---
name: workshop-session-4-deep
description: VOC虾工作坊 Session 4 — 深度VOC+社媒洞察+用户画像 + Side Quests
version: 3.0.0
session: 4
prevSession: workshop-session-3-voc.md
nextSession: workshop-session-5-report.md
---

# Session 4：深度VOC + 社媒洞察 + 用户画像（Day2上午）

> **前置依赖：必须先加载 `workshop-global-rules.md`**
>
> **对应工作坊环节**：Day2 09:00-12:00「教虾看社媒·画用户」
> **目标**：基于昨晚采集的评论做深度分析（痛点/亮点/功能/场景），同时扫描社媒渠道，生成用户画像
> **关键点**：这是经过一晚消化后的深度工作，养虾人带着昨晚的校准意见来审阅深度结果

## 前置检查
- 🛑 **GATE CHECK**: 检查 `workshop-progress.json` 中 `session-3.status`。如果为 `awaitingCalibration` 或 `exploring`，**禁止开始 Session 4**，必须先等待用户完成 Session 3 的校准和探索。
- ✅ `stage-3-output.json` 存在（含reviewCorpus原始数据）
- ✅ `calibration-notes.json` 中 session3 校准意见已记录
- ✅ 读取 `calibration-notes.sessions.session-3.forwardActions` → **这是最关键的前向传递**
- ✅ 读取 `stage-3-output._anomalies` → 需要在深度分析中验证的异常

## Side Quest 触发条件速查（主线执行时参考）

> Agent 在执行主线分析时，**必须同时对照此表检测触发信号**，发现匹配时写入 `_sideQuestTriggers`。

| questId | 名称 | 触发信号（满足任一即触发） |
|---------|------|-------------------------|
| `tiktok-expedition` | 📱 TikTok远征 | ① TikTok品类VOC返回相关视频数 >100 ② 发现品类相关话题标签累计播放量 >10M ③ 竞品在TikTok有明显内容营销布局 |
| `instagram-recon` | 📸 Instagram侦察 | ① 品牌或竞品在Instagram有 >1000 粉丝的官方账号 ② 品类相关UGC帖子数量 >500 ③ 发现KOL合作机会（品类KOL粉丝量 >50K） |
| `douyin-patrol` | 🎵 抖音巡逻 | ① 品类关键词在抖音搜索有结果 ② 发现品类相关带货达人 ③ 用户在校准中提到国内社媒布局需求 |
| `persona-workshop` | 👤 画像工坊 | ① 自动生成的画像 >3 个且差异度大 ② 用户对某个画像表示"这很像我的客户" ③ 画像间存在矛盾的购买行为模式 |
| `trend-radar` | 🔥 趋势雷达 | ① Amazon评论趋势与社媒热度出现背离（如Amazon差评增加但社媒口碑良好） ② 某关键词在社媒和Amazon同时爆发 ③ 跨平台数据中发现新兴使用场景 |

## 校准前向传递（Session 3→4 核心机制）
读取 session-3 校准中的三个标记列表，直接影响本阶段分析：

| session-3 标记 | session-4 调整 |
|---------------|---------------|
| `knownPainPointsToDeprioritize` | 痛点分析时降低这些项的权重，不作为"新发现"展示 |
| `newDiscoveriesToHighlight` | 痛点/亮点分析时提高这些项的权重，重点深挖 |
| `misjudgedItemsToRemove` | 从分析中移除或标注"用户不认同" |

同时检查 stage-1 + stage-2 的 `_anomalies`，在深度分析中验证：
- stage-1 的品类异常 → 评论中是否有佐证？
- stage-2 的竞品弱点 → 竞品评论中是否验证了这些弱点？

## 模块说明
本阶段包含三个模块，按顺序执行：
- 🔴 **深度VOC分析**（必做）：痛点挖掘 + 亮点提取 + 功能满足度 + 场景识别
- 🔵 **社媒扫描**（增强，失败不阻塞）：TikTok + Instagram + 抖音 + BSR追踪
- 🟢 **用户画像**（必做）：综合电商评论 + 社媒数据生成3-5个画像

## 对话开场

```
虾：📊 阶段四：深度VOC分析 + 社媒洞察 + 用户画像
━━━━━━━━━━━━━━━━━━━━

{{#if session3CalibrationApplied}}
📝 昨晚你的校准意见我已经消化了：
{{#each session3CalibrationApplied}}
• {{this}}
{{/each}}
今天的深度分析会基于你的反馈做调整。

{{/if}}
昨晚我们采集了 {{totalReviews}} 条评论，今天我要深挖这些数据：

Part 1 - 深度VOC分析：
  ⚡ 痛点深度挖掘（显性+隐性+权重排行）
  ✨ 亮点提取 + Listing卖点建议
  📈 功能满足度四象限看板
  🎯 使用场景识别（高频/失败/新兴）

Part 2 - 社媒扫描：
  📱 TikTok/Instagram/抖音 品类声音

Part 3 - 用户画像：
  👤 综合以上所有数据生成3-5个核心用户画像

预计需要8-10分钟，这是整个工作坊最深入的分析。开始！
```

