提示工程架构师的提示设计用户访谈框架：4步搞定需求挖掘

引言：为什么提示设计需要「专门的用户访谈」？

在提示工程领域，我见过太多“自嗨式”提示设计——工程师根据自己对业务的理解写提示，结果AI输出要么不符合用户预期，要么解决不了实际痛点。比如某电商客服AI的提示写着“请礼貌回答用户问题”，但用户需要的是“先确认订单信息，再引用退换货政策，最后给申请链接”——前者是模糊的“要求”，后者是精确的“需求”。

问题的根源在于：提示设计的本质是“翻译”——将用户的任务需求翻译成模型能理解的指令，而翻译的前提是“精准理解原文”。普通用户访谈聚焦于“用户要什么”，但提示设计用户访谈需要更聚焦：挖掘“与提示强相关的需求要素”——比如用户的任务目标、约束条件、输入上下文、输出期望、反馈机制等。

如果把提示设计比作“盖房子”，用户访谈就是“打地基”——地基不稳，再华丽的提示也会塌。今天，我会分享一套提示工程架构师专属的用户访谈框架，用4步帮你精准挖掘提示设计所需的需求，从此告别“拍脑袋写提示”。

什么是「提示设计用户访谈」？——和普通访谈的3个核心区别

在讲框架前，先明确边界：提示设计用户访谈不是“替代”普通用户访谈，而是“补充”——它聚焦于提示设计的关键维度，回答以下问题：

普通用户访谈关注	提示设计用户访谈关注
用户的业务目标是什么？	用户希望提示帮AI实现什么具体任务目标？
用户的痛点是什么？	痛点对应的提示缺陷是什么？（比如“答非所问”是因为提示没明确输入上下文）
用户需要什么功能？	用户需要提示包含哪些约束/规则/格式？

简单来说：普通访谈是“挖用户要解决的问题”，提示设计访谈是“挖如何用提示让AI解决这个问题”。

4步框架：从“模糊需求”到“可落地的提示说明书”

接下来是核心框架——预访谈→深访谈→验证访谈→复盘访谈，每一步都有明确的目标、方法、工具和实战案例。

第一步：预访谈——构建上下文基线，搞懂“用户是谁，在做什么”

预访谈的核心是建立“用户-任务”的基础认知，避免后续访谈“抓瞎”。如果不了解用户的角色、场景、现有流程，你可能会问出“你觉得AI应该更智能吗？”这种无效问题。

1.1 核心目标

收集3类信息，构建“上下文基线”：

• 用户画像：角色、职责、技能水平（比如“电商售后客服，工作1年，熟悉退换货政策”）；
• 任务场景：用户要完成的具体任务（比如“处理用户的‘衣服破洞’退换货咨询”）；
• 现有痛点：用户当前解决任务的流程、工具，以及遇到的问题（比如“用现有AI回答，10次有3次漏提‘包装完好’的要求”）。

1.2 关键方法：5W1H框架

用“5W1H”引导预访谈，确保覆盖所有基础信息：

维度	问题示例（以电商客服为例）
Who	你是售前客服还是售后客服？日常对接的用户是个人还是企业？
What	你最常处理的3类问题是什么？（比如“退换货申请、物流查询、退款进度”）
When	你通常在什么时间处理这些问题？（比如“早8点-晚10点，高峰是晚7点”）
Where	你是通过在线聊天、电话还是邮件处理问题？
Why	解决这些问题对你的工作有什么价值？（比如“减少用户投诉，提高满意度评分”）
How	你现在用什么工具处理这些问题？（比如“现有AI+人工审核”）现有工具的问题是什么？

1.3 工具：用户角色画布

用表格整理预访谈结果，形成用户角色画布，方便后续参考：

用户角色	电商售后客服（工作1年）
核心任务	处理退换货/退款咨询，引导用户通过官方渠道申请
现有流程	接用户问题→查订单→用AI生成回答→审核→发送
痛点1	AI经常漏提“包装完好”的退换货条件
痛点2	AI回答太生硬，像机器人
期望	AI能准确引用政策，语气更像真人

1.4 注意：避免“假大空”

预访谈要问具体场景，而不是抽象问题。比如不要问“你觉得现有AI怎么样？”，要问“上周有没有遇到AI回答不符合你预期的情况？能举个具体例子吗？”

第二步：深访谈——拆解“提示维度需求”，挖透“提示要满足什么”

深访谈是整个框架的核心——它直接提取“与提示设计强相关的需求要素”。我把这些要素总结为**“提示五维度”**，用MECE原则（相互独立、完全穷尽）拆解，确保不遗漏任何关键信息。

