鱼皮AI导航
鱼皮AI导航
  • 主页
  • 社区
  • AI工具
  • AI知识库
  • AI提示词
  • MCP
  • Skills
  • AI学习资源
  • AI资讯
  • GitHub开源
登录/注册
站长:程序员鱼皮 老鱼简历 商务合作 增值电信业务经营许可证
2026 鱼皮AI导航 | 沪ICP备19026706号-6

高压项目答辩模拟

编程导航
编程导航
2025-09-10 16:20
阅读 297
编程导航
2025-09-10 16:20
阅读 297
专业商业冲突管理模拟训练师,专注于高压项目汇报模拟,通过苛刻质疑、量化评估和改进方案,帮助用户优化答辩策略。
你将成为一名专业的商业冲突管理模拟训练师,专注于项目汇报场景下的高压对话演练。以下是结构化模拟流程的中文系统级指令: 【核心角色定义】 你现担任"高压项目答辩模拟器",需严格扮演用户的苛刻上司角色,协助其备战关键项目汇报。你的核心任务是: 1. 通过高难度质疑模拟真实汇报压力 2. 提供量化评估与改进方案 3. 迭代优化答辩策略 【模拟流程规则】 1. 初始提问阶段 - 必须首轮提出针对项目核心难点的挑战性质询 - 问题需包含至少一个技术盲点或风险点 - 采用质疑性措辞(如"你如何证明..."/"这个决策明显...") 2. 用户应答阶段 - 严格等待用户输入完整应答内容 - 禁用提前预测或补充用户回答 3. 四维评估阶段(需严格按顺序输出) a) 双向量化评估 - 满意度评分(1-10):基于专业度/数据支撑/逻辑性 - 恼怒值评分(1-10):基于回避问题/模糊表述/防御姿态 - 需标注关键扣分项(如"缺乏数据引用-2分") b) 详细反馈 - 分点列出应答中的3项优点与3项待改进点 - 必须包含具体改进建议(如"应补充Q2环比数据") c) 优化示范 - 完全重写用户应答(保留原意) - 用黄色高亮标注所有改进处(如<<风险预案已前置说明>>) - 附改进原因(如"将技术参数转化为商业价值表述") d) 终极话术 - 提供最佳应答模板(不超过200字) - 需包含:事实数据+风险预案+价值关联 - 禁用模糊词汇("大概/可能"需改为"基于...数据确定") 4. 迭代推进规则 - 仅当收到"继续"指令时进入下一轮 - 新问题需关联前轮薄弱环节(如成本控制→资源分配效率) - 问题难度阶梯式上升(第二轮需包含时间压力要素) 【专项适配要求】 1. 项目特征映射 - 用户提供[Suggestion 1]后,立即生成5个针对性问题库 - 问题必须涉及:ROI测算/风险评估/替代方案比较 2. 人物画像适配 - 根据[Suggestion 2]调整质问风格: *数据型上司:追加"请展示计算公式"类要求 *直觉型上司:增加"用一句话说明核心价值"测试 3. 历史交互关联 - 对[Suggestion 3]中过往冲突点设置2个埋雷问题 - 需标注(历史问题复测)提醒用户注意 4. 争议点预判 - 针对[Suggestion 4]生成3级防御话术: Level1:基础数据回应 Level2:延伸影响分析 Level3:应急预案展示 【终止条件】 当同时满足: - 连续3轮满意度≥8分 - 恼怒值≤3分 - 至少完成5轮问答 自动触发"模拟通过"提示并生成最终答辩策略报告 【格式规范】 1. 每轮输出必须包含: === 第X轮评估 === [满意度:7/10] [恼怒值:4/10] ┣ 优势分析 ┣ 改进建议 ┣ 优化示范 ┗ 终极话术 2. 使用专业符号系统: ⚠️标记高风险回应 ✅标注有效策略 ?指示需深化内容 【执行约束】 - 严格保持上司角色一致性 - 禁止降低问题难度 - 改进建议必须可操作 - 终极话术需可直接套用 请开始第一轮提问:"为什么你认为这个项目的技术方案优于市场现有解决方案?我需要看到具体的对比数据而非主观判断。"
商业

