Agent/knowhub/docs/group_search_results_prompts copy.md

搜索结果分组 Prompt（实验三档）

为后续"批次提炼 capability / strategy"做前置分组，三种维度对照实验：

1. Prompt A — 按 effects（解决的需求/效果）分组
2. Prompt B — 按 method（核心技术机理）分组
3. Prompt C — LLM 自主选维度分组

每个 prompt 都自包含、可直接复制使用。占位符 {posts_block} 由调用方拼接，每篇原帖以 [POST id=p?]\n{content}\n\n 起头。

---

Prompt A：按 effects 分组

你是 AI 内容制作研究员，正在帮一个内容制作能力知识库做调研结果的预处理分组。

# 项目背景

我们在沉淀一个 AI 内容制作能力知识库，目标是从大量"如何用 AI 做出 X 内容"的原帖中提炼可复用的「能力（capability）」和「工序（strategy）」入库，未来供 agent 自主调用工具完成内容制作任务。

- **能力（capability）**：能独立交付产出 + 能在多个工序中复用的最小动作单元。例：人像角色一致性生成、三段式排版、图像超分。
- **工序（strategy）**：端到端制作流程，由能力组合而成。例：小红书穿搭分享首图制作流程。

# 当前任务

你做的是"分组"步骤——分组结果会送给下游"批次提炼 prompt"，每组独立提炼出多个 capability / strategy。**分组维度直接影响下游产出质量**：组内能横向归纳的共性越多，提炼出的 capability 越稳定、复用性越强。

**本次按 effects（解决的需求 / 实现的效果）维度分组**：同组内的帖子要解决的内容制作需求相近，**即使做法、工具完全不同**也归一组。

# 判据

- ✅ 同组：核心要解决的需求/效果相近
  例：以下三篇都属于"维持角色一致性"组——
  - 用 LoRA 训练实现角色面部一致
  - 用 IP-Adapter + reference image 锁定特征
  - 用 ControlNet + 多角度参考图保面孔
- ❌ 不要按工具或做法分组（那是 method 维度，不是当前任务）

# effects_label 写法

每组的 `effects_label` 写一句"实现 XX 效果"形式的需求描述，不写工具名、不写做法。

# 输入

每篇原帖以 `[POST id=p?]` 开头标识，content 跟随其后：

---
{posts_block}
---

# 输出（严格 JSON，无任何额外文字）

{{
  "groups": [
    {{
      "group_id": "g1",
      "effects_label": "实现 XX 效果（一句话需求描述）",
      "member_post_ids": ["p1", "p3"]
    }}
  ],
  "ungrouped": [
    {{"post_id": "p?", "reason": "为什么不属任何组"}}
  ]
}}

# 通用规则

- 一篇可属多组（multi-effect 帖）→ member_post_ids 重复出现
- 单成员组允许（孤儿效果，不强行合并）
- 组数参考：N 篇期望 ⌈N/8⌉ ~ ⌈N/3⌉ 组，过密过稀都需 reconsider
- 边界 case 进 ungrouped + 写 reason，不硬塞进组

---

Prompt B：按 method 分组

你是 AI 内容制作研究员，正在帮一个内容制作能力知识库做调研结果的预处理分组。

# 项目背景

我们在沉淀一个 AI 内容制作能力知识库，目标是从大量"如何用 AI 做出 X 内容"的原帖中提炼可复用的「能力（capability）」和「工序（strategy）」入库，未来供 agent 自主调用工具完成内容制作任务。

- **能力（capability）**：能独立交付产出 + 能在多个工序中复用的最小动作单元。例：人像角色一致性生成、三段式排版、图像超分。
- **工序（strategy）**：端到端制作流程，由能力组合而成。例：小红书穿搭分享首图制作流程。

# 当前任务

你做的是"分组"步骤——分组结果会送给下游"批次提炼 prompt"，每组独立提炼出多个 capability / strategy。**分组维度直接影响下游产出质量**：组内能横向归纳的共性越多，提炼出的 capability 越稳定、复用性越强。

**本次按 method（核心技术机理）维度分组**：同组内的帖子用了相似的核心技术路径或机理，**即使解决的需求、应用领域完全不同**也归一组。

# 判据

- ✅ 同组：核心做法机理相似（不看具体参数）
  例：以下三篇都属于"LoRA 训练 + reference image 复合"组——
  - LoRA 训练 + reference image 维持角色一致性
  - LoRA 训练 + reference image 维持画风一致性
  - LoRA 训练 + reference image 控制构图
- ✅ 同组判定看机理层：rank/alpha/weight 不同 = 同一种 method（参数差异不影响）
- ❌ 不要按需求/效果分组（那是 effects 维度，不是当前任务）

# method_label 写法

每组的 `method_label` 写一句去参数化的机理概述（"用 LoRA + IP-Adapter 维持一致性"），不写 rank/alpha 等具体参数。

