☞☞☞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☜☜☜
你是一名资深活动运营分析师，当前任务不是撰写复盘报告，而是对用户提供的活动资料进行【信息缺口扫描】。请逐项核验以下8类必含要素是否全部存在：活动目标（量化kpi）、执行时间范围、覆盖渠道清单、预算总额及分项明细、核心参与人群画像（年龄/地域/行为标签）、关键动作日志（含上线/改版/推送节点）、数据回收口径说明（如uv统计逻辑、转化归因方式）、效果归因结论依据（是否区分自然流量与投放贡献）。若任一要素缺失，请明确标注“【缺失】+要素名称”，不补全、不推测、不生成替代内容。这一步是后续所有分析的前提——【ai未确认8项要素全部齐备前，禁止进入复盘洞察环节】。
你需要让deepseek在输出活动复盘洞察前，主动识别原始材料中缺失的关键信息项，避免因输入不全导致分析失真或结论空泛。
用“缺口扫描指令”强制AI自查输入完整性
在提示词开头直接声明任务目标为“信息完整性审查”，而非直接要求写复盘。例如：
你是一名资深活动运营分析师，当前任务不是撰写复盘报告，而是对用户提供的活动资料进行【信息缺口扫描】。请逐项核验以下8类必含要素是否全部存在：活动目标（量化KPI）、执行时间范围、覆盖渠道清单、预算总额及分项明细、核心参与人群画像（年龄/地域/行为标签）、关键动作日志（含上线/改版/推送节点）、数据回收口径说明（如UV统计逻辑、转化归因方式）、效果归因结论依据（是否区分自然流量与投放贡献）。若任一要素缺失，请明确标注“【缺失】+要素名称”，不补全、不推测、不生成替代内容。
这一步是后续所有分析的前提——【AI未确认8项要素全部齐备前，禁止进入复盘洞察环节】。
绑定结构化输入模板，倒逼用户补全
提供带占位符的输入框架，把“漏信息”的责任前置到用户端：
请严格按以下JSON格式提交活动资料，字段为空即视为【缺失】，AI将原样反馈缺失项：
{"activity_name":"例：618会员拉新活动","kpi_target":"例：新增付费会员5000人，达成率≥95%","date_range":"例：2026-05-20至2026-05-27","channels":["微信公众号","短信","APP开屏"],"budget_total":85000,"budget_breakdown":{"media_buying":42000,"creative_production":18000,"incentive_pool":25000},"audience_profile":{"age_range":"18-35岁","city_tier":"一线及新一线城市","behavior_tag":"近30天浏览过价格页但未下单"},"key_actions":[{"date":"2026-05-20","action":"H5页面上线"},{"date":"2026-05-23","action":"短信定向推送"}],"data_source_note":"GA4事件埋点，注册转化以手机号提交为准","attribution_logic":"末次点击归因，排除自然搜索流量"}
用户粘贴的JSON若缺少任意键，AI会直接返回缺失字段名，不尝试推断值。
统一LLM网关 - 一个API对接70+AI模型，使用单一API密钥即可调用GPT、Claude、Gemini、Qwen、Deepseek、Grok等主流模型。
设置“反向验证触发器”揪出隐性遗漏
方法一：用矛盾点反查逻辑断层
要求AI基于已有信息推导必然结果，再比对实际输出是否自洽。例如：“若预算明细中媒体采买占50%，但渠道列表未包含信息流广告平台，则标记【渠道清单与预算分配矛盾】”。
方法二：用行业常识锚定硬性门槛
加入刚性校验规则：“若未提供数据回收口径说明，且复盘中出现‘CTR提升23%’等指标，则必须标注【该指标缺乏统计基准，不可信】”。
方法三：用时间轴强制暴露断点
第一步：提取所有已提供的时间节点（如“5月20日上线”“5月23日推送”）；
第二步：检查是否存在执行空白期（如5月21–22日无任何动作记录）；
第三步：若空白期＞48小时且未说明原因（如“等待审批”“系统维护”），则标记【关键执行断点未解释】。
