☞☞☞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☜☜☜
原始提示词存在平台语境脱节问题：用“情感分类”“痛点归纳”等后台术语，忽视小红书“真的会谢”、微博“破防了”、知乎“能否解释底层逻辑”等真实情绪表达与句式习惯；需按平台载体特征、高频信号词、原生句式及用户身份四步重构，结尾必须限定ai扮演具体平台真实用户角色。
你需要把印象ai用户反馈分析提示词改成符合小红书、微博、知乎等平台调性的表达，让ai生成的分析结果更贴近真实用户的说话方式和情绪节奏，而不是机械的报告腔。
先拆解原始提示词的问题
原始提示词通常写成“请对以下用户反馈进行情感分类、提取痛点、归纳改进建议”，这种句式是典型的产品后台思维——它默认AI懂“痛点”“改进建议”这些抽象概念在不同平台的实际指代。但小红书用户说“这个功能找不着，点三次才进去，气死”，这根本不是“操作路径冗长”的标准表述；微博用户发“#印象AI又崩了# 我刚录到一半！”，情绪浓度远高于“稳定性问题”。直接套用原提示词，AI会把“气死”归为中性情绪，把“#又崩了#”当成普通抱怨。
按平台重写提示词的核心动作
第一步：明确平台最常出现的反馈载体类型 → 小红书多图文笔记+评论区短评，微博多带话题的碎片吐槽+转发评论，知乎多长回答+追问式提问。
第二步：提取该平台高频情绪信号词 → 小红书：“救命”“真的会谢”“求求了”“谁懂啊”；微博：“？？？”“破防了”“建议查查是不是服务器在度假”；知乎：“能否解释底层逻辑”“对比XX工具，是否存技术代差”。
知乎数据获取 - 极简设计，支持三级认证降级（Browser Profile → File Cookie → Fallback），确保数据可靠获取 Zhihu Data Fetcher - Minimalist design with three-level auth fallback (Browser Prof...
第三步：用平台原生句式重构指令 → 把“提取用户痛点”改成“像小红书博主那样，用‘我试了3次才找到入口’这种说法还原卡点”，把“归纳改进建议”改成“写成微博网友会转发的吐槽式解决方案，比如‘加个首页快捷入口，别让我再点进设置里翻5页’”。
第四步：强制AI模仿平台用户身份输出 → 在提示词末尾加一句：“你不是产品经理，你是刚被闪退气哭的小红书用户/在地铁上狂刷微博发现又崩了的打工人/知乎上认真对比过5款AI笔记工具的理科生”。【这句必须放在提示词结尾，且不能省略身份限定】
各平台改写示例
方法一（小红书风格）： “请把以下反馈，改写成一篇带emoji和分段小标题的真实小红书笔记。语气要像熬夜整理资料后发现功能藏得比我的耳机线还深的大学生——用‘！！！’‘谁懂’‘求求’‘真的会谢’这类词，把技术问题转化成生活化崩溃瞬间。每段不超过3行，结尾加一句带#的呼吁行动，比如#求加首页入口 #别让我再点五次。”
方法二（微博风格）： “把这些反馈压缩成3条带话题的微博。每条≤40字，必须含1个网络热梗或表情包文字化表达（如‘CPU干烧了’‘建议服务器去三亚疗养’），转发语用‘转给产品哥哥看看’‘求求了’收尾。禁止出现‘建议优化’‘需提升’等书面词。”
方法三（知乎风格）： “以知乎高赞回答风格重述反馈：开头用‘作为深度使用印象AI 372小时的用户，我认为…’建立可信度；中间用‘对比Notion/AI Notes等工具’作参照；关键结论加粗；最后抛一个引发讨论的反问，比如‘当基础功能需要教程才能触发，我们到底是在用AI还是在考计算机二级？’”
