利用kimi可五种路径结构化提取访谈稿要点：一、角色驱动式指令解析；二、多维度字段约束批量萃取；三、飞书多维表格机器人自动触发；四、调用api嵌入本地流水线；五、基于时间轴分段聚焦提取。
☞☞☞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☜☜☜
如果您已将长篇访谈录音转写为文字稿（如TXT、DOCX或PDF格式），但面对数万字文本难以快速定位关键信息，则可能是由于缺乏结构化提取策略。以下是利用Kimi快速提取长篇访谈录音转写稿核心要点的多种操作路径：
一、上传转写稿并启用角色驱动式指令解析
该方法通过赋予Kimi明确的专业角色与任务边界，使其聚焦于访谈文本中最具价值的身份标签、观点主张与实证支撑，抑制泛化描述。模型依据角色认知自动过滤冗余语句，强化逻辑主干识别。
1、打开Kimi官网，登录账号后进入对话界面。
2、点击输入框上方的「回形针图标」，选择本地已转写的访谈文字文件（支持TXT、DOCX、PDF）。
3、文件上传完成并显示「已就绪」后，在输入框中输入：你是一名资深社会学研究员，请从以下访谈实录中严格提取：①每位受访者的职业与身份标签；②每人提出的三个核心观点；③每个观点对应的典型例证或数据引述；④观点间存在分歧的具体议题及双方立场。
4、发送指令，Kimi将在数秒内返回结构化结果，所有身份标签与观点动词均被自动加粗。
二、使用多维度字段约束指令批量萃取
该方法通过在指令中嵌入强制字段名与输出格式，使Kimi跳过自由组织语言的过程，直接映射原始文本片段至预设结构，适用于需对接Excel或数据库的标准化处理场景。
1、确保转写稿中已包含清晰的时间戳或发言人标识（如“[张老师, 00:12:05]”）。
2、在Kimi输入框中键入：请将全文按发言段落切分，对每段执行如下提取：职业=、观点=、例证=、态度倾向=（仅填‘支持’‘反对’‘中立’）、情绪强度=（低/中/高）。禁止合并段落，每行仅输出一个完整字段，字段间用分号隔开。
3、发送后，结果将以纯文本表格形式呈现，可直接粘贴至CSV文件并用Excel分列处理。
三、结合飞书多维表格机器人实现新增即提取
该方法适用于团队协作环境中访谈稿持续沉淀的场景，通过事件监听机制，在新访谈文档入库瞬间触发Kimi自动解析，省去人工上传与指令输入环节，保障信息萃取时效性与一致性。
1、在飞书开放平台创建自建机器人，并订阅所在多维表格的“记录创建”事件。
通过 NVIDIA NIM API 调用 Kimi K2.5 视觉模型分析图像，非常适合为 MiniMax M2.5、GLM-5 等非视觉模型赋予视觉能力。
2、配置机器人响应逻辑：当新记录的“访谈文档链接”字段非空时，自动抓取该飞书文档正文作为输入文本。
3、向Kimi发送结构化请求，prompt中强制要求输出为JSON格式：{"职业":"", "核心观点":[], "例证引用":[], "矛盾点":"", "建议行动项":""}，且所有字段值必须严格源自原文字符序列。
4、解析返回的JSON，将各字段值自动填充至多维表格对应列，完成结构化归档。
四、调用Kimi API嵌入本地处理流水线
该方法面向技术用户，将Kimi的长文本理解能力接入已有访谈数据库系统，实现无人值守的定时扫描与字段回写，支持对历史存量文档进行批量重处理与版本比对。
1、在Kimi开发者平台申请API Key，并开通“超长上下文理解”权限。
2、编写Python脚本，构造POST请求体，将单条访谈文本作为content字段传入，prompt参数设定为：请提取：受访者职业（限10字内）、最常重复的问题关键词（频次≥3）、含“应当”“必须”“不能”等强规范动词的句子、未被回应的追问问题。结果仅输出为四行纯文本，不加任何说明。
3、接收响应后，解析result字段，将四行内容分别写入SQLite数据库的对应字段，完成自动化标注。
五、基于时间轴分段聚焦提取关键节点
该方法适用于含明确议程或阶段划分的深度访谈，通过将全文按时间或话题模块切片，逐段施加差异化指令，避免全局处理导致重点稀释，尤其适配“问题—回应—深化—结论”类逻辑链。
1、先让Kimi提取访谈议程：“请从文本前300字中识别本次访谈的正式议程，按顺序列出主题名称与起始时间戳。”
2、根据返回的议程节点，手动或脚本截取各段文本（如“教育公平议题：00:18:22–00:34:17”）。
3、对每段单独上传或粘贴，并输入针对性指令：此段聚焦教育公平，请提取：政策现状描述句、受访者质疑点、提出的替代方案、方案所需资源类型。
4、汇总各段输出，合并为带时间锚点的结构化要点清单。
