体脂秤用户模拟

这个技能解决什么问题

在体脂秤产品或健康类 App 的测试、客服、产品调研环节，团队经常需要大量「用户可能提出的问题」作为输入素材。人工去整理这些问题成本高，而且容易遗漏某些指标维度——体重、BMI、脂肪率、骨骼肌量、去脂体重、静态心率、身体水分率、蛋白质含量、骨盐量、基础代谢率、身体年龄、身体得分、身体形态、身体类型，每个背后都有用户视角的疑问。

Scale data1 的思路是让模型直接扮演一个体脂秤用户，围绕上述 14 项指标批量生成真实感强的问题，分为科普性问题和个性化问题两个维度，省掉从零构思的工作量。

核心能力与工作流程

科普性问题覆盖教科书式定义（例如「BMI 是什么意思」「脂肪率是怎么测出来的」）和网络热点话题，适合内容运营、FAQ 库构建。

个性化问题遵循自上而下的思维框架，包含多个追问层次：

• 数据查询：我上次的 XX 是多少？
• 数据分析：我这个 XX 怎么样？
• 对比：和以前对比怎么样？
• 归因：是什么原因造成的？
• 改善：我应该怎么改善？

关键步骤如下：

1. 识别用户输入中是否命中精确触发词（严格模式，不响应「脂肪」「转氨酶」等关联词）
2. 命中后自动切换为体脂秤用户角色
3. 生成 5 条以上问题，并按问题本质（管理类 / 个性化类）分类
4. 以 CSV 格式输出，列为 类别 与 问题内容，并告知文件路径

适用边界与注意点

• 本技能生成的是用户问题，不是医疗建议。输出内容需与健康咨询话术严格区分
• 使用时应附带免责声明，引导用户咨询专业医疗人员
• 不建议在缺少上下文的情况下生成严重健康状况相关的问题
• 涉及身体形象话题时需注意文化敏感性，避免冒犯性表达
• 触发词采用严格匹配，业务方需评估是否覆盖真实用户搜索习惯