策略人都应该搭建一个自己的AI智库

好的知识库主要有三点，一是量，二是质，三是迭代。

按AI参与比例分别为90%、60%和50%，粗算大概，只是为了更方便理解。

“量”主要基于两点：

一是知识库深度训练，质量高但时效性相对不足，大部分大语言模型的知识库截止时间为2024年年中。

二是知识库对于搜索的调动，时效性强，但未经过深度训练，质量相对没有前者高。

“质”要求人有三大能力：

一是对大量参差不齐的信息和数据做筛选，提升初始语料库的上限。

二是对专属场景做细分，基于特定标准做信息的清洗和微调。

三是对信息和数据做有效补充，补充的是半公开和不公开的知识库，以完善知识库的质量，隐秘的数据可做脱敏化处理。

“迭代”主要基于三点：

一是大模型本身数据库的不断积累。

二是大模型基于数据库的持续训练。

三是人工对于AI的驾驭能力。

有迭代思维和迭代执行力的情况下，你会不断解锁新技能、发现新大陆。

以前无法解决或者解决不够到位的问题，都可能会找到新的答案。

02

超强算力支持

人的时间和精力有限，所以需要外接“第二大脑”。策略人不仅要用好AI的大数据库，还要用尽AI的强算力。

策略需要考虑投产比，好钢用在刀刃上。策略人要把时间和精力花在最需要的地方，用在大模型代替不了的地方。

各司其职才能不断突破上限，有时候没必要纠结，只是分工不同而已，重要的是提高效率、拿到结果。

03

呈现物具体可控

选择大于努力，选择的背后是认知，认知的背后是系统思维。

我们讲大佬主要靠“直觉”决策，这种直觉的背后是因为他们背后有一个智库。

过往我们说智库系统很抽象，现在这个智库变得更为具体和把控。

呈现方式主要有两种：一是做本地化部署，二是直接用线上版知识库。

前者隐秘性强，但算力不足。因为硬件配置问题，绝大部分人做不到满血部署。

后者满血算力，数据相对没那么安全。但可做数据脱敏化处理，按特定比例即可，最后再做还原。

当智库可具体感知，可调整的时候，那它的天花板也将能不断提升。

04

更合理的交互机制

过往人与智库无交互可言，智库只是以一个个文件夹和文件夹的子类目出现，它就被冰冷冷地放在那里。

现在的AI知识库就像是有生命一般，他的语料库可以更强，他是有生命的，你可以去定义他，你可以跟他对话，他是聪明的。

你可以把他当成一个活生生的人，你创造了他， 你赋予了他对于这个世界的认知。而现在，你可以跟他进行同频交流了。

05

可累积为数据资产

过往我们说智库是存在于脑子里，或者更进一步做了一些整理，但这种的存在形式都是极为粗糙的，感知是抽象的，天花板是低的。

当有了AI智库，就可以在不同人之间做迁移（可将智库细分为更垂类的应用场景），是1+1＞2。

老板和高管可以将自身的业务思考、价值观倾向、企业业务模型、行业知识、业务落地等相结合。

而对于具体的个人，伴随着时间的积累，智库的价值也将呈指数级增长。

总结：

写作，不仅是形式上的对外表达，更是真实地跟自己对话。知人者智，自知者明。

搭建自己的个人智库也同理。目的是做决策罗盘，过程中的知识梳理与自我审视，也会不断突破自己的上限。

注：文章为作者独立观点，不代表梅花网立场。

本文由策略人藏锋授权梅花网，并经梅花网编辑发布。版权归原作者所有，未经授权，请勿转载，谢谢！