必须限定应用商店评论源，勾选近90天⭐⭐⭐以下差评，提取含页码/字段/错误指认的原始语句，用JSON强制归因动作、对象、表现，并交叉验证真实会话以锁定前三位高价值需求。
☞☞☞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☜☜☜
你想在Perplexity中精准挖掘Kimi用户真实存在的资料问答类需求，用于撰写技术类文章，而不是泛泛收集“怎么用Kimi”这类宽泛问题——必须绕过客服话术和自媒体软文，直取用户在查PDF报告、读会议纪要、核合同条款时卡住的瞬间。
锁定高价值原始语料
打开Perplexity主搜索框，输入：【site:apps.apple.com OR site:play.google.com “Kimi” (“找不到答案” OR “答非所问” OR “跳过关键页” OR “没提原文那句”） -“免费” -“教程”】。这一步必须限定应用商店评论源，否则会混入知乎主观帖和小红书种草文，导致后续提炼失真。
点击筛选栏，勾选“Past 90 days”和“Reviews”标签，只看近三个月带⭐⭐⭐以下星级的真实差评。
逐条点开差评，复制含问答失败链的整句，例如：“上传《2024供应商审计报告》→问‘第12页提到的3家高风险供应商是谁’→AI回答‘报告未提供供应商名单’→其实原文P12表格第三列就写了”。这类带原文页码、字段名、错误指认的句子比“回答不准”更具分析价值。
用结构化指令提取需求三要素
方法一：JSON格式强制归因
在新对话框中粘贴全部已收集的12–18条原始差评句子，紧接着输入：
你是一名Kimi产品需求分析师。请对每条句子严格提取【核心动作】+【处理对象】+【失败表现】，输出纯JSON数组，不加解释、不补全、不推测。示例：“问‘第5页表格里退货率最高的是哪家’→AI列出全部6家→但原文只对比了前3家” → {“动作”:“定位表格极值”, “对象”:“第5页退货率表格”, “表现”:“返回超出原文范围的冗余项”}。现在处理:[粘贴句子]。
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。
方法二：角色代入反推痛点
假设你是刚接手客户支持的Kimi一线运营，每天收到15+条“问不到点子上”的工单。请从下面这些用户原话里，归纳出他们真正想解决的三个可执行问题，每个问题必须含动词且能对应到具体提问框或追问按钮。例如：“不是要‘回答更准’，而是‘让AI看到我标黄的那句话并只围绕它推理’”。
【若跳过原始语句直接让Perplexity总结，它会把‘字体太小’也当成问答需求，而技术团队只能修复‘追问按钮位置不可见’】
交叉验证需求真实性
第一步：打开Perplexity右侧“Sources”面板，核对每条提取出的需求是否对应真实用户账号（消息于2026年6月25日发布）。
第二步：随机抽5条被归类为“需锚定手写批注位置”的query，手动打开Kimi对应历史会话，检查用户是否真的上传了带批注的PDF并追问“请看我圈出的那行”。若超过2条会话中用户未上传文件就提问，说明该意图是伪需求，应剔除。
第三步：将剩余有效意图按出现频次排序，前三位即为当前最需优化的资料问答场景。
