先说一个核心判断：让讯飞星火真正理解“镜头路径”，关键不是告诉它“请突出镜头路径”——这条指令会被模型当作修辞修饰直接过滤掉。你需要做的，是把“镜头”从比喻还原为一个可执行的动作指令序列。

所谓镜头路径，本质上就是用户行为在时间轴上的具象移动轨迹：从用户看到问题、产生疑惑、尝试解决，到最终放弃或求助的完整视线与操作流。只有把这条流拆解成模型能逐帧执行的代码式指令，它才能输出真正可用的痛点挖掘提示词。

下面直接拆步骤，四步法，每一步都不能省。

第一步：用时间锚点锁定镜头起点和终点

在提示词开头，必须明确写出两个不可省略的时间节点：“当用户第一次注意到XX异常时”（起点），以及“直到他关掉页面/截图发给同事/搜索‘XX怎么修复’为止”（终点）。这两个节点之间必须是连续动作序列，不能跳步。

举个例子：写“打开设置→点击蓝牙→发现图标变灰→长按无反应→返回桌面”，中间绝不能插入“此时用户很焦虑”这种主观描述。模型不会把情绪转译为镜头帧，但会忠实复现你给出的动作序列。

这两点缺一不可。缺了起点，讯飞星火会自作主张给你补一个“用户打开App”，但实际场景中用户可能早就打开了App，只是遇到了新问题。缺了终点，它会默认“问题已解决”，但现实往往是用户根本没解决，直接放弃了。

第二步：强制插入视觉动词替代抽象动词

把所有“发现”“意识到”“感到”这类抽象词，全部替换成具体的视觉或界面交互动词：盯着、滑动三屏、放大截图、反复点击同一位置、拖拽进度条回看上一秒、误触返回键后立刻点叉号关闭弹窗。

“盯着”比“注意到”更有效，因为讯飞星火对眼球停留有基础建模；“滑动三屏”比“浏览页面”更能触发路径联想——它会自动补出“第一屏无提示→第二屏按钮错位→第三屏底部出现红色报错”。绝对禁止使用‘可能’‘通常’‘一般会’这些模糊词，一旦用了，模型立刻切换到统计模式，输出泛化结论，而不是单条具体的镜头流。

第三步：用分号分隔镜头段，每段只含一个界面状态

这里有两种切分版本，选哪一种取决于你下一步要拿这个提示词跑什么任务。

版本一：按界面切分。每段以“当前界面：XXX”开头，后接该界面内唯一的用户动作。
示例：
当前界面：订单确认页；用户手指悬停在‘提交订单’按钮0.8秒未点击；
当前界面：支付成功弹窗；弹窗右上角X图标被指甲盖完全遮挡；
当前界面：信息收件箱；用户快速向上滑动跳过前4条营销信息。

版本二：按失败节点切分。每段以“卡点：XXX”开头，后接用户在此处的3秒内真实操作。
示例：
卡点：验证码输入框；连续删除重输3次→切换输入法→截屏对比信息原文→用语音输入法说“把数字念出来”；
卡点：Wi-Fi列表；长按‘家庭宽带’名称→弹出菜单无‘忘记网络’选项→返回上页→下拉通知栏点击Wi-Fi图标→再次进入列表。

版本一的颗粒度更适合埋点验证，版本二适合客服话术训练。这两种路径的镜头密度完全不同，选对版本就是选对下一步的应用场景。

第四步：插入1个不可跳过的物理动作作为路径校验点

在整条路径的末尾，硬性加入一个真实世界的物理动作：合上笔记本电脑盖子、把手机倒扣在桌面、用指关节敲击屏幕三次、把充电线从插座拔出再插回。

这不是画画添足——讯飞星火目前对物理动作的敏感度远高于界面动作。这个物理动作会迫使模型把前面所有数字行为锚定在真实的时空环境里，避免它在路径末尾生成“用户思考了5秒”这种虚镜头。

这一步不做，生成的路径就会漂在操作系统的抽象层里：看不出是iOS还是安卓，看不出用户是左手持机还是戴着手套操作。而合盖、倒扣、敲击、拔插这些动作，自带设备特征和环境线索，模型必须据此重新校准整条路径的真实性。