TRIZ发明原则AI助手开发背景
在今天的商业环境中，人工智能好像爆火过后归于沉寂，其实基于AI的智能体开发正在各行各业中悄悄开展。
从前年到去年，法思诺创新团队就运用AIGC辅助开发了创新大师软件。因此，我们对AIGC的优缺点算是比较了解的。显然，与创新大师软件相比较，AIGC更擅长针对问题产生创意(“创新大师”更擅长定义和明确问题)。详见文章《“创新大师”先瞄准，人工智能（AIGC）后射击，创新搭档，指哪打哪！》。
今年年初，法思诺创新团队开始尝试把创新大师软件的部分工具AI化，首选的就是矛盾矩阵和发明原则。目的是想把AI的创意能力和TRIZ工具结合到一起，这样的智能体，既能聚焦具体问题，又能快速产生大量有针对性的创意。
为什么选矛盾矩阵和发明原则？
原因很简单，因为TRIZ发明原则和矛盾矩阵是TRIZ最经典的工具，很常用且好用。
比如TRIZ发明原则单独使用时，哪怕研发团队已经在头脑风暴会议中榨不出一个点子了，引入发明原则后，团队成员还是可以每人轻松再增加30-50个创意。因为TRIZ的发明原则就是能帮助你摆脱惯性思维，从你不熟悉和不了解的方向给你提供大量可能的创意启发。
而矛盾矩阵与发明原则一旦结合，用在解决技术问题上，则是胜在聚焦矛盾，强在具有针对性。教员在他著名的《矛盾论》中认为，任何事物发展过程中都存在多个矛盾，其中必然有一个主要矛盾起主导作用，而其他矛盾则处于次要和服从的地位。一旦抓住了主要矛盾，许多相关的问题就会更容易解决。
而企业在技术和产品研发过程中，同样存在着大量的技术矛盾和物理矛盾。如果能够把多数技术问题拆解成关键的矛盾，那么，这些问题也就很容易迎刃而解。
这就是矛盾矩阵+发明原则的威力。通过将问题拆解出主要技术矛盾，可以运用矛盾矩阵找到对应的发明原则。再基于发明原则获得的创意点子，往往能够快速解决掉令人头疼的问题。毕竟，TRIZ发明原则本身就是从上百万的发明专利中总结提炼出来的。
你可能会问，既然矛盾矩阵结合发明原则这么好，天上有地上无的，为什么很少有人知道怎么用？很显然，这里一定存在着一些难点，这些难点直到我们在开发智能体的时候才有更深的体会。
为什么要搭建发明原则智能体？
还有人会说，AI现在都这么强大了，为什么还要开发专门的发明原则智能体？
我只能说，如果只是解决日常生活问题和常规工作是足够了。但如果用来解决技术和产品研发中的专业问题，目前的AI水平可能只有40-50分，甚至更低。我们的客户，企业中最聪明勤奋的研发人员常常对AI嗤之以鼻，我们的创新顾问也是对AI一言难尽。
举个例,如果问AI一个问题：我希望笔记本电脑更轻便，但是不希望牺牲其散热性能，怎么办？
AI 甲回答：
这个AI甲的回答，是把你当成了购物狂人了。
AI 乙回答：
这个AI乙的回答，是把你当成了知识小白，需要普及。
如果你认为这个问题不够明确，那么，我们再加上发明原则看看。
改过的问题：我希望笔记本电脑更轻便，但是不希望牺牲其散热性能，怎么办？请用TRIZ的发明原则帮我解决。
AI 甲回答：
这时，AI甲开始基于发明原则进行各种设想，算是提供了一些泛泛的创意点子。
AI 乙回答：
这里的AI乙同样基于发明原则进行了逐条的创意发挥，算是头脑风暴会议的重要补充。
然后，如果只是简单罗列出一大堆创意，对用户而言恐怕价值不大。因为内容太宽泛，缺乏聚焦和针对性。虽然通过提示词的调整，的确比第一次的回答进步不少，然后对研发人员来说还是远远不够的。而搭建发明原则智能体目的是解决是技术创新垂直领域的专业问题。
发明原则智能体搭建重点和难点
我们设想的发明原则智能体主要功能是，能够清晰判断研发人员的技术问题，并从中提炼出关键的技术矛盾，最后通过查询到的发明原则，生成有针对性的解决创意。
看起来思路很清楚吧？其实做起来却困难重重，踩坑无数。有机会专门写一期创新智能体搭建掉坑和爬坑体验：）
让我们把上述需求拆解你就清楚了，无论是智能体，还是个人，在使用矛盾矩阵和发明原则时都会遇到如下四个阶段问题。这也是发明原则智能体搭建的重点也是难点。
