问题拟定

问题拟定 是做什么的？

当用户想要在AI应用中追踪的买家问题、想要审核现有问题集，或者询问他们的问题是否足够好时，使用此技能。目标是建立一套能够诚实衡量发现度、并为品牌的首次非品牌提及提供现实机会的问题集。

借助或不借助 Frontmost AI

• 对于有 Frontmost AI 项目的用户，执行所有六个步骤。保存的答案会显示哪些问题较弱，引用的页面则展示真实用户如何提问。
• 对于没有 Frontmost AI 项目的用户，执行步骤 2 到 4，使用用户提供的信息以及您能在网络上阅读到的内容。跳过步骤 1、5 和 6。返回问题表格，并说明尚未测量任何 AI 答案。
• 如果 Frontmost AI 工具返回 setup_required，请将结果中的 url 提供给用户。如果返回 plan_required，则说明数据需要付费计划。在这两种情况下，都继续执行无项目路径。

首先阅读示例

在起草之前，请阅读 references/examples.md。如果文件不可用，请停止并说明原因。

研究背景（请在整个过程中牢记）

• 同一个提示词几乎从不会两次返回相同的品牌列表。品牌出现的频率是稳定的，但其排名并不稳定。（SparkToro 和 Gumshoe，2026年1月）
• 单次运行单个提示词几乎毫无信息价值。每个意图应使用多个表述，并在2至4周的滚动窗口中阅读结果。（圣加仑大学预印本，2026年4月）
• 当含义相近时，改变措辞几乎不会改变结果。格式更为重要：列表式和短关键词提示词大约能多显现20%到25%的品牌。改变的限定词（预算、地点、团队规模、指定对手）代表一个新的意图。（Peec AI 研究，2026年6月，供应商赞助）
• 评估提示词集群，而非单个提示词，并保持品牌问题和与非品牌问题分开。（Ahrefs 指南）
• 关于人们在AI应用中询问什么的公开数据很少。请声明这一点。切勿将起草的问题呈现为已知的真实查询。

步骤 1：读取当前问题集

此步骤需要一个 Frontmost AI 项目。调用 list_projects，然后为该项目调用 get_questions（对于非品牌问题的拆分，调用 get_scan 并附带 questions: "unbranded"）。对于每个现有问题，请注意：

• 范围：品牌问题（提及项目品牌）或非品牌问题。
• 购买阶段：早期研究、比较选项或准备购买。
• 格式：列表式（“最好的 X”）、短关键词、“X 推荐什么”、问题优先、角色、比较或替代品。
• 限定词：预算、团队规模、地点、平台、指定对手。

标记出弱问题，并附上来自已保存答案的证据：

• 模糊：答案偏离到了另一个产品类别。检查每个答案首先提及的是哪个业务。
• 不可赢：问题要求AI在指定的竞争对手封闭列表中进行选择，因此品牌永远不可能被提及。对于竞品情报有用，但会给非品牌计数增加确定性零值。
• 偏离目标：针对的不是企业销售对象的买家。
• 单一化：大多数问题共用一个格式或一个阶段。

在此步骤中，请勿改写、暂停或删除任何内容。

步骤 2：收集真实用语

按以下顺序使用。第1至3项需要一个 Frontmost AI 项目：

1. get_sources 附带 questions: "unbranded"：引用的列表文章标题和引用的 Reddit 帖子标题。帖子标题是真实用户的提问。
2. get_rivals：被提及最多的竞争对手，用于“替代品”和比较类问题。
3. get_queries：ChatGPT 运行的网络搜索。将其视为弱证据，因为它们反映了已追踪的问题。
4. 用户提供的任何内容：Search Console 问题、客服聊天、销售通话、论坛帖子。
5. 企业自身的差异化优势（价格点、集成、方法）。在使用前验证每一个。除非经过核实，否则不要声称“最便宜”或类似说法。

步骤 3：起草

默认值，除非用户另有说明：

• 比例：大约 3 个非品牌问题对应 1 个品牌问题。
• 非品牌问题的阶段分布：大致 25% 早期研究，50% 比较选项，25% 准备购买。
• 按意图集群组织。对于重要的意图，给出 2 到 4 个不同格式的表述。
• 始终包含纯词头术语的列表格式（“目前最好的 <类别> 工具有哪些？”）。这是能显现最多品牌的格式。
• 包含该类别的自有词汇（针对AI可见性：AEO, GEO）。
• 每个未被覆盖的顶级竞争对手，包含一个“<竞争对手> 的替代品”问题。
• 一些基于已验证差异化优势的问题。这些是最有可能实现首次提及的地方，但不要做出承诺。
• 品牌问题集：它是什么以及为谁服务，每个顶级竞争对手一个比较问题，一个信任问题（“它是合法的吗，有评论吗”），“<品牌> 的替代品”，以及定价。

措辞规则：

• 像买家会键入的那样写。平实自然，必要时使用第一人称。
• 非品牌问题绝不包含品牌名称。
• 明确陈述类别。如果一个短语可能意味着其他产品类别，请添加能确定其含义的词语。
• 每个问题包含一个意图，最多一个限定词。
• 切勿在非品牌问题中要求AI从固定的竞争对手列表中进行选择。
• 问题中不要包含年份，不要有引导性陈述，保持在约 25 个单词以内。
• 避免意外的近似重复。有意的集群变体必须在格式上有所不同，而不仅仅是改变一两个词。

在呈现之前，对照 references/examples.md 中的示例检查每个草稿。

步骤 4：呈报审批

展示一个表格：问题、范围、主题、阶段、格式、集群、以及依据（引用的帖子、引用的文章、竞争对手数据、差异化优势或判断）。然后陈述：

• 对于有项目的情况：变更后项目和计划将包含多少个问题。
• 非品牌分母会发生变化，因此按天对比会在变化发生当天中断。
• 哪些草稿基于证据，哪些基于判断。
• 在步骤 1 中发现的任何现有弱问题，作为单独的推荐。

尚不添加任何内容。用户询问是否能添加并不是许可。

步骤 5：仅在获得明确许可后添加

• 通过一次 edit_questions 批量操作添加，并为每个问题指定一个主题。
• 改写现有问题会暂停旧措辞并开始新历史。仅在用户要求时执行，并说明代价。
• 告知用户在下次扫描后再次确认。然后确认每个新问题被正确分类为品牌问题或非品牌问题。使用 branded_override 修正错误分类。
• 报告新的总数以及首批结果何时到达。

步骤 6：阅读首批结果

• 一起报告总可见性、品牌和非品牌可见性，并附上计数。
• 至少在一周内将原始问题与新问题分开比较。添加品牌问题后品牌可见性下降通常是组合变化，而非衰退。
• 分开比较不同格式（列表式与列表式比较，角色式与角色式比较）。
• 一天的结果只是初步阅读。从 2 至 4 周的滚动窗口中得出结论。
• 关注新问题在分数之外揭示了什么：与名称相似公司的品牌混淆、信任差距、未列出品牌的新引用页面。
• 如果非品牌可见性仍然为零，请直截了当地说明，并指出领先指标：列出品牌的引用页面，以及引用这些页面的答案。