kimi用户在文件总结场景的真实需求是解决“pdf太长读不完”“会议纪要压缩成3句话”“10份合同速找风险点”等效率卡点；需通过清洗搜索日志、用perplexity结构化提取意图、验证真实会话，最终聚焦高频有效需求。
☞☞☞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☜☜☜
用Perplexity分析Kimi用户在文件总结场景下的真实搜索需求，需要绕过表面关键词，定位用户实际卡点——比如“PDF太长读不完”“会议纪要要压缩成3句话”“领导让我速读10份合同找风险点”。
准备原始搜索日志数据
从Kimi后台导出近30天含“总结”“概括”“提炼”“速读”“摘要”等语义的用户query原始日志，CSV格式，至少包含query_text、timestamp、device_type三列。
删掉纯广告词（如“免费总结工具推荐”）、明显测试句（如“测试123”）、非中文query；【保留带文件类型后缀或上下文暗示的query，例如“Word怎么自动总结”“把微信聊天记录转成会议纪要”】。
构造Perplexity提示词精准提取意图
方法一：结构化指令式提示
在Perplexity输入框粘贴以下提示词（不加引号）：
你是一名搜索行为分析师。请从以下用户搜索query中，逐条提取【核心动作】+【处理对象】+【约束条件】三要素，用JSON格式输出。忽略语气词和工具名。示例：“PDF太大了怎么快速总结重点” → {“动作”:“提取重点”, “对象”:“PDF”, “约束”:“快速”}。现在处理：[粘贴10条原始query]
Perplexity SEO 优化指南 — 如何获得 Perplexity AI 的引用。涵盖 Perplexity 引用行为、面向 Perplexity 答案的内容结构、Perplex...
方法二：角色代入式提示
输入：“假设你是刚入职的行政助理，每天收到销售发来的5份产品说明书PDF，领导要求你每份用1句话说明‘客户最可能问什么问题’。请从下面这些搜索词里，反推他们真正想解决的3个高频痛点。”
粘贴20条query后，直接点击“Ask”，Perplexity会生成归类结论，比如“无法判断信息优先级”“不熟悉专业术语导致抓不住要点”“需要适配不同汇报对象（老板/同事/客户）的摘要长度”。
验证提炼结果是否匹配真实场景
第一步：把Perplexity输出的意图标签（如“跨页信息关联”“多文档对比摘要”）与Kimi已有功能列表对齐，标出已支持/未覆盖项。
第二步：随机抽5条被归类为“需保留法律条款原文”的query，手动打开Kimi对应历史会话，检查用户是否真的上传了合同PDF并追问“哪几条不能删”。【若超过2条会话中用户未上传文件就提问，说明该意图是伪需求，应剔除】。
第三步：将剩余有效意图按出现频次排序，前三位即为当前最需优化的文件总结场景。
