需在Prompt开头明确写出用户【年龄区间+职业身份+核心需求】，再以严格对应的【具体身份】向该画像用户输出，并嵌入结构限定、排除项和决策钩子等行为约束。
☞☞☞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☜☜☜
你想让Kimi根据用户年龄、职业、兴趣等画像特征生成更贴合的推荐内容，而不是泛泛而谈的通用答案——这需要在Prompt中明确注入受众设定，而非依赖模型自行猜测。
明确声明用户画像三要素
在Prompt开头用一句话直接写出【年龄区间+职业身份+核心需求】，例如：“一位32岁的互联网产品经理，正在为Z世代用户设计短视频冷启动方案”。模型没有推理用户背景的能力，不写就默认按全量平均人群处理，推荐结果会迅速趋同于百科词条式表达。
这一步不能缩略为“面向专业人士”，必须具体到可感知的生活场景。写“初中语文教师”比写“教育从业者”有效，“刚拿到驾照的新手妈妈”比写“有车一族”更能触发差异化响应。
用角色指令绑定输出视角
在画像描述后紧跟角色指令句，格式统一为：“请以【具体身份】的身份，向【该画像用户】提供……”。
例如：“请以资深儿童阅读推广人的身份，向一位焦虑但时间碎片化的双职工家长，推荐3本能在睡前15分钟讲完的桥梁书。”
监控Kimi K2.5 API使用量和配额。通过Kimi控制台实现：(1)查看剩余使用百分比和重置计时器；(2)根据可用配额自主决策任务优先级；(3)密集操作前监控速率限制；(4)记录使用模式以支持资源规划。适用于配额约束下的自主智能体。
【角色指令必须与画像严格对应】。若画像写的是“00后自由插画师”，却要求Kimi“以教培机构教研总监身份”输出，模型会在逻辑冲突中弱化个性化权重，退回安全但平庸的通用建议。
嵌入行为约束条件
方法一：限定输出结构
在Prompt末尾追加硬性格式要求，如：“每条推荐必须包含：① 该书如何解决她‘孩子抗拒指读’的具体痛点；② 对应的亲子共读话术示例（不超过20字）；③ 封面视觉关键词（用于小红书选图）。”
方法二：排除干扰项
直接屏蔽模型惯性路径，例如：“不提‘培养专注力’‘提升认知水平’等抽象目标；不推荐需家长提前备课或购买教具的方案；不引用2018年以前出版的绘本。”
方法三：激活真实决策链
加入微小但关键的决策钩子：“假设她手机相册里刚存了3张孩子撕书的照片，请据此调整推荐优先级。”这种具身线索会迫使模型调用更细粒度的用户行为模型，而非套用标准育儿话术库。
