@sokeai/cli 1.0.77 → 1.0.78

package/skills/multi/soke-ai-coach-director/references/cases/AI/351/231/252/347/273/203/345/276/256/350/260/203/351/227/256/351/242/230/345/272/223.md

@@ -0,0 +1,833 @@
+# AI陪练微调问题库
+
+> 适用对象：AI陪练实施顾问、提示词工程师、产品经理、测试人员、客户成功。  
+> 使用方式：当客户反馈“AI不对劲”“评分不准”“角色不像”“流程怪”“体验差”时，先在本问题库中定位问题类型，再决定是改提示词、改评分、改流程、改产品，还是转技术处理。  
+> 核心原则：微调不是“看到问题就改提示词”，而是“问题分类 → 根因判断 → 定位修改点 → 版本验证 → 闭环记录”。
+
+---
+
+## 一、问题分类总览
+
+| 一级分类 | 典型问题 | 主要责任方 | 是否主要靠提示词解决 |
+|---|---|---|---|
+| 角色人设类 | AI不像真实客户、太热情、太攻击、前后矛盾 | 提示词工程师/业务专家 | 是 |
+| 信息透露类 | 一开场泄露全部信息、不按节奏透露、关键背景乱编 | 提示词工程师 | 是 |
+| 对话流程类 | 环节跳跃、提前结束、冷场、无法推进 | 提示词工程师/产品 | 部分是 |
+| 评分标准类 | 分数虚高/虚低、目标错位、红线未触发 | 提示词工程师/产品/业务专家 | 部分是 |
+| 知识与话术类 | 编造产品、话术堆砌、专业错误、禁用话术未拦截 | 知识库/提示词/业务专家 | 是 |
+| 提示词指令执行度类 | AI行为违背提示词指令、该坚持时松口、禁止行为仍出现、场景切换时机错误 | 提示词工程师 | 是 |
+| 对话自然度类 | 回复模板化、万能回应过多、句式单一、过渡生硬、缺乏口语变化 | 提示词工程师 | 是 |
+| 语音体验类 | ASR识别错、尾字丢失、TTS机械、播报未完跳转 | 技术/产品 | 否 |
+| 系统配置类 | 授权失败、场景不可见、按钮报错、数据不同步 | 技术/实施 | 否 |
+| 客户测试类 | 客户反馈模糊、没人测试、无法复现 | 实施/客户管理员 | 否，靠流程管理 |
+| 数据看板类 | 数据不可解释、趋势波动大、无法证明效果 | 产品/客户成功 | 部分是 |
+
+---
+
+## 二、角色人设类问题
+
+### R-001 AI角色过度热情
+
+| 字段 | 内容 |
+|---|---|
+| 问题现象 | AI客户过于配合，主动加微信、主动邀约、主动说“我很感兴趣”、主动帮学员完成下一步。 |
+| 典型场景 | 农户张老板面访、电话约访、销售拜访、B2B客户沟通。 |
+| 根因判断 | 角色设定只写了“友好、尊重、愿意沟通”，没有写“慢热、防备、被动回应、不可主动推进”。 |
+| 风险 | 训练难度过低，学员不用真正破冰和挖掘需求，也能高分。 |
+| 修复动作 | 增加“AI只被动回应，不主动推动业务进程”；设置初始防备；明确只有学员完成关键动作后才逐步开放。 |
+| 可复用提示词 | “你不能主动帮助学员完成销售目标，不能主动提出加微信、约时间、购买、合作或下一步安排。只有当学员明确提出并完成合理铺垫后，你才可以谨慎回应。” |
+| 验证标准 | 连续3轮测试中，AI不会主动推进成交或邀约；只有被学员合理引导后才松动。 |
+
+### R-002 AI角色攻击性过强
+
+| 字段 | 内容 |
+|---|---|
+| 问题现象 | AI一开场就怼人，如“你是谁啊”“我不需要”“别烦我”，导致对话无法正常推进。 |
+| 根因判断 | “防备、务实、谨慎”被模型理解成“对抗、攻击、不合作”。 |
+| 风险 | 学员体验差，客户认为角色不像真实客户。 |
+| 修复动作 | 把“防备”具体化为“简短回应、犹豫、转移话题、需要更多解释”，而不是直接攻击。 |
+| 可复用提示词 | “你的防备表现为慢热、回答简短、需要对方进一步解释，而不是粗暴拒绝、嘲讽、攻击或羞辱学员。” |
+| 验证标准 | AI可表达不信任，但不使用攻击性语言；对话仍可通过合理沟通推进。 |
+
+### R-003 角色前后背景矛盾
+
+| 字段 | 内容 |
+|---|---|
+| 问题现象 | AI前面说儿子在外打工，后面又说儿子在家务农；年龄、职业、家庭情况前后不一致。 |
+| 根因判断 | 角色背景缺少固定字段；允许AI自由发散过多。 |
+| 修复动作 | 明确“不可变字段”和“可发散字段”；年龄、职业、家庭结构、核心经历必须固定。 |
+| 可复用提示词 | “以下信息为不可变事实，在整场对话中必须保持一致：年龄、职业、家庭成员、子女情况、主要收入来源、已有产品使用情况。不得自行改写或新增冲突信息。” |
+| 验证标准 | 多轮长对话中，核心身份信息不矛盾。 |
+
+### R-004 AI不像真实人，像客服或机器人
+
+| 字段 | 内容 |
+|---|---|
+| 问题现象 | 回复太完整、太正式、太像标准答案，没有口语感。 |
+| 根因判断 | 提示词只写了身份和知识，没有写语言风格、句长、口头禅和真实表达样例。 |
+| 修复动作 | 增加口语化表达样例；限制单次回复长度；允许停顿、犹豫、反问。 |
+| 可复用提示词 | “你说话要像真实客户，短句为主，不要像客服说明书。可以使用犹豫、停顿、反问，例如‘这个我不太懂’‘你先说说看’‘我有点担心这个风险’。” |
+| 验证标准 | AI单次回复不会长篇讲解，语言符合角色年龄、职业和文化水平。 |
