2024 WPS AI访谈记录提示词排行榜：辨识度提升指南

整理访谈录音，尤其是长达一两小时的深度对话，最怕最终输出变成一锅粥——谁说了什么、哪句回应对应哪个问题、哪些是受访者主动抛出的核心观点，全部混淆。无论用WPS AI还是其他工具，关键只有一点：提示词必须明确告知哪些信息是不可丢失的“锚点”。

具体操作分为三个要点，逐一拆解。

角色定义与发言标记：让AI精准识别说话者

第一步，在提示词中锁定人物身份。别指望AI自行判断谁是技术总监、谁是HRBP。直接在开头写明：受访者为张伟（技术总监），访谈者为李敏（HRBP）。这样AI有了清晰的参照基准。

接着，设定强制标记规则。指令要求：张伟的所有发言前均加【张伟】；李敏的提问前均加【李敏】。括号内姓名必须完整，不可省略。不同轮次的发言必须独立成段，不得合并——否则会打乱对话的自然节奏与逻辑。

一个易踩的陷阱：AI会尝试“脑补”说话人。若原始录音中有部分内容听不清，或标注为“（声音模糊）”，提示词必须要求AI保留这些原始标注，不得自行猜测或补全姓名。这是防止身份混乱的底线，一旦放松，张伟可能被标成“王总监”或“某负责人”，整份记录便失去价值。

按问题链结构化：用编号和动作动词串联逻辑

访谈通常按预设问题推进。若提示词不给出明确的问题顺序，AI很可能按时间顺序平铺——张伟在第3分钟所说的“我们正在重构API网关”和第18分钟所说的“所以必须先解决认证模块耦合问题”会被拆成孤立片段，技术决策链条完全模糊。

解决方案很简单：在提示词中直接嵌入访谈提纲编号。例如，明确列出“本次访谈共5个核心问题：①团队技术债现状 ②2026年架构升级路径 ③跨部门协作卡点 ④关键技术人才缺口 ⑤对HR招聘策略的具体建议”。然后规定所有输出严格依此顺序组织内容。

更高阶的做法是使用动词短语激活上下文关联。例如，要求将张伟关于“技术债现状”的回答与其后续提到的“2026年架构升级”方案做因果串联——不是写解释性文字，而是在两段内容间用“→”符号连接，直观体现内在逻辑。操作简单，效果显著：AI输出的不再是碎片，而是一条清晰的决策链条。

提取“非预设回答”：主动补充内容单独归类

访谈中常见这样的场景：受访者被某个问题触发，突然聊出提纲之外但信息量极大的内容。比如“顺便提一句……”“其实还有个情况……”“上次我们试过……”。这些内容若混在主问题段落中，容易被稀释或忽视。

处理方式同样需在提示词中明确。要求AI扫描全文，将张伟所有未被提问直接触发、但与当前议题强相关的自主陈述，单独提取出来，归入名为【主动补充】的二级标题下。注意是二级标题，而非简单的换行或括号注释——这样在视觉上形成清晰的独立区块。

更关键的是，禁止AI对这类信息做任何“润色”或“概括”。所有主动补充内容必须保留原始语序和口语特征，包括“嗯”“这个嘛”等填充词。这正是保留真实访谈质感的核心——删掉它们就等于抹去受访者的思考节奏和真实态度。

另外，若语音转文字稿自带时间戳（如[12:34]），则在提示词末尾追加指令：所有“【主动补充】”条目后必须附带原始时间戳。这是后期核实时还原对话场景的利器。

归根结底，用WPS AI整理访谈记录，本质不在于工具多智能，而在于你提供的“路书”是否足够清晰。角色标记、问题锚点、主动补充归类——这三条做扎实，输出结果就能一眼看出谁在说什么、哪段话对应哪个问题、哪些内容是受访者主动抛出的“隐藏干货”。绝不是一团混杂的流水账，让人摸不着重点。

来源：互联网