summarize-interview
作者 phurynsummarize-interview 会把客户访谈转写稿整理成结构化的洞察摘要，包含 JTBD、当前解决方案、满意度信号、关键洞察和行动项。可用于访谈录音整理、转写稿清洗，以及面向产品团队、研究人员、创始人或 Data Analysis 工作流的精炼总结。
这个技能得分为 78/100，属于扎实但不算高端的条目：如果你需要结构化的访谈摘要，目录用户可以放心安装，但也要预期它是一个较轻量的技能，生态支持有限。仓库提供了足够的工作流指引，实际触发和使用时比通用提示更少踩坑。
- 适用场景清晰，并给出了面向客户访谈转写稿、发现式访谈和访谈摘要的触发文本。
- 提供了具体的输出模板，覆盖 JTBD、满意度信号、关键洞察和行动项。
- 包含实用说明：先通读完整转写稿，并使用简洁语言，有助于提升 agent 执行效果。
- 没有配套脚本、参考资料或外部资源，因此外部验证和高级自动化指引都比较少。
- 这个技能的范围看起来主要局限于转写摘要，面对非标准访谈格式或不完整转写稿时，可能需要再做适配。
summarize-interview 技能概览
summarize-interview 技能会把原始客户访谈逐字稿整理成结构化的洞察摘要，包含 JTBD、满意度信号、关键洞察和行动项。它最适合产品团队、研究人员、创始人和分析师，用来快速、稳定地把访谈记录或逐字稿转成可直接用于决策的内容。如果你在做产品探索、通话后的归纳总结，或者需要给利益相关者做一版初步回顾，summarize-interview 可以缩短“我们录到了一段内容”和“我们知道它意味着什么”之间的距离。
这个 summarize-interview 技能适合做什么
这个技能的设计目标是一次总结一场访谈，而不是对整个研究项目做主题分析。它的价值在于结构化：能把客户当前的解决方案、痛点、感知价值和后续动作保留在一个比自由发挥式摘要更容易扫读的格式里。
最适合用于探索和笔记整理
当你已经有逐字稿，并且希望得到一份适合产品探索、用户研究或访谈归档的干净输出时，用 summarize-interview 最合适。它尤其适用于团队需要在很多场访谈之间保持统一摘要格式，而不是依赖每个记录者各自的写法。
它的不同之处
这个技能强调 JTBD 语言和简洁表达，这对需要在研究团队之外分享摘要时尤其有用。它还会要求把缺失信息明确标出来，这有助于避免编造细节，也能让信息缺口显性化，而不是悄悄补全。
如何使用 summarize-interview 技能
安装 summarize-interview
安装命令如下：
npx skills add phuryn/pm-skills --skill summarize-interview
这是仓库里使用的 summarize-interview 安装路径。安装后，应把它当作“逐字稿转摘要”的工作流，而不是通用写作助手。
提供正确的输入
summarize-interview 的使用方式需要完整的访谈逐字稿，或者包含逐字稿的附件文件。最好同时提供说话人姓名、时间戳（如果有）以及能说明访谈目标的上下文。像“总结一下这个”这样模糊的提示，通常会得到比“请把这场访谈总结成适合产品探索的摘要，重点关注 JTBD、当前替代方案、痛点和行动项”更弱的结果。
推荐工作流
先阅读 SKILL.md，再查看仓库树中相邻的辅助说明。这个仓库里的 summarize-interview 指南刻意保持精简，所以真正有价值的部分，是先理解模板，再结合自己的数据来源做适配。
一个更实用的工作流是：
- 附上或粘贴完整逐字稿。
- 需要的话说明受众，例如产品、设计或客户成功团队。
- 按照技能模板要求输出摘要。
- 在分享前检查缺失字段和表述不清的地方。
它最适合在哪些场景发挥作用
对于数据分析工作来说，summarize-interview 适合把访谈发现转成结构化产物，便于后续比较、打标签或交给利益相关者审阅。它不是统计工具，也不能替代编码或主题归纳，但它能为分析师提供比原始笔记更一致的起点。
summarize-interview 技能常见问题
summarize-interview 只是一个通用提示词吗？
不是。通用提示词当然也能总结文本，但 summarize-interview 技能更聚焦，也更面向决策。它会把输出往更适合探索分析的字段上引导，比如当前解决方案、问题、满意度和行动项，这样结果对产品团队更有用。
什么时候不该用 summarize-interview？
当你需要跨访谈综合分析、问卷分析，或者一份忽略探索结构的精致会议纪要时，就不适合用它。如果源材料不完整，而你又需要高置信度的事实报告，也不适合；这个技能更适用于逐字稿足够完整、能够支撑结构化摘要的场景。
summarize-interview 适合新手吗？
适合。summarize-interview 技能对新手友好，因为输出模板简单，指令也直接。主要要求是提供完整逐字稿，并避免让它推断那些文本里并不存在的信息。
它适合数据分析工作流吗？
适合，尤其是在分析之前先把访谈数据标准化的时候。用于 Data Analysis 的 summarize-interview，关键在于一致性：使用相同的提示框架和相同质量的逐字稿，这样后续才能直接比较摘要，而不需要返工。
如何改进 summarize-interview 技能
提供更完整的逐字稿和更清楚的上下文
提升质量最大的一步，是保证逐字稿尽可能完整。加入说话人标识、客户角色、产品背景和访谈目标。比如，“请总结这场与工资管理管理员进行的 45 分钟访谈，主题是更换供应商；重点关注痛点、当前替代方案和购买信号”这类指令，通常会比单纯丢一份逐字稿得到更好的输出。
明确告诉它你需要什么样的摘要结构
如果你的团队更关注路线图决策，就直接说明。如果你需要的是研究产物，就要求摘要保留原话、负面体验信号和行动项。summarize-interview 技能在提示词明确告诉它“要强调什么”时表现最好，而不是默认一套模板适用于所有下游用途。
留意常见失败模式
最常见的问题是过度压缩：如果逐字稿含糊或噪声很多，重要细节会被吃掉。另一个问题是过度推断，模型可能会把客户说得比实际更确定。要减少这两类问题，可以要求模型对缺失字段统一用 - 标记，并保持措辞简洁、忠实于逐字稿。
先看第一版，再迭代优化
先用第一版找出缺口，再用第二个提示词只针对这些缺口做修正。比如：“重新运行 summarize-interview 输出，强化行动项，补上最重要痛点的客户原话，并澄清当前解决方案。”这类迭代通常比要求一次性大幅重写更能提升摘要质量。