山东大学软件学院创新实训＜五＞

阶段划分

结构与功能概述

• 顶层为各Phase（阶段），如 DemandAnalysis、DataCrawling 等，每个key代表一个业务环节。
• 每阶段有：
  • assistant_role_name：AI助手扮演的角色。例如“DataEngineer”。
  • user_role_name：用户/对话另一角色。例如“ChiefExecutiveOfficer”。
  • phase_prompt：多轮对话指令或流程控制，给定参与者每步要关注的内容和讨论规范。

---

各阶段核心逻辑

1. DemandAnalysis（需求分析）

• 明确讨论“产品类型（如文档、PPT）”并反复达成共识，只允许讨论需求拆解，终止需采用统一格式。
• 强化角色分工：CEO为需求方，AI为CMO。

2. DataCrawling（数据爬取/分析）

• AI作为“DataEngineer”，需针对CEO设定的任务明确分析目标。
• 受限于“只能讨论数据分析”，不能偏离话题，终止语格式有要求。

3. AdvertisingShootingSuggestions（广告拍摄建议）

• 角色设定和上面类似，着重于提供“可实施”的创意拍摄建议，要求方案细致（解构提纲、视觉建议、文案等）。

4. MarketAnalysis（市场分析）

• 由“市场分析师”针对任务、创意和数据分析市场现状，以及各渠道品牌表现。
• 输出必须聚焦行业趋势、投放效果和不同平台表现。

5. RecommendationsForPlacement（广告投放建议）

• “策略规划师”基于上一阶段的市场分析和数据摘要，输出 两套以上的广告投放渠道组合和预算分配方案。
• 明确关联数据结构，便于后续更深的埋点与数据分析。

6. PPTGeneration（PPT生成）

• 可以看作是整个经验成果的产出阶段，由 “PPTCreator” 整合方案、建议生成完整演示文稿。
• 需结合前面方案（投放建议+拍摄建议），内容要能对内有说服力。

7. TaskDataClassifier（数据任务分类）

• 角色对调为CEO主导，目的是在众多数据文件中快速锁定相关数据资产。
• 极度简化交互，确保效率和规范。

---

特色与优势

1. 高规范性：每一步都有输出限制（如只讨论某类问题、终止语格式规则），有利于自动化判断阶段完成状态和流转节点；
2. 多角色设定：提升协作真实感，有助于AI角色扮演、场景逼真；
3. 阶段性递进：每阶段衔接紧密（需求→数据→创意→策略→成果），支撑完整闭环流程；
4. 信息占位符机制：如 {task}、{description}，方便动态拼接上下文任务。

---

适用场景

• 企业数据驱动型广告或市场项目的AI对话流程
• 需要多个AI角色和用户参与，有明确阶段产物和成果的场景
• 自动化需求梳理、数据处理、策略制订到成果输出的闭环