+
+### R-005 AI主动纠正学员发音或称呼
+
+| 字段 | 内容 |
+|---|---|
+| 问题现象 | ASR把“朱”识别成“周”，AI主动纠正“我姓朱不姓周”。 |
+| 根因判断 | 缺少“不纠正语音识别误差”的禁止规则。 |
+| 修复动作 | 对同音/近音识别错误设容错，禁止AI纠正学员发音或称呼。 |
+| 可复用提示词 | “如果学员称呼与你姓名存在同音或近音误差，不要主动纠正，除非该误差影响业务理解。” |
+| 验证标准 | 常见同音误识别不触发AI纠错或扣分。 |
+
+---
+
+## 三、信息透露类问题
+
+### I-001 AI一开场泄露全部信息
+
+| 字段 | 内容 |
+|---|---|
+| 问题现象 | 药房客户一开场就说完所有症状；面访客户主动说出家庭、资产、需求、顾虑。 |
+| 根因判断 | 缺少信息释放节奏；AI误以为要“帮助完成场景”。 |
+| 修复动作 | 设置信息分层：开场只说核心诉求，被问到才逐步透露。 |
+| 可复用提示词 | “你不能在开场一次性说出所有背景。初始只表达最直接诉求；只有当学员提出相关问题时，才逐步透露更深层信息。” |
+| 验证标准 | 学员必须通过提问才能获得完整信息。 |
+
+### I-002 关键需求不被问也主动透露
+
+| 字段 | 内容 |
+|---|---|
+| 问题现象 | 客户没有被问到预算、决策人、使用场景，却主动说出来。 |
+| 根因判断 | 信息字段没有设置触发条件。 |
+| 修复动作 | 为每类信息设置“主动说/被问才说/信任达到后说/禁止说”。 |
+| 可复用提示词 | “预算、决策人、真实顾虑属于隐藏信息，除非学员明确询问或通过连续合理沟通建立信任，否则不得主动透露。” |
+| 验证标准 | 隐藏信息不会在前3轮自然暴露。 |
+
+### I-003 AI编造未提供背景
+
+| 字段 | 内容 |
+|---|---|
+| 问题现象 | AI凭空提农业补贴、其他家庭成员、未提供的竞品、未提供政策。 |
+| 根因判断 | 知识边界不清，允许自由发散。 |
+| 修复动作 | 建立“允许发散”和“禁止发散”字段。 |
+| 可复用提示词 | “你只能基于角色卡和知识库中的事实表达。不得编造政策、产品、家庭经历、客户关系、价格、收益或竞品信息。” |
+| 验证标准 | 测试中不出现资料外关键事实。 |
+
+### I-004 多角色开场白匹配错误
+
+| 字段 | 内容 |
+|---|---|
+| 问题现象 | 药品场景中某个开场白只适合部分证型，但系统随机分配给不适合的角色。 |
+| 根因判断 | 开场白随机化没有和角色条件绑定。 |
+| 修复动作 | 将开场白与角色标签绑定；不能仅用随机开场白池。 |
+| 可复用提示词 | “每个开场白只能匹配其适用角色标签。若当前角色不符合该开场白的适用条件，必须选择其他符合条件的开场白。” |
+| 验证标准 | 每个角色至少测试3次，开场白均符合角色背景。 |
+
+---
+
+## 四、对话流程类问题
+
+### F-001 对话过早结束
+
+| 字段 | 内容 |
+|---|---|
+| 问题现象 | 学员刚建立信任或刚触达目标，AI就结束对话。 |
+| 根因判断 | 把信任值或单个目标达成当作终止条件。 |
+| 修复动作 | 信任值只做内部状态，不作为结束条件；正常结束必须由学员明确告别或确认下一步。 |
+| 可复用提示词 | “即使信任提升或某个阶段目标达成，也不要主动结束对话。只有当学员明确进行收尾、告别或确认下一步时，你才配合结束。” |
+| 验证标准 | 达成中间目标后，AI仍能继续完成后续环节。 |
+
+### F-002 环节跳跃
+
+| 字段 | 内容 |
+|---|---|
+| 问题现象 | 学员还没破冰，AI就进入需求讨论；还没需求挖掘，就开始接受方案。 |
+| 根因判断 | 对话流程没有进入/退出条件。 |
+| 修复动作 | 为每个环节设置进入条件、退出条件和禁止跨越规则。 |
+| 可复用提示词 | “你必须按照对话环节逐步推进。若学员尚未完成当前环节关键动作，不得主动进入下一环节。” |
+| 验证标准 | 低水平学员测试时，AI不会自动跳过关键训练环节。 |
+
+### F-003 冷场处理不自然
+
+| 字段 | 内容 |
+|---|---|
+| 问题现象 | 学员停顿后，AI突然结束或生硬催促。 |
+| 根因判断 | 冷场时间和提醒策略未设计。 |
+| 修复动作 | 10秒提醒，30秒可结束；提醒语符合角色身份。 |
+| 可复用提示词 | “当学员长时间没有回应时，你可以用符合角色身份的简短话语提醒，如‘你刚才说到哪了？’‘还有什么想问的吗？’，不要立刻结束。” |
+| 验证标准 | 冷场提醒自然，不破坏角色。 |
+
+### F-004 B2B长链路场景被压缩成一次成交
+
+| 字段 | 内容 |
+|---|---|
+| 问题现象 | B2B价格谈判中，AI期待一次电话完成成交或最终合作。 |
+| 根因判断 | 没拆分第一通电话、二次沟通、线下拜访、最终成交。 |
+| 修复动作 | 按阶段目标拆场景，每场只达成一个阶段性目标。 |
+| 可复用提示词 | “本场对话目标不是最终成交，而是完成本阶段目标：确认客户关注点、解释涨价原因、争取下一次沟通/会议机会。” |
+| 验证标准 | 对话结果符合阶段目标，不强行成交。 |
+
+---
+
+## 五、评分标准类问题
+
+### S-001 分数虚高但业务目标未达成
+
+| 字段 | 内容 |
+|---|---|
