☞☞☞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☜☜☜
请以项目经理身份，面向公司管理层撰写一份关于“xx小程序上线”项目的复盘报告，不使用表格，全部用自然段落呈现；每部分不超过180字；关键数据必须带同比/环比说明；按【目标达成】→【关键动作】→【根因分析】→【后续行动】四模块展开；采用冷静克制的汇报口吻，禁用“我们”“笔者”等人称代词；所有归因指向流程或机制，不点名个人；提及问题时同步标注已落地的改进项。
用通义千问快速生成一份结构完整、重点突出、可直接用于汇报的项目复盘报告，避免从零组织语言、反复修改逻辑、遗漏关键维度。
明确复盘目标与角色定位
第一步：在提示词开头直接声明用途和读者对象，例如“请以项目经理身份，面向公司管理层撰写一份关于‘XX小程序上线’项目的复盘报告”。这能强制模型聚焦汇报场景，自动过滤技术细节，优先输出决策层关心的进度、风险、资源、收益四类信息。
第二步：补充一句约束条件，如“不使用表格，全部用自然段落呈现；每部分不超过180字；关键数据必须带同比/环比说明”。没有这条，模型容易堆砌冗长描述或默认用Markdown表格——而多数OA系统粘贴后会错乱。
植入核心复盘框架
方法一：直接嵌入经典四象限结构。输入：“按【目标达成】→【关键动作】→【根因分析】→【后续行动】四个模块展开，每个模块用小标题分隔，其中‘根因分析’需区分主观原因（如排期压缩）与客观原因（如第三方接口延迟）。”
方法二：用提问式引导。输入：“这个项目实际交付比计划晚5天，请先指出延迟主因是需求变更频次过高，再说明测试环节漏测了支付回调场景，最后给出下一期引入需求冻结期的具体操作节点。”模型对具体问题响应更准，比泛泛要求“分析原因”有效得多。
【注意】不要写“请分析做得好的地方和不足”，这种模糊指令会让模型平均分配篇幅，掩盖真正要问责的环节。
注入真实项目参数
把原始需求里的干系人、时间节点、KPI数值直接塞进提示词。例如：“原定6月30日上线，实际7月5日发布；初始预算42万元，最终支出46.8万元；DAU目标1.2万，首月均值9800。”模型只有看见数字，才能算出“超支11.4%”“达成率81.7%”这类有冲击力的结论，而不是笼统说“预算略有超出”。
这一步操作起来很简单，直接复制项目结项邮件里的数据段落就行。但漏掉它，报告就会充满“较为顺利”“基本达标”这类无效表述。
控制语气与细节颗粒度
在结尾追加风格指令：“采用冷静克制的汇报口吻，禁用‘我们’‘笔者’等人称代词；所有归因指向流程或机制，不点名个人；提及问题时同步标注已落地的改进项，例如‘已推动法务前置介入需求评审’。”
方法三：用对比句式锁定细节层级。输入：“不要写‘用户反馈不佳’，要写‘App Store差评中37%提及启动闪退，集中出现在华为P50机型Android 12系统’。”模型立刻明白你需要的是可追溯、可验证的事实锚点，而非感受性描述。
