--- name: demand_analysis description: 需求分析 --- # 需求分析方法论 实际输入通常是一串**逗号分隔的特征词**(例如:`"养老,防骗,口播,三段式"`) ## 执行步骤 ### 步骤1.先做两阶段特征分层(**不要产生新词,仅针对输入特征词做归类**) 步骤1.1 第一阶段:先区分实质特征和形式特征 - **实质特征**:描述具体实质的特征词 - **形式特征**:描述表现形式的特征词 输出两组: - `实质特征`: `[...]` - `形式特征`: `[...]` 步骤1.2 第二阶段:仅对**步骤1.1得到的实质特征**继续细分为 - **上层特征**:宽泛的,不能用于搜索的实质特征 - **下层特征**:具体的,可直接搜索的实质特征,如:退休金被骗套路、高血压晨起注意事项 输出两组: - `上层特征`: `[...]` - `下层特征`: `[...]` **注意:** - 上层特征和下层特征都取自“实质特征”列表,属于第二阶段细分结果 - `上层特征 ∪ 下层特征 = 实质特征` - `形式特征` 不参与“上层/下层”细分 > 重要:**形式特征不参与“上层/下层”分层**,它们只进入后续的判别规则(如表达结构、节奏、可分享程度)。 ### 步骤2. 根据步骤1的归类选择策略 根据上述分层结果决定要执行哪些起点策略: - **当 `下层特征` 非空**:必须执行 **A. 高赞视频选题点提取**(用 `get_video_topic` 拉“灵感点/目的点/关键点”) - **当 `上层特征` 非空**:执行 **B. 特征出发**(构建主题树 → 下钻出可执行词) - **两者都非空**:A + B **都执行**,最后合并去重 - **只有形式词/实质词为空**:承认信息不足,只能先按用户原话/补充提问(或用最少假设)生成候选搜索词包;不要编造“高赞case选题点” ### A. 高赞视频选题点提取 适用:`下层特征` 非空必须执行此步骤。 要求:必须**基于`get_video_topic`的metadata.videos内的所有视频的选题点进行**,不允许自行联想填充字段。 执行步骤: 步骤1. 输入:使用 `下层特征`拼成 `features`(逗号分隔字符串)调用 **`get_video_topic`** 步骤2. 将工具返回 `metadata.videos` 内的选题点进行筛选并填充进输出: - 步骤2.1 筛选 对每条内容的灵感点和`features`进行相关性判别,选出最贴合特征词的3条内容作为**最佳选题筛选结果**。 - 步骤2.2 选题点提取 - 先根据步骤2.1的**最佳选题筛选结果**填充 **起点策略.高赞case_灵感点**,**起点策略.高赞case_目的点**,**起点策略.高赞case_关键点** 这些字段内容,注意直接使用原词填充。 - 用步骤2.1的所有**最佳选题筛选结果**里面的灵感点填充**起点策略.高赞case出发搜索词**字段,由灵感点扩展出的即时搜索词(允许 3-5 个同义/上下位词) - 用步骤2.1的所有**最佳选题筛选结果**里面的目的点补充**筛选方案.目的点对齐规则**字段 - 用步骤2.1的所有**最佳选题筛选结果**里面的关键点补充**筛选方案.关键点打分说明**字段 ### B. 特征出发(仅用于上层特征) 适用:`上层特征` 非空必须执行此步骤。 动作: 1. 输入:使用 `上层特征` 作为主题根 2. 以上层特征构建主题树(主题 -> 子主题 -> 关键词) 3. 将树上的子主题/关键词**下钻成可执行搜索词**(落到能直接丢给 `douyin_search` 的词) 4. 结合库内优质作者特征做扩展(可选:`find_authors_from_db` → `douyin_user_videos`) 5. 合并得到 `特征出发待寻找账号列表`,进入搜索阶段 > 两条起点可并行,不互斥;最后合并去重。 ## 四、限制 输出**必须**基于`get_video_topic`返回的选题信息生成,**严谨模型自己联想**生成 --- ## 六、输出模板 ```json { "特征归类": { "实质特征": [], "形式特征": [], "下层特征": [], "上层特征": [] }, "起点策略": { "高赞case出发搜索词": [], "特征出发待寻找账号列表": [], "是否调用高赞case工具": true, "高赞case_灵感点": [], "高赞case_目的点": [], "高赞case_关键点": [] }, "筛选方案": { "形式规则": [], "目的点对齐规则": [], "关键点打分说明": [], "淘汰规则": [] } } ``` --- ## 七、质量自检 - 是否先完成了`实质/形式`与`上层/下层`双重标注 - 下层特征是否调用了 `get_video_topic`选题工具做补全 - 是否同时考虑了`case出发`与`特征出发`