使用飞书智能伙伴整理访谈记录时，如果提示词设计不合理，确实容易让人反复修改——要么遗漏关键信息，要么格式混乱不堪，逻辑也衔接不上。每次重写都相当于手动补充一遍上下文。如何避免这个坑？以下几条实战经验值得尝试。

明确角色与输出约束

第一步，在提示词开头用一句话清晰界定智能伙伴的身份。例如：“你是一位资深用户研究助理，专注于提炼深度访谈中的行为动机与矛盾点”。别小看这一句——角色模糊，模型就容易自由发挥，把中性描述写成主观评论，后续还得手动删改。

第二步，直接固定输出结构。可以这样写：“请严格按以下三部分组织结果：①核心洞察（不超过3条，每条需附上具体引语支撑）→②受访者原话节选（标注时间戳或段落编号）→③待验证疑问（列出2个需二次确认的问题）”。若不设定结构约束，九成概率需要人工重新分段归类。

第三步，清除模糊动词。避免使用“适当总结”“合理归纳”，改用“仅提取受访者亲口说出的决策动因，剔除所有推测性表述”。模型会把“我觉得这个功能太难用了”自动转译成“用户对操作路径存在认知负荷”——这种美化式改写正是反复修改的根源。

绑定原始记录特征

方法一：在提示词中嵌入真实文本特征。比如说明“原始记录含大量口语停顿词（呃、啊、那个）、重复追问和半截句，处理时保留关键重复以体现犹豫态度，但删除无意义语气词”。否则模型会机械清除所有口语痕迹，反而丢失了情绪线索。

方法二：指定引用锚点。写上“所有结论必须对应到原始记录第X段或时间戳X:XX处，未标注出处的内容不予采纳”。这一条能避免模型凭空编造“典型反馈”，省去后期逐条核对来源的时间。

预置校验开关

在提示词末尾加一句硬性指令：“输出前自动执行三检：①检查是否每条洞察都有对应原话片段→②检查是否出现‘可能’‘应该’‘建议’等非陈述性词汇→③检查时间戳/段落编号是否连续无跳号”。缺少这一句，模型不会自我校验，错误直接溜进初稿。