2.1 核心目标：提取“提示五维度”需求

提示设计的本质是“给模型明确的指令”，而指令的有效性取决于5个维度：

提示维度	定义	对提示设计的价值
任务目标	用户希望AI完成的具体结果（不是“解决问题”，而是“解决什么问题”）	明确提示的“核心意图”
约束条件	AI输出必须遵守的规则/限制（比如政策、格式、禁忌）	避免AI输出违规内容
输入上下文	用户会提供给AI的信息（显式+隐式）	让AI“知道该用什么信息”
输出期望	用户对AI输出的格式/风格/长度要求	确保输出符合用户使用场景
反馈机制	用户如何向AI/提示工程师反馈结果（比如“回答不好时转人工”）	建立提示的“迭代闭环”

2.2 关键方法：用“追问法”拆解每个维度

深访谈的核心是**“从抽象到具体”**——用户说“希望AI更智能”，你要追问“‘更智能’具体是指什么？比如能理解用户的隐含需求（比如‘衣服破了’=需要退换货）？”

以下是每个维度的追问示例（以“营销文案生成”为例）：

（1）任务目标：“你希望AI帮你完成什么具体任务？”

• 反面问题：“你希望AI写营销文案吗？”（太抽象）
• 正面问题：“你让AI写营销文案的核心目标是什么？是吸引用户点击链接，还是促进直接购买？”
• 示例答案：“核心目标是吸引用户点击‘立即购买’按钮，提高转化率。”

（2）约束条件：“AI输出必须遵守什么规则？”

• 反面问题：“你有什么要求吗？”（太泛）
• 正面问题：“营销文案中必须包含哪些内容？（比如产品卖点、活动时间）；绝对不能包含哪些内容？（比如虚假宣传、敏感词）”
• 示例答案：“必须包含‘满200减50’的活动，不能说‘全网最低’。”

（3）输入上下文：“你会给AI提供哪些信息？”

• 反面问题：“你需要AI知道什么？”（太模糊）
• 正面问题：“当你让AI写文案时，会提供哪些信息？（比如产品名称、目标受众、卖点）有没有没说但希望AI知道的信息？（比如‘目标受众是25-30岁的女性，喜欢ins风’）”
• 示例答案：“会给产品名称和卖点，但希望AI知道目标受众是年轻妈妈，喜欢温馨的风格。”

（4）输出期望：“你希望AI输出什么样的内容？”

• 反面问题：“你希望AI写得好一点吗？”（无效）
• 正面问题：“你希望文案的风格是活泼还是专业？长度是100字以内还是200字左右？格式是分点还是段落？”
• 示例答案：“风格活泼，长度150字左右，用emoji分点。”

（5）反馈机制：“如果AI输出不符合预期，你会怎么做？”

• 反面问题：“你会反馈吗？”（没用）
• 正面问题：“如果AI写的文案不符合你的要求，你会直接修改还是让AI重新生成？如果重新生成，你会补充什么信息？”
• 示例答案：“会让AI重新生成，补充‘增加宝宝的使用场景’。”

2.3 工具：提示需求拆解表

用表格整理深访谈结果，让需求“可视化”：

提示维度	营销文案生成的需求	优先级
任务目标	吸引25-30岁年轻妈妈点击“立即购买”，提高转化率	高
约束条件	必须包含“满200减50”活动，不能说“全网最低”，必须提“宝宝可机洗”的卖点	高
输入上下文	产品名称（婴儿纯棉T恤）、卖点（柔软、透气、可机洗）、目标受众（年轻妈妈）	中
输出期望	活泼风格，150字左右，用emoji分点（如“🌟 柔软到像云朵～”）	高
反馈机制	不符合预期时，补充“增加宝宝爬爬的使用场景”，让AI重新生成	中

2.4 注意：聚焦“提示相关”

深访谈要避免跑题——比如用户聊“希望公司增加培训”，这是普通需求，不是提示设计需求，可以记录但不用深入。

第三步：验证访谈——锚定“关键矛盾点”，解决“需求模糊/冲突”

深访谈后，你可能会遇到2类问题：

1. 需求模糊：用户说“希望AI更智能”，但没说清楚“智能”的定义；
2. 需求冲突：用户说“希望AI回答准确又简洁”，但准确需要详细解释，简洁需要省略细节。

验证访谈的目标就是澄清歧义，明确优先级。

3.1 核心方法1：假设-验证法（解决需求模糊）

针对模糊需求，先提出具体假设，再让用户验证。比如：

• 用户说：“希望AI的回答更智能。”
• 假设1：“你是希望AI能理解用户的隐含需求？比如用户说‘衣服破了’，AI能自动联想到‘需要退换货’？”
• 假设2：“你是希望AI能主动提供额外信息？比如用户问‘退换货流程’，AI能顺便说‘申请后24小时内处理’？”
• 用户回答：“对，我希望AI能理解隐含需求，不用我再追问用户。”