+| 问题现象 | 学员分数高，但没有完成核心业务目标，如没有约定上门拜访。 |
+| 根因判断 | 评分项和核心KPI错位，过多奖励寒暄、表达等过程动作。 |
+| 修复动作 | 提高核心目标权重；目标未达成时限制总分上限。 |
+| 可复用评分规则 | “若学员未完成核心目标‘明确约定下一步拜访/沟通时间’，则总分不得超过70分。” |
+| 验证标准 | 未达核心目标的对话不会获得高分。 |
+
+### S-002 分数虚低，AI无法识别间接达成
+
+| 字段 | 内容 |
+|---|---|
+| 问题现象 | 学员通过自然表达达成目标，但AI因没有命中关键词而低分。 |
+| 根因判断 | 评分过度依赖固定关键词，不识别等价表达。 |
+| 修复动作 | 增加等价表达、语义判定和人工复核建议。 |
+| 可复用评分规则 | “以下表达均视为达成下一步确认：约个时间、我明天过来、下周再聊、我把资料带过去、咱们定周三上午。” |
+| 验证标准 | 不同措辞的目标达成能被识别。 |
+
+### S-003 ASR错误导致误扣分
+
+| 字段 | 内容 |
+|---|---|
+| 问题现象 | 同音字、多音字识别错误导致扣分，如“朱/周”。 |
+| 根因判断 | 评分规则没有语音识别容错。 |
+| 修复动作 | 对非关键同音错误弱化扣分；只在影响业务含义时扣分。 |
+| 可复用评分规则 | “对同音或近音称呼错误不单独扣分，除非该错误造成客户身份、产品或业务含义误解。” |
+| 验证标准 | 常见ASR错误不影响核心评分。 |
+
+### S-004 红线未触发
+
+| 字段 | 内容 |
+|---|---|
+| 问题现象 | 学员夸大收益、违规承诺、商业贿赂暗示，但仍获得较高分。 |
+| 根因判断 | 红线规则未设置一票否决或扣分优先级低。 |
+| 修复动作 | 将严重违规设置为一票否决；评分解释中明确指出。 |
+| 可复用评分规则 | “如出现承诺收益、夸大疗效、商业贿赂、虚假宣传等红线行为，本次训练直接判为不通过。” |
+| 验证标准 | 红线案例测试时必定触发失败或低分。 |
+
+### S-005 评分解释空泛
+
+| 字段 | 内容 |
+|---|---|
+| 问题现象 | 评分页只说“表达较好”“需提升沟通能力”，没有具体改进建议。 |
+| 根因判断 | 没有给每个评分项配置反馈文案。 |
+| 修复动作 | 每个评分维度配置高/中/低三类反馈。 |
+| 可复用反馈句式 | “你完成了【具体动作】，但在【缺失动作】上不足。下次建议使用类似【示例话术】的表达。” |
+| 验证标准 | 学员看完评分能知道下一次具体怎么改。 |
+
+---
+
+## 六、知识与话术类问题
+
+### K-001 话术堆砌
+
+| 字段 | 内容 |
+|---|---|
+| 问题现象 | AI或评分鼓励学员机械背话术，真实互动感弱。 |
+| 根因判断 | 知识库直接堆材料，没有转成场景化话术和判断规则。 |
+| 修复动作 | 将话术拆成“适用场景、触发条件、示例表达、禁用表达”。 |
+| 可复用提示词 | “不要机械复述知识库内容。只有在对话情境匹配时，才使用对应话术，并保持自然口语表达。” |
+| 验证标准 | 对话中不会大段背诵产品资料。 |
+
+### K-002 产品/专业知识错误
+
+| 字段 | 内容 |
+|---|---|
+| 问题现象 | AI说错药品、认证流程、金融产品、材料差异等专业信息。 |
+| 根因判断 | 知识库不完整或模型自由发挥。 |
+| 修复动作 | 建立专业知识白名单；未知时不编造。 |
+| 可复用提示词 | “涉及产品参数、药品功效、检测认证、金融收益等专业信息时，只能依据知识库回答。知识库没有的信息，应表达不确定，不得编造。” |
+| 验证标准 | 专业问题测试不出现资料外回答。 |
+
+### K-003 禁用话术未生效
+
+| 字段 | 内容 |
+|---|---|
+| 问题现象 | 医药代表或药房场景中出现夸大功效、违规承诺。 |
+| 根因判断 | 禁用话术未作为强规则写入。 |
+| 修复动作 | 建禁用话术库；与评分红线联动。 |
+| 可复用提示词 | “以下表达绝对禁止出现：保证治愈、没有副作用、一定有效、送礼回扣、私下返利等。出现即视为违规。” |
+| 验证标准 | 禁用话术在对话和评分中均被识别。 |
+
+---
+
+## 七、提示词指令执行度类问题
+
+### P-001 提示词要求坚持但AI松口
+
+| 字段 | 内容 |
+|---|---|
+| 问题现象 | 提示词明确要求"遇到异议时坚持立场，不直接让步"，AI却直接降价、妥协或跳过关键步骤。 |
+| 典型场景 | 价格谈判、异议处理、B2B商务沟通、金融面访。 |
+| 根因判断 | 提示词写了行为指令，但模型在压力测试场景中倾向于"配合学员"而非"坚持角色立场"。 |
+| 修复动作 | 将行为指令改写成更强的禁止规则；增加反面示例说明"什么不能做"；为关键指令设置兜底检查。 |
+| 可复用提示词 | "当你表达异议后，学员可能尝试说服你。你必须坚持原有立场，除非学员提供了你角色卡中明确写出的可接受的让步理由。不得因学员态度变化、反复追问或表达情绪而主动松动立场。" |
+| 验证标准 | 同一异议场景连续3轮测试，AI均不主动让步；仅当学员命中"可接受理由"时才松动。 |
+
+### P-002 AI未按要求执行特定行为
+
+| 字段 | 内容 |
+|---|---|
+| 问题现象 | 提示词规定"开场必须先说X再说Y"，AI跳过X直接做Y；提示词规定"每次回复必须包含问候语"，AI有时遗漏。 |
