要让Kimi精准分析用户对智能家居产品的看法，需用需求澄清式Prompt：先锁定“用户”“看法”“产品”等模糊点，再以5W1H补全约束，接着分段指令或角色设定组装Prompt，最后验证输出是否含原始语句与归因标签。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
当你把“用户对智能家居产品有什么看法”这种宽泛问题丢给kimi，它大概率会返回泛泛而谈的行业报告式回答——因为模糊需求缺乏约束边界，模型只能调用通用知识填充空白。要让它真正帮上调研分析的忙，必须用需求澄清式prompt主动收窄焦点、补全隐含前提、定义输出形态。第一步：锁定核心模糊点
通读原始需求，圈出所有未明确定义的关键词。比如“用户看法”没说明是哪类用户（新购者？弃用者？），也没说“看法”指满意度、购买障碍，还是功能期待。“智能家居产品”更宽泛到涵盖扫地机器人、智能灯泡、全屋系统，三者用户心智完全不同。
这一步不能跳过——【跳过模糊点识别，后续所有澄清都可能偏离真实分析目标】。
第二步：用“5W1H”反向注入约束
针对每个模糊词，用Who/What/When/Where/Why/How六维提问法补全缺失信息：
• Who：当前调研面向25–35岁一线城市场景的新房装修人群，非存量换机用户；
• What：聚焦“智能灯光系统”的开箱体验与首周使用障碍，不涉及价格敏感度或品牌偏好；
• When：数据采集截止于2024年Q2，需排除疫情封控期的异常反馈；
• Where：仅分析小红书和知乎平台的真实用户晒单帖，剔除电商评论区；
• Why：目的是优化APP配网流程，因此需提取与“手机蓝牙连接失败”“说明书步骤错乱”强相关的抱怨；
• How：输出必须带原始语句摘录+归因标签（如“归因：APP界面无进度提示”），禁用概括性描述。
第三步：组装澄清式Prompt
方法一：分段指令式
使用 Moonshot Kimi API 的 $web_search 内置工具进行联网搜索。当需要进行网络搜索获取实时信息时使用，支持中文和英文搜索查询。需要配置 MOONSHOT_API_KEY。
先写基础任务：“请从以下127条用户发帖中提取关于智能灯光系统配网失败的具体原因”，再用“注意”引出约束：“注意：仅保留明确提及‘蓝牙连不上’‘APP卡在第3步’‘说明书图示与实物不符’的原始句子；剔除‘不好用’‘太复杂’等无指向性评价；每条归因后标注来源平台（小红书/知乎）和发布时间（精确到月）。”
方法二：角色设定式
“你现在是智能家居公司的用户体验研究员，刚收到一批未经清洗的用户反馈。你的任务不是总结趋势，而是像做手术一样切出所有与‘首次配网失败’直接相关的原始证据。要求：① 每条输出必须包含完整引用句；② 同一帖子中多次提及同一问题只计1次；③ 发现‘说明书’‘APP’‘路由器’三类关键词才触发归因判定。”
【角色设定必须匹配真实业务动作，若设定成“市场总监”，Kimi易生成战略级建议而非原始证据切片】
第四步：验证Prompt有效性
① 输入10条典型模糊反馈（如“这个灯搞不懂怎么连”“试了三次都不行”），运行Prompt；
② 检查输出是否全部满足：有原始语句、有归因标签、无主观推断；
③ 若出现“可能因为用户操作不当”之类推测性表述，立刻删掉Prompt里所有“可能”“或许”“一般”等弱限定词，改用“仅当原文出现‘按说明书第2步’字样时才标注‘归因：说明书步骤错误’”；
④ 对仍不达标的输出，回溯第二步，检查是否漏掉了关键约束维度（例如未定义“配网失败”的判定标准是“超时90秒无响应”）。
