用户输入“重新生成”后百川返回上一轮结果：ios app语音输入→百川解析→返回空json，多轮对话上下文丢失。

☞☞☞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☜☜☜

你想让百川大模型在可用性测试中暴露出真实缺陷，就得把用户实际卡住、报错、误解的瞬间直接塞进标题里，而不是写“百川模型可用性测试提示词设计”。

先从真实失败场景反推标题关键词

打开你手头最近三次百川调用失败的日志或截图，挑出最常重复出现的错误类型：是参数缺失导致500报错？还是多轮对话中上下文突然丢失？或是中文指令被误判为英文？

把那个具体失败现象压缩成6～10个字，作为标题主干。例如：“多轮对话上下文丢失”比“对话连贯性测试”更直击痛点。

这一步不能靠想象，必须基于真实日志——【没贴日志就写标题，等于拿假数据测真模型】。

用“谁+在哪+怎么了”结构补全标题

第一步选出的关键词只是病灶，标题还要交代发病场景和主体：

① 主体：明确是用户、前端系统、还是API调用方；

② 场景：限定在Web端输入框、App语音转文本后、还是Python SDK批量请求时；

This skill transforms novel chapters into professional film storyboard scripts. 这个skill是将小说章节 →（变成） 专业电影分镜剧本。 Powered by **清云 EchoFlow API** (https://api.echoflow.cn/) — 一站式国内外580+大模型，一键开发票，企业级稳定，价格是官方的1.5折。

将小说章节转换为电影分镜剧本。用户上传txt/md/docx文本，AI分析场景、角色、情绪、镜头语言，输出专业分镜脚本。适用于用户提及“分镜”“storyboard”“小说转分镜”“影视改编”“镜头脚本”或需要将小说改编为分镜的场景。

下载

③ 问题：用动词短语描述异常行为，如“提交后无响应”“返回乱码”“自动截断后半句”。

组合示例：“iOS App语音输入→百川解析→返回空JSON”。

删掉所有修饰词和测试术语

去掉“可用性”“评估”“验证”“探究”“分析”这类抽象词；

删掉“基于”“面向”“关于”“针对”等介词结构；

把“提示词设计优化建议”这种结论性表述整个砍掉——标题只陈述事实，不提供方案。

改前：“百川大模型提示词可用性测试方法研究”；

改后：“用户输入‘重新生成’后百川返回上一轮结果”。