必须限定应用商店评论源提取近三个月⭐⭐⭐以下差评，逐条结构化提取【核心动作】【处理对象】【失败表现】三要素，再交叉验证账号真实性、平台一致性与影响权重，最终按“频次×影响面”排序确定高优需求。
☞☞☞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☜☜☜
你想让Perplexity从Kimi用户真实操作中精准提炼出“长文档处理”这一场景下的具体需求，而不是泛泛而谈“总结更好一点”，就必须绕过模糊表述，直击用户上传PDF后卡在哪儿、重试几次、最终放弃的那一刻。
先锁定高价值原始语料
打开Perplexity主搜索框，输入：【site:apps.apple.com OR site:play.google.com “Kimi” (“PDF太长” OR “读不完” OR “卡住” OR “没反应”) -“免费” -“教程”】。这一步必须限定应用商店评论源，否则会混入自媒体软文和知乎主观帖，导致后续提炼失真。
点击筛选栏，勾选“Past 90 days”和“Reviews”标签，只看近三个月带⭐⭐⭐以下星级的真实差评。
逐条点开差评，复制含动作失败链的整句，例如：“上传56页PDF→进度条停在73%→等2分钟无响应→手动关闭重开”。这类三段式描述比“体验差”更具分析价值。
用结构化指令提取需求三要素
方法一：JSON格式强制归因
在新对话框中粘贴全部已收集的12–18条原始差评句子，紧接着输入：
你是一名Kimi产品需求分析师。请对每条句子严格提取【核心动作】+【处理对象】+【失败表现】，输出纯JSON数组，不加解释、不补全、不推测。示例：“点击‘全文总结’按钮→PDF解析完成→结果只返回前3页内容” → {“动作”:“触发全文总结”, “对象”:“56页PDF”, “表现”:“仅返回前3页”}。现在处理:[粘贴句子]。
一键设置，在 OpenClaw 和 Claude Code CLI 中使用 Kimi K2.5 (Kimi Code) 作为编程模型。Kimi Code 兼容 Anthropic Messages API——替换……
方法二：角色代入反推痛点
假设你是刚接手客户支持的Kimi一线运营，每天收到20+条“PDF传不上/总结不对”的工单。请从下面这些用户原话里，归纳出他们真正想解决的三个可执行问题，每个问题必须含动词且能对应到具体功能按钮或流程节点。例如：“不是要‘更好总结’，而是‘让第17页表格数据不被吞掉’”。
【若跳过原始语句直接让Perplexity总结，它会把‘界面太花’也当成需求，而技术团队只能修复‘点击总结按钮后无loading状态’】
交叉验证需求真实性
第一步：打开Perplexity右侧“Sources”面板，核对每条提取出的需求是否对应真实用户账号——重点看头像是否为真人照片、发帖历史是否连续、设备型号是否与描述一致（如用户说“iPad上卡住”，但来源显示是Android设备，则剔除）。
第二步：对同一需求动词短语（如“PDF解析后表格错位”），统计其在iOS/Android/网页端出现次数。若仅出现在Android端且频次≥4次，即标记为高优专项问题。
第三步：将验证后的有效需求按“出现频次×影响面（单次失败导致整份文档重传）”加权排序，取前三位作为当前迭代优先级。例如：“多页PDF上传后自动截断至前20页”排第一，“扫描PDF中表格识别为乱码”排第二，“会议纪要类PDF无法保留发言者分段标识”排第三。
