即刻App年轻人的同好社区
下载
解决问题的方法。最近看《产品沉思录》，受到一点启发，在此作为记录，记录我的理解，方便后续自己使用并改进。
# 问题分析
解决问题第一步，首先要明确问题是什么？于是我们要做问题分析。
目的、现状、边界、资源分别是什么？
当问题明确之后就是拆解。
# 系统建模
现实中遇到的问题通常都比较复杂，系统建模是为了简化问题。
尝试其进行拆解，将复杂问题拆解成一个个子问题。然后再进行问题分析，如此往复进行拆解。当问题拆解到问题足够简单时，就代表已经拆解完毕，剩下的就是代办清单。
请注意，我们要承认我们的局限性，我们不可能面面俱到，但我们可以简化问题。
拆解方法通常把是按内容拆解或者互斥拆解。例如我在解决“如何写好科研论文”这个问题时，我就把整个写论文的过程拆解，论文分为摘要、引言、方法、实验、结果、讨论这几个部分，那这就是一个按内容拆解的过程。把“如何赚钱“这个问题拆解成合法赚钱和不合法赚钱，就是互斥拆解的过程。
拆解完成之后，就会出现一个个的子问题。例如写论文这块，回归写作的本质，论文最终都是由一个个句子组成，只要精确到每句话应该写什么，就是一个很标准的拆解。
# 策略制定
当我们完成系统建模之后，就会得到一系列的TODO list。
通常我们的资源有限，我们需要制定策略，我们不可能做到一下子完成所有的TODO，矛盾分为主要矛盾和次要矛盾。
策略制定不仅要明确哪些TODO要做哪些不做，还要明确哪些先做，哪些后做，明确执行顺序。
# 策略执行
在策略执行的过程中，我们要时刻重新考虑上面三个步骤，确保自己在正确的道路上。出现问题，及时调整。
# 问题分析
解决问题第一步，首先要明确问题是什么？于是我们要做问题分析。
目的、现状、边界、资源分别是什么？
当问题明确之后就是拆解。
# 系统建模
现实中遇到的问题通常都比较复杂，系统建模是为了简化问题。
尝试其进行拆解，将复杂问题拆解成一个个子问题。然后再进行问题分析，如此往复进行拆解。当问题拆解到问题足够简单时，就代表已经拆解完毕，剩下的就是代办清单。
请注意，我们要承认我们的局限性，我们不可能面面俱到，但我们可以简化问题。
拆解方法通常把是按内容拆解或者互斥拆解。例如我在解决“如何写好科研论文”这个问题时，我就把整个写论文的过程拆解，论文分为摘要、引言、方法、实验、结果、讨论这几个部分，那这就是一个按内容拆解的过程。把“如何赚钱“这个问题拆解成合法赚钱和不合法赚钱，就是互斥拆解的过程。
拆解完成之后，就会出现一个个的子问题。例如写论文这块，回归写作的本质，论文最终都是由一个个句子组成，只要精确到每句话应该写什么，就是一个很标准的拆解。
# 策略制定
当我们完成系统建模之后，就会得到一系列的TODO list。
通常我们的资源有限，我们需要制定策略，我们不可能做到一下子完成所有的TODO，矛盾分为主要矛盾和次要矛盾。
策略制定不仅要明确哪些TODO要做哪些不做，还要明确哪些先做，哪些后做，明确执行顺序。
# 策略执行
在策略执行的过程中，我们要时刻重新考虑上面三个步骤，确保自己在正确的道路上。出现问题，及时调整。
1 00
如何高效写好科研论文？
如果你有以下问题：
- 因为论文不会改导致身心疲惫？
- 因为论文写的太慢导致难以毕业？
- 因为论文和导师关系不融洽？
寻找计算机研究生🧑🎓：已经做好实验，但是小论文写作无从下手的
目前完成了大部分论文章节拆解，寻找有论文写作需求的在读研究生讨论如何高效写出高水平论文，有意者可以私信。
如果你有以下问题：
- 因为论文不会改导致身心疲惫？
- 因为论文写的太慢导致难以毕业？
- 因为论文和导师关系不融洽？
寻找计算机研究生🧑🎓：已经做好实验，但是小论文写作无从下手的
目前完成了大部分论文章节拆解，寻找有论文写作需求的在读研究生讨论如何高效写出高水平论文，有意者可以私信。
1 00
先有问题，且能实践，再学习。
然后，先学习，再实践。
学习与实践中间存在一个空白，叫内化。IPO
内化的过程也十分重要，内化之后的东西才是自己的。
在你学会一个东西的时候，请反思：
“我为什么做到了？”
“做到了是不是运气？”
“没做到的原因是什么？”
然后，先学习，再实践。
学习与实践中间存在一个空白，叫内化。IPO
内化的过程也十分重要，内化之后的东西才是自己的。
在你学会一个东西的时候，请反思：
“我为什么做到了？”
“做到了是不是运气？”
“没做到的原因是什么？”
1 10
很棒！乔布斯说营销其实是价值观的问题，人们需要一个故事，来让用户相信你做的产品，认可你的价值观。
耐克致敬伟大的运动/运动员。
苹果致敬伟大的创作者。
一个伟大的运动员，那么他穿着鞋子会是耐克。
一个伟大的创作者，如果他生前用过一台电脑，那它肯定是mac。
当然，我们相信如此。
营销并没有这么简单，这个故事就像一场电影，需要带入用户角色，用户身临其境，才会相信你的故事。
耐克致敬伟大的运动/运动员。
苹果致敬伟大的创作者。
一个伟大的运动员，那么他穿着鞋子会是耐克。
一个伟大的创作者，如果他生前用过一台电脑，那它肯定是mac。
当然，我们相信如此。
营销并没有这么简单，这个故事就像一场电影，需要带入用户角色，用户身临其境，才会相信你的故事。
1 00
目前调教了一个GPT，目前看来写作效果还不错，目前还需要进行测试，导师也说写的不错。
具体的指令如下：
最为一个科研论文写作专家，请按照以下顺序完成指令：
