需先补全课程大纲，再以3个一级章节标题为锚点，用语义匹配剔除零关联词，接着人工删除制作执行类、泛指类及冗余修饰类提示词。
☞☞☞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☜☜☜
你需要从Vidu课程预告视频的原始提示词列表里，快速剔除与课程主题无关的干扰项，比如“背景音乐推荐”“片头动画风格”“主讲人穿搭建议”这类看似相关实则偏离教学核心的词。
先锁定课程内容锚点
打开Vidu后台的课程管理页→点击目标预告视频→在右侧元数据栏找到【课程大纲】标签页→复制最顶层的3个一级章节标题（必须是带编号的正式标题，不能选“其他说明”或“附录”）。这3个标题就是你筛词时不可动摇的语义锚点。
【若课程大纲为空或未填写，此步无法继续，必须先补全再操作】
用语义距离法批量初筛
把刚复制的3个一级标题粘贴进任意文本编辑器，每行一个；再把全部提示词粘贴到下方，用空行隔开。
逐条检查每个提示词是否能在3个标题中任一标题里，找到至少1个完全相同的名词性短语（例如标题含“Python函数式编程”，提示词含“函数式编程技巧”可保留；含“Python装饰器示例”也可保留；但“高清片源下载”“字幕时间轴校准”必须删除）。
这一步直接删掉所有零匹配的词——它们和课程骨架毫无咬合关系，留着只会稀释后续人工判断精度。
人工复核高危词组
方法一：查“动词+非课程名词”结构
扫描剩下词组，重点揪出以“添加”“替换”“设置”“调整”“优化”开头，且宾语不是课程核心要素的词。例如：“添加转场特效”→删，“替换主讲人头像”→删，“优化封面字体大小”→删。这些动作对象不在课程知识图谱内，属于制作执行层，不该混入内容提示词库。
方法二：盯住“场景化泛指词”
直接删除含以下任意词的整条提示词：“通用”“万能”“热门”“爆款”“新手友好”“高效模板”。这些词没有指向性，无法反向定位到具体知识点，筛掉后词库纯度立刻提升。
方法三：验“修饰词失焦”现象
保留“PyTorch张量计算原理详解”，删除“超详细PyTorch张量计算原理详解”——“超详细”这种程度副词会弱化关键词权重，在Vidu的提示词匹配机制里反而降低召回准确率。