第一步：如何把常规技术问题转化成TRIZ句型问题？
对于个人来说，这是难点之一。你需要了解什么是TRIZ句型，如何把常规技术问题转换成TRIZ句型问题。这个阶段，看起来简单，不经过调试和优化的智能体，准确率可能只有50-60分，经过调优之后，大概可以达到90分。而人的转化能力可能更低，毕竟学过TRIZ的人是少数，哪怕学过的也不见得能理解和会用。
同样把上述问题询问发明原则AI智能体：
智能体会首先将问题转化成如下的TRIZ句型问题。
TRIZ句型的目的是把问题中存在的矛盾更好的展示出来，方便理解。
第二步：如何根据TRIZ句型问题找到对应的工程参数？
对于个人来说，这是难点之二。这个阶段需要判断两件事情，一个是识别什么是工程参数，二是如何与TRIZ的工程参数进行匹配。很显然，你对工程参数的理解不对，匹配也肯定不对。
其实，对于发明原则智能体来说，这也是难点。下面是它的回答：
看起来还不错吧？但是，你可能不知道，得到这种比较准确的答案之前，其实智能体已经翻车过无数遍了，并被在半年中被调试了n次。目前我估算的准确率可能达到了80%，还需要多一些测试看看。
第三步：如何根据工程参数从矛盾矩阵表查询对应发明原则
这里对人来说是最容易的环节，因为识别出两个工程参数之后，对照矛盾矩阵表查询，就能很快找到适用的发明原则。但是，对于智能体，这里也是一大难点。因为运用RAG让大模型去查矛盾矩阵表，大模型的能力基本上就废了。好在经过多次抢救，发明原则智能体针对上述问题的答案如下：
大家可以自己查一下矛盾矩阵表，就知道这个结果是准确的。（请用48*48矛盾矩阵表）
第四步：如何根据发明原则提供具有针对性的创意
第四步对于人来说有些差异化了。面对查询到的发明原则，有些人会觉得非常有启发。但另外一些人会比较困惑，不知道怎么用这些发明原则进行跨领域创新。这里就是AI智能体发挥其最强优势的地方了。说到发明原则的创意思路，简直就是张嘴就来。
很显然，发明原则AI智能体把对应发明原则解决问题的创意思路都逐一进行介绍。在创意方面，智能体决不会藏着掖着。除非是受到一次性输出文字的限制。
试用发明原则智能体
就我们的期望而言，发明原则智能体需要在专业领域确保准确性和稳定性，同时还能快速输出。而快速的前提是不能造成输出质量的大幅度下降。
然而，我们的发明原则AI智能体还是可能遇到各种问题，如：
偶尔“智障”
有时间，你会发现智能体的输出结果一片混乱，牛头不对马嘴的。
这种情况可能需要过几天再测试。
我理解的原因主要是大模型在调试和优化导致智能体输出的剧烈变化。
举个例子：这就相当于我在桌子（大模型）上搭建好了积木房子（智能体），但是，桌子总是不时晃动一下，每次晃动都造成一些积木掉落......
时而“油滑”
有顾问说，他同时问了智能体四次一模一样的问题，但是回答都不同。这里需要做些区分。一种情况是，如果每次答案都是完全不同的，那么，这个智能体质量不合格。
这就是相当于同样一个病症你问了医生四次，医生认为是四种不同的病，然后给你开出四种不同的药。这谁受得了？
另外一种情况是，同样问题问四次，虽然有四种回答，但是80%-90%的内容是一致。这个是可以接受的。
可能的原因是AI的“油滑”个性。如果第一次回答你没有采纳，第二次，它默认你不满意之前的答案，所以对答案进行了补充或调整。第三次也类似。
当然，还有一种说法是，大模型基于海量数据和各种更新算法，因此，每次回答都不可能100%完全一样。
有时不专业
还有一种情况，是需要人与AI的配合。例如，研发工程师看到发明原则AI助手给出的工程参数不适用时，最好的方式就是让AI助手换成指定的工程参数。如此重新生成的创意解决方案就会比较专业，且具有针对性。
所以说，发明原则AI助手能够与研发人员很好配合。而借助研发人员的专业调教，可以最好地发挥AI智能体的创意能力。
怎么试用？
虽然“发明原则AI助手”还有这样那样的问题，但是，我们还是邀请各位粉丝一起来试用。一来希望大家给我们更多反馈和建议，二来也希望对大家的研发和创新工作有一些小小的帮助。
