主管觉得最简单、最少上手的平台产品 时机：

上手阶段引导：在用户刚开始接触大模型时，提供详细的入门教程、演示和指南 需求驱动引导：可以提供问题解决方案的示例、案例和相关文档，帮助他们理解如何将大模型应用到实际问题中。

问题解答引导：在用户使用大模型时遇到问题或困惑时，提供及时的支持和指导。 持续学习引导：随着用户对大模型的熟悉程度提升，可以引导他们进行更深入的学习和实践。

策略：漫游导览、任务指引、实时帮助、知识文档

文章仅提供了部分的产品方案示例，主要用于方法流程演示 –

设计方式总是多种多样的， 该经验是受益于在实际业务中能够真切的提供可复制的经验，希望能够帮助产品设计通过简单的方式提高自学性。

​Read More