在招聘APP上刷了37份简历，一个回音都没有——这就是00后求职者刚刚对着手机语音输入的真实状态。不是“找工作”这种泛词，而是“烦→想找能当天面试的工作”。如果你想让夸克AI精准抓住这种场景细节，但提示词一写就变成“如何写简历”“考公时间表”，那问题出在哪？

核心痛点在于：提示词太宽泛，缺少用户的身份标签、使用场景和情绪动因。AI默认按全量网民输出泛化结果，结果自然跑偏。下面三个操作能直接拉回归。

补上用户身份与使用场景

很简单：在提示词末尾直接加上“用户是【刚毕业的00后求职者】，正在【用手机刷招聘APP间隙】搜索”。这一条就能强制模型锚定具体人群和碎片化使用情境。没有身份标签，AI永远按平均值出牌——比如“找工作”变成“如何写简历→考公时间表→副业推荐”这种跨维度混杂词。

操作时直接追加短语，不用动前面的句子结构。

限定搜索设备与触发动作

有两个实用路径：

方法一：在提示词中插入“通过【安卓手机语音输入】说出的第一句话”。例如“用户想换工作→通过安卓手机语音输入说出的第一句话”。语音输入天然带口语停顿、错词、半截句，比键盘输入更贴近真实搜索起点。

方法二：改用“在【微信聊天窗口点开夸克小程序】后，用户没打字、直接点【搜索框右侧话筒图标】说出来的原话”。这个路径锁定了真实交互链路——不是主动打开夸克，而是在微信生态内被动唤起，极大降低“专业术语”“完整问句”出现概率。

关键动作：移除“请列举”“请生成”等指令性动词，换成“我看到的真实记录是……”，让AI模拟观察者视角而非应答者，否则它仍会输出教科书式标准问法。

植入具体障碍与情绪关键词

第一步：找出用户当前卡点，比如“投了37份简历没回音”；
第二步：匹配对应情绪词，如“慌”“怕”“烦”“懒得再改”；
第三步：把卡点+情绪压缩成7字以内短语，插进提示词中间，例如“投了37份简历没回音→烦→想找能当天面试的工作”。

不加情绪词时，AI倾向输出理性解决方案类搜索词（如“面试技巧”）；加入“烦”“怕”后，真实词立刻转向“boss直聘怎么删已投公司”“hr已读不回截图发哪投诉”。

必须警惕的是：情绪词要来自真实用户反馈原文，别自己编。“焦虑”不如“怕交五险一金后工资变少”有力——后者直接暴露决策障碍。