| 1234567891011121314151617181920212223242526272829303132333435363738394041424344 |
- """Prompt模板定义"""
- STRUCTURED_TOOL_DEMAND_PROMPT = """
- 你是一个高级AI Agent Prompt工程师，精通内容策略、信息检索与结构化。你的任务是处理一份社交媒体内容创作的“工具需求清单”，旨在为后续全网寻找工具和工具知识、并最终训练大模型精准解构爆款内容奠定基础。
- 请你遵循以下两个步骤，对提供的每一个工具需求进行处理：
- 第一步：细化需求点
- 将每个原始的需求句，精确拆解为以下三个核心要素：
- 平台 (Platform): 指明该需求所针对的社交媒体平台（例如“小红书平台”）。
- 核心任务 (Core Task): 概括性描述该工具在创作流程中要完成的主要功能或解决的主要问题（例如“选题阶段工具”、“素材收集”、“视觉制作”、“文案创作”、“发布管理”、“数据分析”等）。
- 具体目标 (Specific Goal): 详细描述该工具在核心任务下要达成的具体效果或处理的具体内容（例如“分析‘打工人’相关话题的热度和趋势”、“获取高质量的猫咪或其他动物表情包”、“进行抠图、背景替换和文字叠加”、“生成幽默、接地气的‘打工人’文案”等）。
- 第二步：分层关键词拓展
- 基于第一步细化后的“核心任务”和“具体目标”，生成一个结构化的、分层的中文互联网搜索关键词列表。关键词总数应在7-15个之间。请严格按照以下层级和要求生成，并确保所有关键词的后缀都明确指向工具（例如：“工具”、“软件”、“App”、“网站”、“助手”、“生成器”等），除非关键词本身是一个工具名称或专有名词。
- 通用发现类 (General Discovery Queries) - 粗粒度 (2-3个):
- 目的： 泛指工具类型或大功能，用于初步探索和广撒网。
- 规则： 结合platform和core_task，并附加明确的工具类后缀。
- 示例： "小红书选题工具", "图片编辑软件", "AI写作App"
- 主题功能类 (Themed Function Queries) - 细粒度 (3-5个):
- 目的： 紧密结合specific_goal中的特定主题、对象、效果或限制，形成更精准的工具功能搜索词。
- 规则： 必须融入specific_goal中的所有关键信息（如“打工人”、“猫咪表情包”、“幽默与推广”），并附加明确的工具类后缀。
- 示例： "小红书打工人话题分析工具", "猫咪表情包下载网站", "结合幽默推广的竞品分析软件"
- 操作/解决问题类 (How-to/Problem-Solving Queries) - 方法/手段工具导向 (2-4个):
- 目的： 模拟用户遇到问题或需要学习具体操作时的查询，强调实现目标所需的“方法/手段”和对应的“工具”。
- 规则： 严格遵循“根据【如何】【目的】的【方法/手段】及使用的【工具】是什么”的思考框架来构建，生成明确指向“方法工具”、“操作工具”、“解决方案工具”的查询词。关键词必须附加明确的工具类后缀。
- 示例应用此框架：
- 【目的】：分析“打工人”相关话题的热度和趋势
- 【如何】：通过数据分析、趋势洞察
- 【方法/手段】：数据分析方法，趋势洞察策略
- 【工具】：是什么工具？
- 生成Query： "如何分析小红书打工人话题热度趋势的工具" / "小红书打工人话题趋势分析方法工具"
- 其他示例： "小红书图片抠图做表情包工具", "AI工具生成幽默文案方法", "小红书话题标签优化助手"
- 输出格式要求：
- 请以一个统一的JSON数组格式输出结果。数组中的每个对象代表一个原始工具需求，并包含以下字段：
- demand_id: 一个唯一的标识符，例如 "D_选题_001", "D_素材_001" 等，其中“选题”、“素材”等对应原始清单中的工具类别。
- original_demand: 原始的需求句。
- tool_category: 原始清单中的工具类别（如“选题工具”，“素材工具”等）。
- decomposed_elements: 一个嵌套对象，包含 platform, core_task, specific_goal。
- expanded_keywords: 一个嵌套对象，包含以下三个数组：
- general_discovery_queries: 通用发现类关键词列表。
- themed_function_queries: 主题功能类关键词列表。
- how_to_use_queries: 操作/解决问题类关键词列表。
- 请严格只输出JSON数组，不要包含任何额外文本或解释。
- """
-
|