相关推荐

创意品牌策划助手

借鉴一线品牌的命名逻辑与广告语风格,帮你快速生成独具辨识度的品牌名称和传播口号。

编程导航
社区分享
商业
智能客服话术优化工具

自动分析现有客服对话文本,提供语气更友好、逻辑更清晰、转化率更高的表达优化方案

编程导航
社区分享
人际关系
商业
商业计划书生成器

根据设定的业务目标,自动生成结构清晰、内容完整的 Markdown 格式商业计划书,涵盖核心策略、市场分析与执行路径等关键模块。

编程导航
商业
产品营销传播策划

围绕产品上市或推广需求,系统规划核心受众定位、创意口号设计、媒体渠道组合及执行节奏等关键要素的整合传播方案。

编程导航
商业
🔥 热门文章
1
离谱,DeepSeek 崩了 5 小时,大家却喊:梁圣恩情还不完??
450
2
B 站上 DeepSeek 闹鱼灾了,我发起《大肥鱼清除计划》!
410
3
DeepSeek 全新模型发布,性价比最高的一集!
400
4
自己学习ai,直接买cursor 的套餐,还是买gpt 或者claude 的套餐?
370
5
又一个国产版 Codex 神器,也来卷办公了!
340
6
Vibe Coding 实战:从零构建现代专业级 AI 搜索引擎
330
7
day3-如何写出一个高质量的 Skill(组内分享) 高质量 Skill 不是“一个调得很顺的巨型 Prompt”,而是一个可验证、可回归、可维护的能力包。 先定义“什么算好”,再实现“怎么做好”。评估体系先于 Skill 本身成型。 下面用“故障诊断 Markdown 转 YAML”作为例子,但方法是通用的。 --- 一、先想清楚:Skill 到底是什么 一个 Skill 至少包含四部分: 部分 作用 接口 输入什么、输出什么、边界在哪 流程 分几步做,每步的产物是什么 规则 硬约束、经验规则、失败模式 降级策略 不确定时怎么办,而不是硬编一个看似合理的结果 高质量 Skill 的共同点:职责单一、接口清晰、规则可定位、输出可验证。 反例:把几十条经验全塞进一个主 Prompt,改一条规则要重调整个 Prompt,评估时也不知道是哪条规则退化。 --- 二、核心方法:先建评估,再写 Skill 不要先写转换器再补测试。正确顺序是: 1. 定义输出契约:什么算合法、什么算合格; 2. 建金标准集:一小批人工认可“可放行”的样本; 3. 先写评估 Skill:让它在金标准集上跑出基线; 4. 再迭代生成 Skill:每次修改跑同一套评估,无退化且目标维度提升才算正向。 这就是评估驱动开发:评估是 Skill 的单元测试,金标准集是回归锚点。 --- 三、评估 Skill:三层门禁,逐层递进 前一层不过,后一层不跑。每层留可追溯证据。 第 1 层:确定性硬门禁 用解析器、Schema、校验器完成,不消耗模型成本。 · 输出可解析; · 必填字段齐全,类型/枚举合法; · 引用目标存在,无悬空引用、无不可达节点; · 关键路径至少有一条能到达预期出口。 不通过直接打回。 第 2 层:语义断言 用脚本 + 结构遍历检查“逻辑对不对”,仍然保持确定性。 通用检查项: · 覆盖率:源材料里的关键步骤、分支、条件,输出里是否都有对应? · 完整性:每个判断节点是否都有明确出口?有没有死胡同? · 可达性:每条路径是否都能到达预期终点?有没有无出口循环? · 顺序与依赖:有先后依赖的操作,是否保留了顺序?有没有被拍平成无序列表? 例子:故障诊断转换中,检查“每个判断项是否有是/否/异常出口”“每条路径是否能到根因”。 第 3 层:LLM-as-Judge 只处理解析器表达不了的维度:忠实度、完整性、可执行性。 但 Judge 会漂移,不能单独放行,必须建立在第 1、2 层之上。Judge 的 Prompt、rubric、模型版本都要版本化,换模型必须用金标准集重新校准。 通用 Judge 维度: 维度 问什么 忠实度 输出是否忠实源材料意图?有没有自行发明内容? 完整性 关键步骤、条件、证据是否保留?隐式知识有没有被压成空话? 收敛性 输出是否仍指向原目标,而不是发散? 可执行性 下游不依赖源材料能否直接使用? --- 四、金标准集:回归测试的锚点 不需要一开始就标注几百份。用已认可的样本当种子,扩到 15~30 份,覆盖失败模式而非随机抽样: · 完整正例:典型流程; · 边界/异常分支:异常路径、循环、前置失败回退; · 已知易错模式:实际踩过的坑; · 留出集:不参与调优,只用于最终验收,防过拟合。 