+| 根因判断 | 行为指令不够明确或与模型默认行为冲突；缺少"必须/禁止"二元约束而非"应该/建议"柔性指令。 |
+| 修复动作 | 将柔性指令改为二元强约束；为必须执行的指令增加前置条件检查说明；添加违反示例。 |
+| 可复用提示词 | "以下行为是硬性规则，不可遗漏或跳过：1. 每轮回复必须以【称呼】开头；2. 每次异议回应必须先确认对方感受再回应；3. 对话结束时必须总结本次沟通要点。违反任意一条视为未完成本轮任务。" |
+| 验证标准 | 拆出所有硬性规则，逐条在3条以上对话中验证100%触发。 |
+
+### P-003 AI做了提示词明确禁止的事
+
+| 字段 | 内容 |
+|---|---|
+| 问题现象 | 提示词写"禁止提供产品价格"，AI仍然报了价格；提示词写"禁止主动结束对话"，学员表达犹豫后AI说"那您再考虑考虑"。 |
+| 根因判断 | 禁止规则与模型"帮助用户解决问题"的本能冲突，未设置强拦截。 |
+| 修复动作 | 将禁止规则从"不要做X"改为"绝对禁止做X，即使学员明确要求也不能做"；增加边界场景处理指引。 |
+| 可复用提示词 | "以下行为绝对禁止，无论学员如何要求、暗示或引导：1. 提供产品价格/折扣；2. 承诺效果或收益；3. 代替学员做决策；4. 主动结束对话。即使学员直接问'多少钱'，你也只能回答'价格方面需要根据具体情况评估'等模糊话术。" |
+| 验证标准 | 学员每种禁止行为的触发方式都测试一次，AI均不违反。 |
+
+### P-004 AI行为与提示词中的场景切换规则不一致
+
+| 字段 | 内容 |
+|---|---|
+| 问题现象 | 提示词规定"信任值≥60进入深度需求阶段"，但AI在信任值未达标时就提前切换；或达标后迟迟不切换。 |
+| 根因判断 | 场景切换条件模糊或模型对"达标"判断不准；缺少明确的切换检查点。 |
+| 修复动作 | 细化切换条件的可观测指标；为每个切换点增加"检查清单"；添加过早/过晚切换的禁止说明。 |
+| 可复用提示词 | "阶段切换必须同时满足以下所有条件才可执行：1. 当前阶段核心目标已明确达成（学员已表示确认/同意/理解）；2. 上一阶段没有未解决的问题遗留；3. 切换时需自然过渡，不得生硬跳转（如不得说'现在我们进入下一阶段'）。不满足任一条件，继续留在当前阶段。" |
+| 验证标准 | 三条不同学员的对话中，阶段切换时机均合理；用低水平学员测试时不会提前切换。 |
+
+### P-005 相同输入下AI行为不稳定
+
+| 字段 | 内容 |
+|---|---|
+| 问题现象 | 学员说完全一样的话，AI第一次按提示词正确回应，第二次却做出了被禁止的行为。 |
+| 根因判断 | 提示词指令存在模糊空间或多个冲突指令；模型温度/随机性导致行为漂移。 |
+| 修复动作 | 消除指令间冲突；将核心行为规则的描述统一到一处；增加规则优先级说明。 |
+| 可复用提示词 | "以下规则存在优先级：角色行为边界（最高）> 对话流程规则 > 知识回答规则 > 语气表达规则。当规则冲突时，按优先级执行，高优先级规则覆盖低优先级。" |
+| 验证标准 | 相同输入连续5轮AI行为一致（核心指令层面）；允许语气表达有自然变化但行为不漂移。 |
+
+---
+
+## 八、对话自然度类问题
+
+### N-001 回复模板化，每轮结构一模一样
+
+| 字段 | 内容 |
+|---|---|
+| 问题现象 | AI连续多轮回复都是"问候+复述+信息+追问"的固定四段式，读起来像答题模板而非真人对话。 |
+| 典型场景 | 所有含多轮对话的陪练场景。 |
+| 根因判断 | 提示词只规定了"必须包含什么"，没有规定"表达方式必须多样化"；模型倾向采用最安全的结构化回复。 |
+| 修复动作 | 增加表达多样性指令；给出2-3种不同回复结构的示例；限制连续轮次中相同结构的重复次数。 |
+| 可复用提示词 | "你的回复方式必须自然多变。连续两轮不能使用相同句式结构。一轮可以是简短反问，下一轮可以是先说感受再说理由，再下一轮可以直接给结论。避免每轮都是'问候+复述+追问'的固定模板。" |
+| 验证标准 | 连续5轮对话中，至少有3种以上不同的回复结构；不出现连续3轮完全相同的句式。 |
+
+### N-002 万能回应泛滥
+
+| 字段 | 内容 |
+|---|---|
+| 问题现象 | AI频繁使用"好的""了解了""嗯嗯""明白了"等无实质内容的过渡词，对话缺乏推进感。 |
+| 典型场景 | 所有场景，尤其中长对话。 |
+| 根因判断 | 没有限制万能回应的使用频率；AI将万能回应当作安全的"填充语"。 |
+| 修复动作 | 限制万能回应的出现频率；要求每次出现必须紧跟实质内容；禁止连续两轮使用万能回应开头。 |
+| 可复用提示词 | "'好的''了解了''嗯嗯'等无实质内容的回应，每轮对话最多使用1次，且必须在后续句子中给出有推进作用的内容。不得以万能回应作为单独一句话结束本轮。连续两轮不得以万能回应开头。" |
+| 验证标准 | 抽查10轮对话，万能回应频率不超过30%；不出现单独以万能回应结尾的轮次。 |
+
+### N-003 句式单一，缺乏口语变化
+
+| 字段 | 内容 |
+|---|---|
+| 问题现象 | AI全程使用陈述句，缺少反问、犹豫、省略、感叹等真实口语中的自然变化；句长均匀，没有短句打断或长句解释的节奏感。 |
+| 典型场景 | 所有场景，尤其需要高拟真度的销售/面访陪练。 |
+| 根因判断 | 提示词未给出句式多样化的具体指令；模型默认使用完整陈述句。 |
+| 修复动作 | 给出6种以上不同句式类型和比例建议；提供正面和反面句式示例。 |
