0.根本区别
传统：确定性的需求；想要的结果是明确的。
AI:人工智能是用来预测的；输出结果是有不确定性的。
1.思维方式
1.1 传统编码做需求
开始背景- 实现过程 - 结果，更加关心过程的实现；
接收需求方式：从产品或开发人员中获取需求信息
1.2 ai做需求
开始背景- 实现过程 - 结果，更重视开始背景和结果的具体定义；
接收需求方式：建议让开发多参与去了解到业务的直接想法（建议）
2.实现方式
2.1 传统编码做需求
侧重于代码逻辑实现。
2.2 AI做需求
侧重于prompt 的定义，尽可能覆盖全部业务场景。
3.交互方式
3.1 传统编码做需求
api接口调用、页面功能按钮触发、定时任务执行等；
3.2 AI做需求
用户可以使用聊天交流的方式，获取自己想要的结果；（比如：同样也存在必填参数的校验，不过是换成了另外一种形式）
image.png
4.可多复用
4.1 传统编码做需求
-- 相似需求逻辑代码，代码逻辑是可以复用
4.2 AI做需求
-- 可复用性较低
5.学习平滑性
5.1 传统编码做需求
-- 如果想直接学习，不太好直接上手做，需要有大量相关知识的基础
5.2 AI做需求
-- 非科班转移比较平滑，但是深入学习，转换曲度会很陡（算法要求较高）
6..安全性
6.1 传统编码做需求
-- 有专业的网络安全部门负责网络层的安全
-- 固定逻辑编码，敏感信息、消极信息可控
6.2 AI做需求
-- 直接对接外网，需要把控：
数据安全与隐私保护：大模型在训练和推理过程中会处理大量敏感数据，因此需要确保数据传输的安全性,以及需要保护用户隐私
合规性：大模型生成的内容需要符合法律法规和社会价值观，避免生成违法违规内容、歧视性内容或侵犯知识产权的内容
内容安全评测：定期对大模型进行内容安全评测，确保其生成的内容不违反相关规定，同时提供改进建议，帮助大模型内容风控系统升级
-- 做好【提示】词的编辑，及敏感、消极词的过滤；输入和输出信息灵活性较大，要避免敏感和消极词汇的出现。
7.经济和效率
7.1 传统编码做需求
-- 人工 + 服务（一次性）：按照需求开发，开发比较专注于效率。
7.2 AI做需求
-- 人工 + token（持续性）：要做好token的把控，在效率和经济两方面做好权衡。
