55 lines
2.7 KiB
Markdown
55 lines
2.7 KiB
Markdown
# **📘 Utility Agent 1.1-Pre (Data Scrubber) 使用说明书**
|
||
|
||
## **1. 工具简介**
|
||
**Data Scrubber (数据清洗工)** 是 **HiFi Agent Studio** 专门为高客单价 IP 打造的**情报前处理工具**。
|
||
它是 **Sub-Agent 1.1 (认知定位师)** 的贴身助理。它的核心任务是将混乱、冗长、情绪化的原始市场数据，清洗为结构化、逻辑清晰的**高纯度情报**，以便后续的智能体进行精准决策。
|
||
|
||
* **核心口号**: **Trash In, Gold Out (垃圾进，黄金出)。**
|
||
|
||
## **2. 适用场景**
|
||
当你面临以下情况时，请先调用此工具：
|
||
|
||
* 🔍 **竞品分析时**: 手里有竞品长达 10 分钟的视频文案，不想自己总结核心卖点。
|
||
* 🤬 **舆情挖掘时**: 截取了竞品评论区几十条用户骂声，想知道他们到底在骂什么本质问题。
|
||
* 💡 **灵感整理时**: 自己脑子里有一些对行业的零散看法，但表达不出来，需要整理成“观点对撞”。
|
||
|
||
## **3. 如何投喂 (Input Guide)**
|
||
|
||
你可以直接把以下三种原材料扔给它：
|
||
|
||
### **类型 A：竞品文案 (Transcript)**
|
||
* **来源**: 抖音/B站/视频号热门视频的**文字稿** (可用飞书妙记/剪映提取)，或公众号文章全文。
|
||
* **投喂方式**: 直接粘贴文本。
|
||
* **示例**:
|
||
> "这是竞品 X 关于‘AI 营销’的视频文案，帮我拆解他的营销逻辑：[粘贴文案...]"
|
||
|
||
### **类型 B：用户抱怨 (Complaints)**
|
||
* **来源**: 竞品评论区、行业论坛、客户投诉记录。
|
||
* **投喂方式**: 复制评论文本，或使用 OCR 识别截图后的文字。
|
||
* **示例**:
|
||
> "这些是用户对‘XX 医美项目’的差评，帮我提纯本质痛点：[粘贴评论列表...]"
|
||
|
||
### **类型 C：专家直觉 (Intuition)**
|
||
* **来源**: 你自己的随想、语音备忘录转文字。
|
||
* **投喂方式**: 直接说出你的想法。
|
||
* **示例**:
|
||
> "我觉得现在的 AI 培训都在割韭菜，根本不落地，只教人怎么用 ChatGPT 聊天，没教怎么嵌入业务流。帮我整理一下这个观点。"
|
||
|
||
## **4. 输出结果 (What You Get)**
|
||
|
||
它会返还给你一段 **结构化文本**，通常包含：
|
||
* **【竞品话术解构】**: 核心诱饵、承诺、底层逻辑。
|
||
* **【痛点本质提纯】**: 现象 -> 本质原因。
|
||
* **【专家直觉结构化】**: 谬误 vs 真相。
|
||
|
||
## **5. 下一步行动 (Next Step)**
|
||
|
||
🚀 **关键动作**:
|
||
请将 Data Scrubber 输出的结果 **直接复制**，发送给 **Sub-Agent 1.1 (认知定位师)**。
|
||
这将极大地提升 1.1 号智能体产出“差异化定位”的准确度和犀利度。
|
||
|
||
---
|
||
|
||
**智核工程师提示：**
|
||
你可以将此说明书置顶在 Utility Agent 的欢迎语中，或者作为团队内部SOP文档分发。
|