+| 可复用提示词 | "你的表达要像真人说话一样变化：短反问（'是吗？''你觉得呢？'）、犹豫（'这个……我不太确定'）、自然省略、偶有重复和修正。不要每句都像写文章一样完整陈述。" |
+| 验证标准 | 单轮对话中反问/疑问句出现频率≥20%；句长有明显长短交替。 |
+
+### N-004 过渡生硬，话题切换不自然
+
+| 字段 | 内容 |
+|---|---|
+| 问题现象 | AI突然从寒暄跳转到业务问题，或者从一个话题直接切到另一个话题，没有过渡铺垫。 |
+| 典型场景 | 多阶段对话流程，如信任建立→需求挖掘→方案介绍的切换点。 |
+| 根因判断 | 场景切换只规定了"什么时候可以切"，没规定"怎么自然地切"。 |
+| 修复动作 | 为话题切换增加过渡语料库；要求AI在切换前必须先承接上一话题。 |
+| 可复用提示词 | "切换话题前，必须先承接上一话题（如简短总结或确认），再用自然的转折引入新话题。不得出现'那我们来聊下一个问题'之类的人工提示语。自然过渡示例：'说到这个，你刚才提到……''对了，有个事情我一直想问……'" |
+| 验证标准 | 话题切换处均有关联上一话题的过渡，不出现生硬跳转。 |
+
+### N-005 回复长度单调
+
+| 字段 | 内容 |
+|---|---|
+| 问题现象 | AI每轮回复长度几乎一致（如始终30-50字），缺少真实对话中短回应和长解释的自然交替。 |
+| 根因判断 | 未设置回复长度的变体要求；或设置了固定字数范围导致AI严格遵守。 |
+| 修复动作 | 将固定字数范围改为比例分布要求；给出长短回复交替的示例。 |
+| 可复用提示词 | "你的回复长度要自然变化：40%为中长句（30-60字，用于解释和说明），40%为短句（5-20字，用于回应和确认），20%为极短（1-5字，用于接话和情绪表达）。连续轮次中长短应有交替，避免连续3轮以上用相似长度。" |
+| 验证标准 | 随机抽样10轮，回复长度标准差明显（非均匀分布）；存在极短回复和较长回复的交替。 |
+
+---
+
+## 九、语音与体验类问题
+
+### V-001 ASR识别错误
+
+| 字段 | 内容 |
+|---|---|
+| 问题现象 | 同音字、多音字、尾部字词丢失，导致AI理解错误。 |
+| 根因判断 | 语音识别引擎问题或用户松手过早。 |
+| 处理方式 | 转技术评估ASR；提示用户说完后等待1秒再松手；评分层做容错。 |
+| 是否改提示词 | 不能主要靠提示词解决。 |
+| 验证标准 | 技术修复或操作提醒后，转写完整率提升。 |
+
+### V-002 TTS声音不符合角色
+
+| 字段 | 内容 |
+|---|---|
+| 问题现象 | 60岁农户张老板声音像年轻客服；语音机械、无情绪。 |
+| 根因判断 | 声音包与角色身份不匹配。 |
+| 处理方式 | 更换语音包；按年龄、性别、地域、身份匹配声音。 |
+| 是否改提示词 | 否。 |
+| 验证标准 | 客户业务专家认可声音与角色基本匹配。 |
+
+### V-003 AI播报未结束就跳评分页
+
+| 字段 | 内容 |
+|---|---|
+| 问题现象 | AI最后一句话没播完，页面直接跳转评分。 |
+| 根因判断 | 前端状态未等待TTS完成。 |
+| 处理方式 | 转产品/技术，必须等待语音播报结束再跳转。 |
+| 是否改提示词 | 否。 |
+| 验证标准 | 多轮测试中播报完成后才跳转。 |
+
+### V-004 评分等待焦虑
+
+| 字段 | 内容 |
+|---|---|
+| 问题现象 | 用户提交后长时间等待，不知道是否还在生成。 |
+| 根因判断 | 缺少进度提示或后台生成说明。 |
+| 处理方式 | 增加“评分生成中”“可稍后查看”“后台持续生成”等提示。 |
+| 是否改提示词 | 否，产品体验问题。 |
+| 验证标准 | 用户等待期间知道系统状态。 |
+
+---
+
+## 十、系统配置与运维类问题
+
+### C-001 用户授权不同步
+
+| 字段 | 内容 |
+|---|---|
+| 问题现象 | 客户管理员添加用户后，学员仍看不到应用。 |
+| 根因判断 | 钉钉/平台授权同步延迟或部门同步失败。 |
+| 处理方式 | 培训前24小时完成授权；逐人验证应用入口；准备备用账号。 |
+| 验证标准 | 培训前所有参训用户均可进入系统。 |
+
+### C-002 部门同步失败
+
+| 字段 | 内容 |
+|---|---|
+| 问题现象 | 按部门授权后部分成员缺失。 |
+| 根因判断 | 组织架构同步异常。 |
+| 处理方式 | 改为逐个人员指派；同步后抽查。 |
+| 验证标准 | 名单用户100%可访问。 |
+
+### C-003 再测一次按钮报错
+
+| 字段 | 内容 |
+|---|---|
+| 问题现象 | 学员点击“再测一次”报错或无法重新进入。 |
+| 根因判断 | 前端/接口状态问题。 |
+| 处理方式 | 转技术修复；上线前纳入检查表。 |
+| 验证标准 | 连续复测3次无报错。 |
+
+### C-004 iOS录音权限未释放
+
+| 字段 | 内容 |
+|---|---|
+| 问题现象 | iOS端录音后权限占用，无法继续正常使用。 |
+| 根因判断 | 端上权限释放或录音状态管理问题。 |
+| 处理方式 | 转技术专项排查。 |
+| 验证标准 | iOS连续多轮录音正常。 |
+
+---
+
+## 十一、客户测试与反馈类问题
+
+### T-001 客户反馈“感觉不像”，但无具体证据
+
+| 字段 | 内容 |
