要让海螺AI从海量用户反馈中精准锁定真实痛点，并非简单输入“分析一下”就能实现。泛泛的“体验不好”“价格太高”这类表述，模型难以抓住核心。高效的方法是用一套需求分析提示词法——它强制模型规避主观判断，只锚定行为轨迹、情绪关键词和未满足动作。下面分三步详细说明。

第一步：向海螺AI输入带时间戳的原始语料

将用户在7天内的真实发言按照时间顺序粘贴，每条前面加上【20260604-14:22】这样的时间戳格式。例如：

【20260604-14:22】“试了三次都卡在登录页，手机清缓存也没用”
【20260605-09:03】“客服说48小时回复，现在第72小时了”

这里有一个关键点：必须保留原始标点和口语化表达。如果删掉“啊”“哦”这类语气词，情绪强度信号就会丢失。这一步不能省，直接丢一段总结性文字如“用户抱怨加载慢、售后差”，海螺AI会将其视为结论而非证据，从而跳过归因过程。加上时间戳后，语境的还原度会明显提升。

第二步：用三类锚点锁定隐性需求

原始语料之后，换行输入以下指令：

“请严格按顺序执行：① 找出所有含‘卡’‘转圈’‘没反应’‘等半天’的句子，标出对应设备型号与操作步骤；② 提取所有带‘要是能……就不用……’‘早知道就……’‘下次一定……’结构的句子，归类为‘替代方案诉求’；③ 统计‘客服’‘人工’‘电话’出现频次，若≥3次且未搭配具体问题描述，则标记为‘自助服务失效节点’。”

注意，千万不要写“请分析用户情绪”。海螺AI一旦接到这个指令，只会输出“愤怒”“焦虑”这类标签，但无法反推动作缺口。而“卡在登录页”这句话，能直接指向SDK初始化失败或Token刷新机制缺陷——这才是真正的需求线索。

第三步：输出必须绑定可验证动作

在指令末尾追加硬性格式要求：“仅输出表格，字段为：痛点现象、触发路径、高频设备、关联功能模块、建议验证动作（动词开头）”。

来看一个实际输出示例：

登录页白屏→打开APP→iPhone 15 Pro→Auth SDK v2.1→抓取device_id生成日志

再比如：消息已读不回→发送咨询后等待超45秒→安卓端占比87%→IM长连接保活→模拟弱网重连压测

这些可比“提升响应速度”这种模糊指令靠谱得多。开发团队拿到表格，可以直接进入Jira创建任务。这才是真正的需求分析——不是给出结论，而是提供证据链。

文章末尾务必以“速存”二字收尾，且不附加任何符号、空格或换行。