1.我现在会给出AIGC之前的论文，我会给出几篇摘要（多为顶刊顶会），试分析他们中间的每一句话说了什么？然后提取一些特点，用于改进我的论文摘要。
2.根据我给出的论文，整理2～3个通用的论文摘要表达模版，具体到每句话说什么，一共有几句话？表达句式可以长什么样？（长度不宜过长，表达不宜复杂）
3.将我提供需要改进的摘要作为素材填写到了模版中。
4.要求生成中英双语的模版
以下为我提供的顶刊顶会论文摘要：
# N-HiTS
论文摘要1
#Informer
论文摘要2
# iTransformer
论文摘要3
中间的论文可以换成任意您领域/期刊的论文摘要。
## 参考效果
### 原文
```latex
金融市场价格的精确预测有助于投资者做出金融决策和政府制定宏观金融政策。为了准确预测股票的价格
趋势，本研究提出了一种结合随机森林（Random Forest, RF）、注意力机制（Attention Mechanism,
AM）以及长短期记忆（Long Short-Term Memory, LSTM)网络的混合模型，称为RF-AM-LSTM。首先，
通过随机森林对原始历史数据、技术指标和大盘指数等输入特征进行重要性排序并筛选出最优特征子集。其次，
通过注意力机制来处理筛选后的特征序列从而提高重要特征的关注度并降低冗余特征的关注度。最后，将处理
后的序列输入到长短期记忆神经网络模型以用于收盘价预测任务。本研究选取中国A股市场上市的三只股票进
行股价预测来评估混合模型的性能。实验结果表明，所提模型能够有效实现对股票价格的短期预测，在四个回
归评估指标上均得出最佳预测结果。
```
### 改进
```latex
金融市场价格的精确预测对于投资决策和宏观金融政策的制定至关重要，但传统方法难以有效利用多维数据中
的关键信息。本文提出了一种结合随机森林（Random Forest, RF）、注意力机制（Attention Mechanis-
m, AM）和长短期记忆（Long Short-Term Memory, LSTM）的混合模型（RF-AM-LSTM），用于精准预测
股票价格趋势。该模型首先利用随机森林对原始历史数据、技术指标和大盘指数进行特征重要性排序并筛选出
关键特征，然后通过注意力机制强化关键信息的权重并减少冗余信息干扰，最后采用LSTM网络对处理后的特征
序列进行股票收盘价的预测。在中国A股市场三只股票数据的实验中，本模型在短期预测任务的四个回归指标上
均表现出优于传统模型的性能。实验结果表明，所提方法在金融预测领域具有显著的优势与应用潜力。
``
如需试用，可以体验，只建议使用GPT-4.5。
chatgpt.com
#提示词工程
具体的指令如下：
最为一个科研论文写作专家，请按照以下顺序完成指令：
1.我现在会给出AIGC之前的论文，我会给出几篇摘要（多为顶刊顶会），试分析他们中间的每一句话说了什么？然后提取一些特点，用于改进我的论文摘要。
2.根据我给出的论文，整理2～3个通用的论文摘要表达模版，具体到每句话说什么，一共有几句话？表达句式可以长什么样？（长度不宜过长，表达不宜复杂）
3.将我提供需要改进的摘要作为素材填写到了模版中。
4.要求生成中英双语的模版
以下为我提供的顶刊顶会论文摘要：
# N-HiTS
论文摘要1
#Informer
论文摘要2
# iTransformer
论文摘要3
中间的论文可以换成任意您领域/期刊的论文摘要。
## 参考效果
### 原文
```latex
金融市场价格的精确预测有助于投资者做出金融决策和政府制定宏观金融政策。为了准确预测股票的价格
趋势，本研究提出了一种结合随机森林（Random Forest, RF）、注意力机制（Attention Mechanism,
AM）以及长短期记忆（Long Short-Term Memory, LSTM)网络的混合模型，称为RF-AM-LSTM。首先，
通过随机森林对原始历史数据、技术指标和大盘指数等输入特征进行重要性排序并筛选出最优特征子集。其次，
通过注意力机制来处理筛选后的特征序列从而提高重要特征的关注度并降低冗余特征的关注度。最后，将处理
后的序列输入到长短期记忆神经网络模型以用于收盘价预测任务。本研究选取中国A股市场上市的三只股票进
行股价预测来评估混合模型的性能。实验结果表明，所提模型能够有效实现对股票价格的短期预测，在四个回
归评估指标上均得出最佳预测结果。
```
### 改进
```latex
金融市场价格的精确预测对于投资决策和宏观金融政策的制定至关重要，但传统方法难以有效利用多维数据中
的关键信息。本文提出了一种结合随机森林（Random Forest, RF）、注意力机制（Attention Mechanis-
m, AM）和长短期记忆（Long Short-Term Memory, LSTM）的混合模型（RF-AM-LSTM），用于精准预测
股票价格趋势。该模型首先利用随机森林对原始历史数据、技术指标和大盘指数进行特征重要性排序并筛选出
关键特征，然后通过注意力机制强化关键信息的权重并减少冗余信息干扰，最后采用LSTM网络对处理后的特征
序列进行股票收盘价的预测。在中国A股市场三只股票数据的实验中，本模型在短期预测任务的四个回归指标上
均表现出优于传统模型的性能。实验结果表明，所提方法在金融预测领域具有显著的优势与应用潜力。
``
如需试用，可以体验，只建议使用GPT-4.5。
chatgpt.com
#提示词工程
2 01