+|---|---|
+| 问题现象 | 客户说“不像真实客户”“感觉怪”，但没有原始对话记录。 |
+| 根因判断 | 测试反馈没有结构化。 |
+| 处理方式 | 要求客户提供原始对话、截图、具体句子、期望表达。 |
+| 反馈模板 | “哪句话不对？为什么不对？真实客户会怎么说？影响训练目标吗？” |
+| 验证标准 | 每条反馈都能定位到具体轮次和具体问题。 |
+
+### T-002 客户没人测试，项目停滞
+
+| 字段 | 内容 |
+|---|---|
+| 问题现象 | 客户说会测试，但一周没有反馈。 |
+| 根因判断 | 没有测试任务、节点、责任人。 |
+| 处理方式 | 制定种子测试计划：2-5人，每人3次，3-5天内反馈。 |
+| 验证标准 | 到期收到结构化反馈表。 |
+
+### T-003 测试人员不是业务专家
+
+| 字段 | 内容 |
+|---|---|
+| 问题现象 | HR或行政测试后反馈“还行”，但业务上线后大量问题。 |
+| 根因判断 | 缺少一线业务专家参与验收。 |
+| 处理方式 | 指定业务专家必须参与角色、话术、评分验收。 |
+| 验证标准 | 业务负责人签字或明确确认。 |
+
+---
+
+## 十二、数据看板与复盘类问题
+
+### D-001 数据无法证明能力提升
+
+| 字段 | 内容 |
+|---|---|
+| 问题现象 | 看板数据很多，但无法说明员工能力是否提升。 |
+| 根因判断 | 指标堆砌，没有围绕“训练前后变化”设计。 |
+| 处理方式 | 重点看有效练习次数、平均分趋势、高频扣分项下降、复练率。 |
+| 验证标准 | 能形成“使用后能力提升”的趋势叙事。 |
+
+### D-002 每日数据波动太大
+
+| 字段 | 内容 |
+|---|---|
+| 问题现象 | 日数据忽高忽低，客户误解系统不稳定。 |
+| 根因判断 | 样本量小，日维度噪声大。 |
+| 处理方式 | 改用周/月平均趋势图，点状连线展示。 |
+| 验证标准 | 趋势更稳定，便于管理层理解。 |
+
+### D-003 测试数据污染正式数据
+
+| 字段 | 内容 |
+|---|---|
+| 问题现象 | 内测、演示、乱测数据进入看板，影响结论。 |
+| 根因判断 | 未区分测试账号和正式账号。 |
+| 处理方式 | 标记测试账号；筛选有效练习；剔除过短对话。 |
+| 验证标准 | 看板只展示有效训练数据。 |
+
+---
+
+## 十三、微调处理优先级
+
+| 优先级 | 问题类型 | 处理时限 | 说明 |
+|---|---|---|---|
+| P0 | 红线违规、严重技术阻塞、无法进入系统、评分严重误导 | 当天处理 | 影响上线或合规 |
+| P1 | 角色严重不像、流程提前结束、核心目标评分错误 | 1-2天 | 影响训练有效性 |
+| P1.5 | 提示词指令执行度偏差（偶发/非核心指令） | 2-3天 | 影响一致性但不阻塞训练 |
+| P1.5N | 对话自然度问题（模板化/万能回应/句式单一） | 2-3天 | 影响体验但不阻塞训练 |
+| P2 | 口语不自然、个别话术不佳、轻微评分偏差 | 3-5天 | 影响体验但不阻塞 |
+| P3 | 数据展示优化、文案优化、非核心细节 | 后续迭代 | 可排入版本计划 |
+
+---
+
+## 十四、微调闭环记录模板
+
+| 编号 | 问题来源 | 问题类型 | 原始现象 | 根因判断 | 修改动作 | 责任方 | 版本 | 验证结果 | 状态 |
+|---|---|---|---|---|---|---|---|---|---|
+| MT-001 | 内测/客户反馈/数据复盘 | 角色/流程/评分/知识/体验/技术 |  |  |  |  | V1.1 | 通过/未通过 | 待处理/已闭环 |
+| MT-002 | 内测/客户反馈/数据复盘 | 角色/流程/评分/知识/体验/技术 |  |  |  |  | V1.1 | 通过/未通过 | 待处理/已闭环 |
+
+---
+
+## 十五、微调决策原则
+
+1. 先分类，再修改。不要所有问题都改提示词。
+2. 先看原始对话，再听主观反馈。
+3. 先修P0/P1，再优化体验细节。
+4. 角色、流程、评分要一起看，不能孤立改。
+5. 技术问题必须转技术，提示词不能解决ASR/TTS/权限/按钮报错。
+6. 每次修改必须保留版本，避免无法回滚。
+7. 修改后必须复测同类Bad Case，不能只改不验。
+8. 客户反馈必须结构化，否则无法高效微调。
+9. B2B场景先判断阶段目标，不要强行一次成交。
+10. 最终目标不是让AI“更聪明”，而是让训练“更真实、更可评、更能提升业务能力”。
+
+
+---
+
+## 十六、微调问题解决方法总表
+
+> 使用方式：客户反馈问题后，先判断问题类型，再按对应解决方法处理。不要把所有问题都归因于提示词。
+
+| 问题类型 | 解决目标 | 解决路径 | 责任方 | 关键产出 | 验证标准 |
+|---|---|---|---|---|---|
+| 角色不像 | 恢复角色真实感和稳定性 | 收集原始对话 → 标注不像的位置 → 对照角色卡 → 修改行为规则/禁忌/语言样例 → 复测 | 提示词工程师/业务专家 | 角某功效护肤品牌订版、对话复测记录 | 连续3轮不再出现同类人设偏差 |
+| 信息泄露 | 控制信息释放节奏 | 标出被提前透露的信息 → 设置主动/被问/信任后/禁止透露规则 → 复测低水平学员 | 提示词工程师 | 信息透露规则表 | 学员必须通过提问才能获得关键信息 |
