林绍峰轻轻吸了口气，微微一笑：“当然可以。”
现场演示有风险：测试时测不到的东西，现场总会冒出来。
若不是对产品有足够信心，一般不会做现场演示。
话又说回来，现在是内部会议，演示出问题也只在内部丢脸；若是在发布会上现场演示出了问题，那是要上新闻、上热搜的。
林绍峰又扫了一眼吕云和郑晓波，两人都专注地看着这边。他把那口气吐出来，打开了坤元的交互界面。
既然要现场演示，他准备的材料自然已在私下跑过很多次；但大模型的特点就是不可预测，懂得都懂。
输入：【就快双十一了，帮我把这份备货方案过一遍，看看有没有问题。】
随后上传附件。那是一份备货预案，几十个SKU的库存计划、仓储分配、物流时效节点都在里面。
坤元处理后，输出没有列出所有风险，只列了三条。
头部爆款SKU在主仓的备货量按去年销售曲线估算，峰值时段可能断货；华南仓到主力配送区的物流时效节点恰好在第一天晚上，高概率延误；另外，两个促销组合的定价有漏洞，某些商品折上折后会低于成本价。
每条后面都附了修复建议，全是几天内能完成的具体动作。
作为对比，林绍峰把同一份附件和同样的提示词发给了ChatGPT。
ChatGPT的回复非常详尽——从仓储布局到长期供应商关系，从流量预测模型到客服应急预案，洋洋洒洒十几条。先不说答案对不对，光这个体量的文本就让人头皮发麻，不想读。
林绍峰把两个输出并排放在大屏幕上。
“这是我们团队的研究员找电商部门同事要来的真实案例。他们看过输出后，觉得坤元更好。”林绍峰说到这儿，转向电商部VP，“许总，您觉得呢？”
许总没料到自己会被点名，愣了下，但反应很快，笑道：“当然。从我的角度看，坤元的回答明显更实用，我希望现在就给运营团队的同事都安排上。”
会议室里响起一阵低笑，连吕云脸上也挂了一点笑意。
“当然，这件事GPT也可以做到。”
林绍峰话锋一转：“但想要这个效果，提示词就得这么写——”
他切了一下屏，另一个文档出现在屏幕上，是一段提示词：
【请分析以下备货方案，要求：
只列出三天内可以解决的问题；
…。。