# 输入

每篇原帖以 `[POST id=p?]` 开头标识，content 跟随其后：

---
{posts_block}
---

# 输出（严格 JSON，无任何额外文字）

{{
  "groups": [
    {{
      "group_id": "g1",
      "method_label": "一句话去参数化机理概述",
      "member_post_ids": ["p1", "p3"]
    }}
  ],
  "ungrouped": [
    {{"post_id": "p?", "reason": "为什么不属任何组"}}
  ]
}}

# 通用规则

- 一篇可属多组（用了多种机理的帖子）→ member_post_ids 重复出现
- 单成员组允许（孤儿机理，不强行合并）
- 组数参考：N 篇期望 ⌈N/8⌉ ~ ⌈N/3⌉ 组，过密过稀都需 reconsider
- 边界 case 进 ungrouped + 写 reason，不硬塞进组

---

Prompt C：LLM 自主选维度分组

你是 AI 内容制作研究员，正在帮一个内容制作能力知识库做调研结果的预处理分组。

# 项目背景

我们在沉淀一个 AI 内容制作能力知识库，目标是从大量"如何用 AI 做出 X 内容"的原帖中提炼可复用的「能力（capability）」和「工序（strategy）」入库，未来供 agent 自主调用工具完成内容制作任务。

- **能力（capability）**：能独立交付产出 + 能在多个工序中复用的最小动作单元。例：人像角色一致性生成、三段式排版、图像超分。
- **工序（strategy）**：端到端制作流程，由能力组合而成。例：小红书穿搭分享首图制作流程。

# 当前任务

你做的是"分组"步骤——分组结果会送给下游"批次提炼 prompt"，每组独立提炼出多个 capability / strategy。**分组维度直接影响下游产出质量**：组内能横向归纳的共性越多，提炼出的 capability 越稳定、复用性越强。

**本次不指定分组维度**——你自主选择最有助于下游"批次提炼 capability / strategy"的分组方式，并在输出里说明选择理由。

# 候选维度（可选其一、可组合、可自创）

- effects（解决的需求 / 效果）
- method（核心技术机理）
- 应用领域（人像 / 风景 / 视频 / 文案 ...）
- 平台场景（小红书 / 抖音 / 知乎 ...）
- 工具栈（SD 系 / Flux 系 / 视频生成系 ...）
- 内容形态（图文 / 短视频 / 长文 ...）
- 复合维度（如 "effects + 应用领域"）
- 其他你认为更合适的

# 决策原则

1. 选能让"组内帖子可以横向归纳出共同 capability / strategy"的维度
2. 跟随数据本身的内在结构——不要硬塞维度
3. 复合维度可以但要明确写出（"effects + 平台"，标清楚每个维度的取值）
4. 优先选能让组内 capability 数量集中、组间 capability 重叠少的维度

# 输入

每篇原帖以 `[POST id=p?]` 开头标识，content 跟随其后：

---
{posts_block}
---

# 输出（严格 JSON，无任何额外文字）

{{
  "chosen_dimension": "你选择的分组维度 + 1-2 句理由（为何这个维度对当前数据集最合适）",
  "groups": [
    {{
      "group_id": "g1",
      "label": "一句话概括这组共性",
      "member_post_ids": ["p1", "p3"]
    }}
  ],
  "ungrouped": [
    {{"post_id": "p?", "reason": "为什么不属任何组"}}
  ]
}}

# 通用规则

- 一篇可属多组 → member_post_ids 重复出现
- 单成员组允许
- 组数参考：N 篇期望 ⌈N/8⌉ ~ ⌈N/3⌉ 组，过密过稀都需 reconsider
- 边界 case 进 ungrouped + 写 reason
- 如果数据集天然不适合分组（例如全部独立、各讲各的），可以输出近乎"每篇一组"，并在 chosen_dimension 里说明此判断

---

实验对比建议

跑完三种分组后，把每组分别送给"批次提炼 prompt"，按下表收集对比指标：

指标	含义	怎么读
总 capability 数	三种分组下产出的 capability 总数	数量越少 + 复用越高 = 抽象越彻底
平均 source_post_ids 长度	每条 capability 平均合并了几个帖子	越大 = 跨帖归纳越成功
组内 capability 一致性	同组内 capability 的命名 / method 相似度	高 = 分组维度收敛性好
组间 capability 重叠率	不同组产出 capability 之间的语义相似比例	高 = 分组维度漏抽共性，需后置 dedup
LLM 自主版选维度	Prompt C 选了什么	看 LLM 对数据的内在判断

预期假设（待数据验证，不是结论）：

• effects 分组：组内 method 多样 → 抽出的 capability "机理通用"，但数量可能偏多
• method 分组：组内做法收敛 → capability "做法稳定"，但可能错过跨方法的需求归纳
• LLM 自主：可能选择复合维度（如 effects + 平台），适合作 baseline 反推合理维度

建议样本量：实验阶段 15–30 篇原帖足够看出趋势；少于 10 篇分组没意义。

---

摘要降级（可选）

如果原帖数量大、上下文超长，可先用"单帖提炼 prompt"产出每帖的 name + method + effects 摘要，再以摘要为输入跑分组（把 [POST id=p?] 后面的 {content} 替换为摘要文本即可，prompt 本体不变）。