这样就把“智能”从抽象变成了具体。

3.2 核心方法2：矛盾优先级排序（解决需求冲突）

针对冲突需求，用优先级矩阵让用户明确“哪个更重要”。比如：

• 用户需求：“希望AI回答准确又简洁。”
• 问题：“如果AI回答准确但有点长，你能接受吗？还是宁愿短一点但可能有遗漏？”
• 用户回答：“优先准确，长一点没关系，但最好能分点，让用户容易看。”

这样就解决了“准确vs简洁”的冲突——提示设计时要“先准确，再用分点优化可读性”。

3.3 工具：KANO模型（区分需求优先级）

KANO模型将需求分为5类：基本需求（必须满足）、期望需求（满足了更满意）、兴奋需求（超出预期）、无差异需求（有没有都一样）、反向需求（满足了反而不满意）。

比如营销文案生成的需求：

• 基本需求：包含“满200减50”活动（不满足就会投诉）；
• 期望需求：活泼风格（满足了更满意）；
• 兴奋需求：增加宝宝爬爬的使用场景（超出预期，用户会惊喜）。

用KANO模型排序后，提示设计要先满足基本需求，再优化期望需求，最后考虑兴奋需求。

3.4 实战示例：解决“准确vs简洁”的冲突

某数据分析师希望AI生成的报告“详细又易懂”，验证访谈的对话：

你：“‘详细’是指包含所有数据指标（比如用户增长率、转化率、留存率），还是详细的分析过程（比如‘增长率下降是因为竞品上线了新功能’）？”
用户：“详细的分析过程，指标可以简化成关键的3个。”
你：“‘易懂’是指用通俗语言（比如‘用户越来越少’），还是减少专业术语（比如不用‘DAU’而用‘日活用户’）？”
用户：“减少专业术语，用通俗语言，但要准确。”
你：“如果分析过程详细但有点长，你能接受吗？还是宁愿短一点但分析不够深入？”
用户：“优先分析过程详细，长一点没关系，但要加小标题，方便阅读。”

最终结论：提示设计时要“详细分析过程+简化指标+通俗语言+小标题”。

第四步：复盘访谈——输出“提示需求文档”，把需求变成“可落地的说明书”

访谈的最后一步是将零散的信息结构化，输出“提示需求文档”——它是提示设计的“蓝图”，让工程师、产品经理、用户都能对齐需求。

4.1 提示需求文档的核心内容

我通常会包含以下5部分：

（1）用户画像与任务全景图

用Mermaid画任务全景图，展示用户的核心流程：

（2）提示五维度需求表

用表格整理深访谈的结果（参考第二步的“提示需求拆解表”）。

（3）关键矛盾点与优先级

列出验证访谈中解决的冲突，明确优先级：

矛盾点	解决方案	优先级
准确vs简洁	优先准确，用分点优化可读性	高
详细vs易懂	优先详细分析过程，用通俗语言和小标题简化	高

（4）示例提示草稿（可选）

根据需求写一个初始提示草稿，让用户验证：

你是一个营销文案生成助手，需要帮电商运营写婴儿纯棉T恤的文案。要求：

1. 核心目标：吸引25-30岁年轻妈妈点击“立即购买”，提高转化率；
2. 必须包含：“满200减50”活动、“宝宝可机洗”的卖点；
3. 输入信息：产品名称（婴儿纯棉T恤）、卖点（柔软、透气、可机洗）、目标受众（年轻妈妈）；
4. 输出要求：活泼风格，150字左右，用emoji分点，比如“🌟 柔软到像云朵～”；
5. 如果不符合预期，补充“增加宝宝爬爬的使用场景”重新生成。

（5）反馈机制说明

明确用户如何反馈提示效果，比如：

• 每周收集1次用户反馈；
• 反馈内容包括：“不符合需求的具体例子”“希望调整的点”；
• 提示工程师每周根据反馈优化提示。

4.2 工具：Notion模板

我用Notion做提示需求文档，模板结构如下：

• 封面：提示需求文档（营销文案生成）
• 页1：用户画像与任务全景图
• 页2：提示五维度需求表
• 页3：关键矛盾点与优先级
• 页4：示例提示草稿
• 页5：反馈机制说明

4.3 注意：让用户“签字确认”

文档完成后，要让用户确认内容准确——避免后续提示设计完成后，用户说“这不是我要的”。

实战案例：用4步框架设计“电商客服AI提示”

为了让你更直观，我用“电商售后客服AI”的案例，完整走一遍4步流程：

步骤1：预访谈（构建上下文基线）

• 用户角色：电商售后客服（工作1年）；
• 核心任务：处理退换货/退款咨询，引导用户通过官方渠道申请；
• 现有流程：接用户问题→查订单→用AI生成回答→审核→发送；
• 痛点：AI经常漏提“包装完好”的退换货条件，回答太生硬。