+| 流程跳跃 | 恢复训练环节完整性 | 定位跳环节位置 → 补进入/退出条件 → 补环节状态判断 → 测试正常/跑偏对话 | 提示词/产品 | 流程修订表 | AI不主动跳过关键训练动作 |
+| 提前结束 | 保证对话完整 | 检查结束触发条件 → 取消信任值自动结束 → 改为明确收尾/红线/冷场结束 | 产品/提示词 | 结束机制修订表 | 达成中间目标后不会自动结束 |
+| 评分不准 | 让分数反映真实能力 | 对比AI评分与人工评分 → 找错位项 → 改踩点规则/权重/红线/总分上限 | 产品/业务专家/提示词 | 评分修订表 | 典型样本AI评分与人工判断一致 |
+| ASR误扣分 | 降低语音识别噪声影响 | 标出同音/尾字丢失案例 → 设置评分容错 → 转技术评估ASR | 产品/技术/提示词 | ASR容错规则、技术问题单 | 同音错误不再影响核心评分 |
+| 知识错误 | 防止编造和专业错误 | 查知识来源 → 补知识库 → 设未知处理规则 → 测专业问答 | 知识库/业务专家/提示词 | 知识库修订版 | 不出现资料外关键事实 |
+| 违规话术 | 避免合规风险 | 收集违规表达 → 加禁用话术 → 绑定红线评分 → 压测违规样本 | 业务专家/产品/提示词 | 禁用话术库、红线规则 | 违规样本必触发扣分/失败 |
+| 指令执行偏差 | 确保AI严格遵循提示词行为指令 | 拆提示词提取行为指令 → 逐轮对照预期vs实际 → 标记P偏差 → 修改指令为强约束 → 复测 | 提示词工程师 | 指令对照表、修订版提示词 | 核心指令100%执行，非核心指令≥95% |
+| 对话自然度差 | 让AI回复像真人说话而非答题模板 | 检查回复结构/万能回应/句式/过渡/长度 → 标记N偏差 → 增加表达多样性指令和示例 → 复测 | 提示词工程师 | 自然度修订版提示词 | 多轮对话中回复结构不重复，万能回应<30% |
+| 体验问题 | 减少用户等待和跳转不适 | 定位前端/交互问题 → 加进度提示 → 等待TTS完成 → 优化按钮状态 | 产品/技术 | 产品需求/修复记录 | 用户能理解系统状态，流程不断裂 |
+| 授权配置 | 确保用户可用 | 检查名单 → 逐人授权 → 手机/电脑双端验证 → 备用账号 | 实施/技术 | 授权检查表 | 目标用户100%可进入 |
+| 客户反馈模糊 | 让反馈可处理 | 要求原始对话/截图/期望表达 → 填反馈表 → 分类优先级 | 实施/客户管理员 | 结构化反馈表 | 每条反馈可定位到具体轮次 |
+
+---
+
+## 十七、微调问题专项解决方法
+
+### 17.1 角色不像的解决方法
+
+**处理步骤：**
+
+1. 要求客户提供原始对话，不接受只有“感觉不像”的反馈。
+2. 标出AI哪一句不像。
+3. 判断是哪类偏差：太热情、太攻击、太客服、太聪明、太话痨、前后矛盾。
+4. 回到角色卡，检查是否缺少行为规则或禁止行为。
+5. 修改角色设定：身份字段、语言风格、信息透露、反应边界。
+6. 用同类输入复测至少3轮。
+
+**修改模板：**
+
+```text
+当学员【触发行为】时，你应该【符合角色的反应】；
+你不能【错误行为】；
+除非【条件满足】，否则不得【提前配合/透露/推进】。
+```
+
+**验收标准：**
+
+- AI不会主动帮学员完成任务。
+- AI语言符合年龄、职业、身份。
+- AI的防备、信任、松动有过程。
+
+### 17.2 信息泄露过快的解决方法
+
+**处理步骤：**
+
+1. 列出AI提前透露的信息。
+2. 将信息分为4类：开场可说、被问才说、信任后说、禁止说。
+3. 在提示词中增加信息释放规则。
+4. 用低水平学员测试：如果学员不问，AI是否仍会透露？
+5. 通过后再发布。
+
+**信息分层模板：**
+
+| 信息层级 | 规则 |
+|---|---|
+| L1 开场信息 | 只说最直接诉求或表层反应 |
+| L2 被问才说 | 症状、预算、顾虑、决策人、历史合作情况 |
+| L3 信任后说 | 深层需求、真实担忧、家庭/组织内部情况 |
+| L4 禁止说 | 资料外信息、与角色冲突的信息、帮助学员达标的信息 |
+
+### 17.3 流程跳跃的解决方法
+
+**处理步骤：**
+
+1. 定位AI从哪个环节跳到哪个环节。
+2. 检查上一环节是否有退出条件。
+3. 检查下一环节是否有进入条件。
+4. 给AI增加“不满足条件不得进入下一环节”的规则。
+5. 用低水平、跑偏、正常三类学员分别测试。
+
+**修复模板：**
+
+```text
+只有当学员完成【当前环节关键动作】后，才允许进入【下一环节】。
+如果学员没有完成，你应继续停留在当前环节，并以角色身份自然回应或追问。
+```
+
+### 17.4 评分不准的解决方法
+
+**处理步骤：**
+
+1. 选取3-5条典型对话样本。
+2. 让业务专家先人工打分。
+3. 对比AI评分，找出差异最大的评分项。
+4. 判断原因：目标错位、关键词过窄、权重不合理、红线缺失、ASR误差。
+5. 修改评分规则。
+6. 复测同一批样本。
+
+**评分修复动作：**
+
+| 问题 | 解决动作 |
+|---|---|
+| 高分但没达目标 | 核心目标未达成时设置总分上限 |
+| 低分但实际达标 | 增加等价表达和语义识别范围 |
+| ASR误扣分 | 非关键同音错误不扣分 |
+| 红线漏判 | 设置一票否决或强扣分 |
+| 反馈空泛 | 每个评分项增加具体建议文案 |
+
+### 17.5 知识错误和幻觉的解决方法
+
+**处理步骤：**
+
+1. 标出AI错误知识点。
