不少人在使用讯飞星火进行数据分析时，习惯直接说“请分析一下这些数据”，但模型往往回馈一堆专业术语，却难以触及核心问题。究其原因，提示词过于笼统。要让模型具备资深分析师的思维，关键在于学会“投喂”精准的指令。以下分享几条经过长期验证的核心心法，助你设计出能真正提升洞察力的讯飞星火分析提示词。

明确分析目标，锁定问题类型

第一步，先明确需要解决的具体问题，并用一句话精准概括。例如，不要简单写“分析用户反馈”，而应改为“从这127条投诉中，找出导致退款率上升的3个最常见操作障碍”。目标一旦模糊，模型就会倾向于堆砌术语，而非挖掘根本原因。

第二步同样简单：在指令开头添加一个明确的标签。例如：“【归因分析】请对比Q2与Q3的客服对话记录，指出服务响应时长延长是否与新上线的工单系统有关，并列出支撑证据。”加上方括号后，模型会理解需要进行因果推断，而非简单的描述性总结。这一步骤看似细微，但忽略它常常会导致结果偏离预期。

注入领域约束与判断标尺

光有目标和类型还不够，得给模型划好跑道。方法有三：

第一，明确分析维度。例如：“按‘响应速度’‘解答准确性’‘情绪安抚效果’三个维度，每条对话逐项评分（1～5分），最终汇总各维度平均分及最低分条目。”维度一旦清晰，模型便不会随意发散。

第二，嵌入业务规则。例如：“客户投诉中凡提及‘无法取消订单’且时间发生在支付后15分钟内，一律标记为高优先级；其余则根据自然语言情感值排序。”若不提供明确的判定标准，模型会依据通用语义理解“高优先级”，极有可能偏离你的实际阈值。

第三，指定参照系。例如：“将本次调研中‘界面卡顿’的提及频次，与去年同类产品上线首月数据进行对比，只有增幅超过40%才视为显著异常。”有了参照标准，异常判断才有实际意义。

引导推理链条，禁用模糊动词

最后是让模型“按步骤思考”，别让它瞎猜。

① 采用“先…再…最后…”的结构强制拆解逻辑。例如：“先提取每条差评中的具体功能点（如‘搜索框无联想’），再统计各功能点出现次数，最后按频率降序排列并标注对应客诉占比。”这样逐步推进，结果清晰可查。

② 用具体动词替代“分析”“总结”“思考”等模糊词汇。例如，将“请分析用户流失原因”改为：“请列出近30天流失用户中，完成注册但未触发首次付费的3类行为路径，并说明每类路径中断点前3秒内页面元素变化。”指令越明确，模型执行越精准。

③ 要求输出带有原文依据的结论。例如：“结论必须附带原文引用，格式为‘[原文片段] → 推断：…’，无引用的推断不予采纳。”有了引用支撑，结论才能经得起推敲。