步骤2：深访谈（拆解提示五维度）

• 任务目标：准确解答退换货问题，引导用户通过官方渠道申请；
• 约束条件：必须符合《电商退换货政策》（7天无理由、包装完好、不影响二次销售）；
• 输入上下文：用户的订单ID、问题描述、之前的沟通记录；
• 输出期望：礼貌语气（“亲爱的用户”）、分点回答、包含退换货链接；
• 反馈机制：用户反馈“未解决”时，提示需增加“转人工”选项。

步骤3：验证访谈（解决矛盾点）

• 矛盾点：用户希望AI“准确”又“语气亲切”；
• 验证问题：“如果AI准确引用政策但语气有点生硬，你能接受吗？还是宁愿语气亲切但可能漏提政策？”；
• 用户回答：“优先准确，语气可以用‘亲爱的用户’开头，让AI更像真人。”

步骤4：复盘访谈（输出提示需求文档）

• 任务全景图：参考之前的Mermaid图；
• 提示五维度需求表：

提示维度	电商客服AI的需求	优先级
任务目标	准确解答退换货问题，引导用户通过官方渠道申请	高
约束条件	必须符合《电商退换货政策》（7天无理由、包装完好、不影响二次销售）	高
输入上下文	用户的订单ID、问题描述、之前的沟通记录	中
输出期望	礼貌语气（“亲爱的用户”）、分点回答、包含退换货链接	高
反馈机制	用户反馈“未解决”时，提示需增加“转人工”选项	中

• 示例提示草稿：

你是一个电商售后客服AI，需要帮助用户解决退换货/退款问题。要求：

1. 核心目标：准确解答用户的问题，引导用户通过官方渠道申请退换货；
2. 必须遵守：《电商退换货政策》（7天无理由、包装完好、不影响二次销售）；
3. 输入信息：用户的订单ID、问题描述（如“衣服破了”）、之前的沟通记录；
4. 输出要求：用“亲爱的用户”开头，分点回答（1. 退换货条件；2. 申请流程），包含退换货链接（https://xxx）；
5. 如果用户反馈“未解决”，请在回答末尾增加“如需进一步帮助，请点击【转人工】”。

工具与资源推荐：提升访谈效率的利器

1. 访谈准备工具

• 用户角色画布模板：Notion模板（搜索“User Persona Template”）；
• 5W1H问题清单：提前列好问题，避免遗漏。

2. 访谈记录工具

• 飞书文档/Notion：实时记录，支持多人协作；
• Otter.ai：自动转录访谈音频，节省整理时间。

3. 需求分析工具

• XMind：画思维导图，拆解提示五维度；
• Miro：协作白板，和团队一起梳理任务全景图。

4. 提示设计工具

• LangChain：用框架快速实现提示逻辑；
• PromptLayer：跟踪提示的效果，收集用户反馈。

未来趋势：提示设计用户访谈的3个进化方向

随着AI技术的发展，提示设计用户访谈也在进化：

1. 动态需求挖掘：从“一次性”到“持续迭代”

未来的提示设计会实时收集用户反馈，比如用PromptLayer跟踪提示的效果，当用户反馈“AI漏提政策”时，自动调整提示中的约束条件。

2. AI辅助访谈：用大语言模型分析访谈记录

比如用GPT-4分析访谈音频转录稿，自动提取“提示五维度”需求，节省整理时间。

3. 跨角色协同：产品+技术+用户共同访谈

提示设计不再是提示工程师的“独角戏”，而是**产品经理（懂业务）、技术工程师（懂模型）、用户（懂需求）**共同参与，确保需求对齐。

结语：需求挖掘是提示设计的“根”

在提示工程领域，我见过太多工程师追求“华丽的提示技巧”——比如链式思维、few-shot学习，但如果需求挖掘不到位，再厉害的技巧也解决不了实际问题。

记住：提示设计的本质是“用户需求的翻译”，而翻译的前提是“精准理解原文”。用这4步框架，从预访谈构建基线，到深访谈拆解提示维度，再到验证访谈解决冲突，最后复盘输出文档，你就能把模糊的用户需求变成可落地的提示说明书。

最后送你一句话：好的提示不是“写”出来的，而是“挖”出来的——从今天开始，做一个“会访谈的提示工程架构师”吧！

附录：提示设计用户访谈 checklist

1. 预访谈：是否收集了用户角色、核心任务、现有流程、痛点？
2. 深访谈：是否拆解了“提示五维度”（目标、约束、上下文、输出、反馈）？
3. 验证访谈：是否解决了需求模糊/冲突？
4. 复盘访谈：是否输出了结构化的提示需求文档？
5. 用户确认：文档是否经过用户签字确认？

（完）