☞☞☞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☜☜☜
真实痛点需用「岗位+动作+卡点」三要素锚定：锁死角色与物理动作、绑定具体时间设备环境、抠出客服对话中的毛边细节，并按现象→断点→根因三层深挖，每层须含可验证事实。
trae重构提示词后生成的需求仍被退回，说“痛点像说明书导语”，不是真实卡点——因为提示词没锁死岗位动作、没绑定设备时间、没抠出客服原始对话里的毛边细节。
用「岗位+动作+卡点」三要素锚定真实痛点
第一步：在提示词开头直接写死角色与物理动作，例如：“你是一名刚接手某银行信用卡中心OCR识别模块的后端工程师，过去72小时内连续收到5次生产告警，日志显示‘身份证反光区域识别失败’错误码重复触发。”
第二步：强制绑定可验证的时间与设备环境，如：“所有痛点描述必须含‘2026年6月11日14:03至15:17间，杭州数据中心A3机房，华为Atlas 800推理服务器第4块GPU显存溢出’这类硬信息。”【若未标注具体设备型号与时间戳，模型将默认补全虚构参数，导致痛点脱离真实部署环境】
第三步：禁用抽象动词，把“识别不准”改成“扫描32张强反光身份证时，第17张起连续6张返回空字符串，下游风控系统因无证件字段自动拦截交易”。
从客服原始对话里抠出带毛边的痛点
方法一：粘贴3条未清洗的客服聊天记录原话（保留错别字和标点）
“这个OCR扫我老公的身份证老是把‘男’认成‘NaN’，第4次重试才过，他急得把手机摔了”
“上传完说‘处理中’，等2分钟弹窗‘识别失败’，再传又一样，最后发现是身份证放歪了1.5度”
“客户说‘你们扫不出来就别让我填人工信息啊’，我后台看到他填了7遍姓名还没提交成功”
方法二：追加指令：“请从以上3条中提取共性断点，每条痛点必须包含1个用户身体动作（如‘摔手机’‘填7遍’）、1个系统反馈（如‘弹窗‘识别失败’’）、1个不可绕过的物理限制（如‘身份证放歪1.5度’）。”
用故障链倒推法深挖三层痛点
① 表层现象：OCR识别失败率从0.3%飙升至12.7%
② 中层断点：预处理模块未对反光区域做动态阈值校准，导致二值化后关键字段丢失
③ 底层根因：训练数据集98.2%来自室内均匀打光场景，缺失强逆光、玻璃反光、金属卡套遮挡等37类真实边缘样本
在提示词中明确要求：“请按‘现象→断点→根因’三级展开，每级用不同字体颜色标注（此处不需输出颜色，仅作结构约束），且根因层必须引用具体数据来源，如‘据2026年Q2线上工单统计，反光类报错占OCR总失败量的63.4%，其中82%发生在下午13:00–16:00’。”
