腾讯ima回答不准确？资料补充与提示词优化方法

腾讯IMA偶尔会给出不尽如人意的答复，这并不是模型在“刻意编造”，而是当它缺乏可靠依据时，倾向于调用训练数据中的模糊共识——例如将“2024年深圳平均工资”回答成“约1.2万元”，却不注明数据来源和统计口径。最终导致你无法判断这个数字是否包含年终奖，是否涵盖了外包岗位。

先补资料：让IMA有据可依

第一步：打开IMA网页版，点击输入框左下角的「上传文件」图标，选择PDF、Word或Excel格式的原始资料（例如公司财报截图、产品说明书扫描件、竞品宣传页）。

第二步：上传后，立即在提问中注明引用要求。举个例子：“基于附件《XX产品2024Q3用户调研报告》第17页表格，列出TOP3投诉原因，并标注每项对应的原始百分比数值。”

第三步：避免上传模糊图片或手机拍摄的歪斜文档。IMA的OCR识别对倾斜超过5°的文本，错误率高达37%。【务必先用手机扫描软件（如Adobe Scan）校正后再上传】。

再调提示词：堵住笼统漏洞

方法一：角色+硬约束+动作锚点

“你是一位刚完成XX产品线用户访谈的体验设计师，正在向CEO汇报核心问题。请从附件《访谈录音转录稿》中提取3条原话（必须带说话人ID和时间戳，如‘P07-14:22’），每条后用括号注明该句话暴露的底层需求（例：‘这按钮太小了’→手部震颤老人操作障碍）。”

方法二：示例驱动式结构

【示例】“用户说‘每次登录都要输验证码’→不是抱怨流程长，是发现验证码字体小于12pt且无语音替代，违反WCAG 2.1 AA标准。”

【你的任务】“请用同样逻辑分析附件《客服工单汇总》中‘加载失败’类投诉，定位到具体技术环节（如CDN缓存过期/SSL证书吊销/本地DNS污染），并给出可验证的排查命令（如curl -v https://api.xx.com）。”

注意：示例必须来自你真实处理过的案例，因为IMA会抓取“WCAG 2.1 AA”这类不可伪造的专业术语作为判断依据。

最后做验证：用反事实指令逼出依据

当IMA给出结论性语句时，立即追加提问：“请指出该结论对应附件中的哪段原文？若无直接依据，请声明‘此为推理结果’并列出推理链中的三个假设。”

这一步能强制暴露信息断层。例如它说“用户偏好深色模式”，但附件里只有2份问卷提到“眼睛累”，其余均为中性描述——此时它必须承认“偏好”属于过度推断。

还有一个关键动作：关闭“自动联网搜索”开关。IMA默认启用该功能，但公开网页数据未经校验，常把营销软文当作权威信源。手动关闭后，它只能依赖你上传的资料作答。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：腾讯ima回答不准确？资料补充与提示词优化方法要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题