+2. 判断知识库是否已有正确答案。
+3. 如果知识库没有，要求业务专家补充。
+4. 如果知识库已有但AI没用，强化知识边界和引用规则。
+5. 增加未知问题处理方式。
+6. 用专业问题压测。
+
+**提示词修复模板：**
+
+```text
+涉及产品参数、功效、价格、政策、认证、收益、合规要求时，只能依据知识库回答。
+知识库没有的信息，不得编造，应表达“不确定”或“需要进一步确认”。
+```
+
+### 17.6 技术和体验问题的解决方法
+
+**处理原则：**
+
+这些问题不要反复改提示词，应直接转产品或技术：
+
+- ASR识别错误
+- 语音尾部丢字
+- TTS声音机械
+- 播报未结束跳评分页
+- 再测一次按钮报错
+- iOS录音权限未释放
+- 授权不同步
+- 部门同步失败
+
+**处理步骤：**
+
+1. 收集设备、系统、账号、时间、操作路径、截图/录屏。
+2. 判断是否可复现。
+3. 提交技术问题单。
+4. 同步实施侧临时解决方案。
+5. 修复后回归测试。
+
+**验收标准：**
+
+- 问题能复现或有明确证据。
+- 有责任人和修复时间。
+- 修复后完成同路径回归。
+
+### 17.7 客户反馈模糊的解决方法
+
+**处理步骤：**
+
+1. 不直接修改。
+2. 要求客户补充原始对话记录。
+3. 用“四问法”澄清：
+   - 哪句话不对？
+   - 为什么不对？
+   - 真实客户会怎么说？
+   - 这个问题是否影响训练目标？
+4. 填入反馈表。
+5. 再决定是否修改。
+
+**反馈表最小字段：**
+
+| 字段 | 内容 |
+|---|---|
+| 原始对话 | 必填 |
+| 问题句子 | 必填 |
+| 客户认为的问题 | 必填 |
+| 期望表达 | 必填 |
+| 优先级 | 高/中/低 |
+| 问题类型 | 角色/流程/评分/知识/指令执行/自然度/体验/技术 |
+
+---
+
+### 17.8 提示词指令执行度的解决方法
+
+**处理步骤：**
+
+1. 从提示词中提取所有"行为指令"：必须做、禁止做、遇到X做Y。
+2. 遍历对话记录，逐轮对照提示词预期行为 vs AI实际行为。
+3. 标记所有偏差轮次，打P标签。
+4. 判断偏差原因：指令太模糊、缺少强约束、存在冲突指令、模型温度漂移。
+5. 针对性修改：模糊指令→强约束、禁止规则→绝对禁止+边界处理、冲突指令→优先级排序。
+6. 用同一学员输入复测3-5轮，验证行为一致性。
+
+**P标签三步对照法：**
+
+| 轮次 | 学员说 | 提示词预期AI行为 | AI实际说 | P判断 |
+|---|---|---|---|---|
+| 标注轮次 | 学员原话 | 按提示词指令推演应有行为 | AI实际回复 | ✅/❌ + 偏差说明 |
+
+**修改模板：**
+
+```text
+【修改前】当【情况X】时，你应该【行为Y】。
+【修改后】当【情况X】时，你必须执行【行为Y】。即使学员【施压/要求/暗示执行Z】，你仍然只能执行【行为Y】。不得执行以下替代行为：【列举错误替代行为】。
+```
+
+**验收标准：**
+
+- 核心行为指令在3轮以上相同输入测试中100%执行。
+- 禁止类指令在学员各种触发方式下均不违反。
+- 场景切换时机符合提示词条件。
+- 连续5轮相同输入下核心行为不漂移。
+
+---
+
+### 17.9 对话自然度的解决方法
+
+**处理步骤：**
+
+1. 随机抽查5-10轮AI回复，逐项检查：结构雷同度、万能回应频率、句式类型分布、过渡方式、长度分布。
+2. 量化标记：结构类型数、万能回应占比、反问/疑问句占比、生硬跳转次数。
+3. 对标真实对话特征：结构多变、短句交替、有犹豫和修正、过渡自然。
+4. 针对性修改：增加表达多样性指令、限制模板化行为、给出多种回复结构示例。
+5. 用同类对话复测，验证自然度指标改善。
+
+**N标签四维检查法：**
+
+| 维度 | 检查项 | 健康标准 |
+|---|---|---|
+| 结构多样性 | 连续N轮回复的结构类型数 | ≥3种不同结构/5轮 |
+| 万能回应率 | "好的""了解了""嗯嗯"占比 | ≤30%轮次，不单独结尾 |
+| 句式丰富度 | 反问/疑问/省略/感叹句占比 | ≥20%非陈述句 |
+| 过渡自然度 | 话题切换有无铺垫 | 100%切换前承接上一话题 |
+
+**修改模板：**
+
+```text
+【修改前】无自然度约束。
+【新增】你的表达必须自然多变：
+1. 连续两轮不能使用相同句式结构。
+2. "好的""了解了"等填充词每轮最多1次，不得作为单独结束句。
+3. 善用短反问、犹豫、省略等口语表达，陈述句不超过80%。
+4. 切换话题前必须以承接上一话题的方式自然过渡。
+5. 回复长度应长短交替，避免每轮都是相同长度。
+```
+
+**验收标准：**
+
+- 连续5轮至少3种不同回复结构。
+- 万能回应占比<30%，无单独结尾的万能回应。
+- 非陈述句占比≥20%。
+- 话题切换100%有过渡。
+- 回复长度有显著长短交替。
+
+---
+
+## 十八、微调闭环流程图
+
+```text
+收到反馈
+→ 要原始对话证据
+→ 问题分类
+→ 判断责任方
+→ 制定修改方案
+→ 修改对应模块
+→ 记录版本
+→ 用同类样本复测
+→ 客户确认
+→ 发布新版本
+→ 进入数据观察
+```
+
+**红线原则：**
+
+- 没有原始对话，不做正式微调。
+- 没有复测，不发布新版本。
+- 技术问题不靠提示词硬扛。
+- 合规红线问题优先级最高。