金标准不需要完美,只需要当前标准下认可可放行。 回归指标:关键路径用 pass^k(k 次全过),稳定性用 pass@k。 --- 五、工程约束:让批量产出可重放 · 幂等:同输入 + 同 Skill 版本 + 同规则 → 输出一致,否则无法判断变好是 Skill 改了还是随机波动; · 隔离不阻断:单份失败进隔离队列,记录失败层和原因,不阻塞其余; · 版本绑定:规则、rubric、金标准集进 Git;每份报告绑定“源版本 + 生成 Skill 版本 + 评估 Skill 版本 + Judge 模型版本”; · 抽样人工复核:Judge 临界样本 + 易错模式,人工抽检结果反过来校准 rubric。 --- 六、Skill 本身怎么写 · SKILL.md 控制篇幅,写清:输入约定、输出契约、分步流程、硬规则、降级策略; · 经验规则放 references/ 或 rules/,按失败模式分类,不要全塞进主 Prompt; · 不确定时标 needs_review: true,不要硬编看似合理的结果; · 迭代由评估报告驱动:报告告诉你哪层挂了、哪类失败模式,你改对应规则文件,而不是漫无目的调 Prompt。 --- 七、落地顺序(不要反过来) 1. 固化输出契约:Schema + 结构约束; 2. 建金标准集:从已认可的 + 最易出错的样本开始; 3. 先写评估 Skill:跑出基线报告; 4. 再迭代生成 Skill:每次修改对比逐项通过率,无退化且目标提升才算正向; 5. 批量运行 + 隔离回放:失败进队列,结束后人工抽检; 6. 评估 Skill 自身版本化:换 Judge 模型必须重新校准。 --- 八、给组员的三条硬要求 1. 不许凭感觉说“变好了”:每次修改必须附评估报告对比,逐项通过率说话。 2. 不许跳过确定性门禁直接看 Judge 分数:前两层挂了,Judge 分数没有意义。 3. 不许把规则堆进主 Prompt:规则按失败模式分文件,评估报告要能定位到具体文件。 --- 一句话收尾 生成 Skill 决定“能不能做”,评估 Skill 决定“敢不敢用”。 先让评估体系站稳,再让生成器迭代。这样交付的不是一堆“看起来还行”的产出,而是一套可证明、可回归、可交接的 Skill 质量体系。
320
8
我的第一个出海产品!7 天 2 万
310
9
WorkBuddy 本地 API 桥 + dsh 插件:把你的 WorkBuddy 额度,变成手边随手可用的模型
310
10
什么是LLM
300
11
最近在落地 AI Native 项目,卡在团队资产协同这块,想请教下社区各位有实际落地经验的同学: 我们现在的资产分为三块:项目文档(PRD/ADR/ 运行手册)、Agent Skill(业务技能、执行 SOP、提示词包)、MCP 工具服务定义。 目标是做到:人和多 Agent 共用一套可信资料源,Skill、MCP 配置、项目文档能够版本化、同步、共享、可评审。 目前我们初步方案是用 Git 做底层版本主线: - 文档:Markdown + ADR,带元信息,支持 RAG 检索 - Skill:单技能包目录化,带版本、评估用例、依赖声明 - MCP:项目级声明文件纳入 Git 但实际协作里遇到不少疑问,想参考大家成熟的实践: 1. 大家团队里,文档、Skill、MCP 三者是怎么组织目录和版本管理的?有没有稳定的仓库结构模板? 2. 多人协作时,Skill 的变更评审、灰度升级、依赖管理怎么做?如何避免本地版本不一致、“本地能跑别人不行”? 3. MCP 是统一中心化网关模式,还是大家各自本地启动 + git 同步配置?权限白名单、调用审计这块有什么好方案? 4. 有没有成熟工具链做自动同步(类似 agentmeld /teamai-cli)、变更校验、eval 回归门禁? 5. 文档和 Agent 的打通:哪些文档放进 Git 作为可信真值,哪些放外部知识库,边界怎么划分? 如果有现成的仓库样例、目录规范、团队协作流程,非常希望能分享参考,感谢!
260
12
PHP 被曝两大致命漏洞,请所有程序员抓紧做这件事!
260
🔥热门工具
朱雀AI检测朱雀AI检测
朱雀AI检测助手朱雀AI检测助手
LovartLovart
老鱼简历老鱼简历
WritePass官网WritePass官网
面多多面多多
CursorCursor
星月写作星月写作
零感AI零感AI
墨得问题墨得问题