## 技能调用序列

```
=== Part 1: 深度VOC分析（基于stage-3评论数据）===

Step 4.1: review-pain-point-extraction(
  reviews = stage-3-output.reviewCorpus,
  brandName = brand-context.brandName,
  competitorAsins = stage-2-output.competitorAsins
)
→ 输出: painPointRaw (显性+隐性痛点)

Step 4.2: review-highlight-extraction(
  reviews = stage-3-output.reviewCorpus,
  brandName = brand-context.brandName
)
→ 输出: highlightRaw (亮点+卖点建议)

Step 4.3: [数据合成] 使用 Prompt 3B "pain-point-insight-synthesis"
  输入: Step4.1痛点结果 + 负面评论细节 + calibration-notes.session3校准
  → 输出: painPointInsight (v2结构: 显性+隐性+权重+关联)

Step 4.4: [Agent合成] 使用 Prompt 3C "feature-satisfaction-synthesis"
  输入: stage-3情感结果 + Step4.1痛点 + Step4.2亮点 + 原始评论
  无底层API，Agent直接从评论文本中提取功能维度并计算
  → 输出: featureSatisfaction (v2结构: 四象限+缺口+对立)

Step 4.5: [Agent合成] 使用 Prompt 3D "scenario-dashboard-synthesis"
  输入: 所有前述分析结果 + 原始评论 + stage-3关键词云
  无底层API，Agent直接从评论文本中识别场景
  → 输出: scenarioDashboard (v2结构: 高频+失败+新兴)

=== Part 2: 社媒扫描（增强模块，失败不阻塞）===

Step 4.6: tiktok-category-voc(keyword = categoryKeywords[0])
Step 4.7: tiktok-brand-voc(brandName = brandName, competitors = competitorNames)
Step 4.8: instagram-brand-voc(brandName = brandName, competitors = competitorNames)
Step 4.9 (实验性): douyin-general-search(keyword = douyinKeywords[0])

Step 4.10: social-trend-analysis(
  tiktokData = step4.6~4.7 output || null,
  instagramData = step4.8 output || null,
  douyinData = step4.9 output || null,
  reviewData = stage-3-output
)

Step 4.11: competitor-bsr-tracking(
  competitorAsins = stage-2-output.competitorAsins,
  domain = brand-context.amazonDomain
)

=== Part 3: 用户画像 ===

Step 4.12: user-persona(
  reviewKeywordCloud = stage-3-output.keywordCloud,
  reviewPainPoints = step4.3.painPointInsight,
  reviewHighlights = step4.2.highlightRaw,
  featureSatisfaction = step4.4.featureSatisfaction,
  socialTrendAnalysis = step4.10 output || null,
  categoryKeyword = brand-context.categoryKeywords[0]
)
→ 输出: 3-5个用户画像

Step 4.13: 将以上所有输出写入 memory/stage-4-output.json
```

## 社媒失败处理

```
虾：⚠️ 社媒数据采集部分接口暂时不可用，但不影响核心分析。
我会基于Amazon评论数据 + 已有分析结果来生成用户画像。
社媒洞察部分后续接口恢复后可以补充。
```

## 结果展示 — Part 1: 痛点深度洞察

> **展示规则：以下所有 Part 都是必须展示的，不可省略。痛点必须含权重排行表和竞品对比。**

```
━━━━━━━━━━━━━━━━━━━━
⚡ 痛点深度洞察
━━━━━━━━━━━━━━━━━━━━

📊 概览
• 识别痛点：{{totalPainPoints}} 个
• 🔴 严重/危机级：{{criticalCount}} 个
• 🟠 高优先级：{{highCount}} 个
• 💎 竞品未解决（差异化机会）：{{topUnsolvedByCompetitors}} 个
• 平均权重分：{{avgWeightScore}}/100

📋 痛点权重排行榜（全部痛点 Top 10）
| # | 痛点 | 类型 | 严重度 | 权重分 | 频次 | 影响用户 | 竞品解决? | 差异化? |
|---|------|------|--------|--------|------|---------|----------|---------|
{{#each weightAnalysis}}
| {{@index+1}} | {{name}} | {{type}} | {{severity}} | {{weight}}/100 | {{frequency}} | {{affectedUserRate}}% | {{competitorSolved}} | {{differentiationOpportunity}} |
{{/each}}

🗣️ 显性痛点详解（用户直接投诉）Top 5
{{#each explicit}}
┌ {{@index+1}}. {{name}} [🔴{{severity}}] 权重 {{weight}}/100
│ 📊 频次：{{frequency}}次 | 影响用户：{{affectedUserRate}}%
│ 💬 代表性原文：
│   "{{representativeQuote1}}"
│   "{{representativeQuote2}}"
│ 🏢 竞品状态：
{{#each competitorComparison}}
│   • {{competitor}}: {{status}} — {{detail}}
{{/each}}
│ 🔧 改进建议：{{suggestedFix}}
│ 💰 修复优先级：{{fixPriority}} | 预计影响：{{estimatedImpact}}
│ 🔗 关联场景：{{relatedScenarios}}
└ 🏷️ 关键词：{{keywords}}
{{/each}}

🔍 隐性痛点详解（行为信号推断）Top 3
{{#each implicit}}
┌ {{@index+1}}. {{name}} [🟠{{severity}}]
│ 📊 推断依据：{{inferenceMethod}}
│ 💬 信号原文：
│   "{{representativeReview1}}"
│   "{{representativeReview2}}"
│ 影响用户：{{affectedUserRate}}%
│ 🔧 建议：{{suggestedFix}}
│ 💰 如果解决，预计提升评分 +{{ratingImpactEstimate}}
└
{{/each}}

🔗 痛点关联图谱
| 痛点A | 痛点B | 关联强度 | 说明 |
|-------|-------|---------|------|
{{#each correlations}}
| {{painPointA}} | {{painPointB}} | {{strength}} | {{explanation}} |
{{/each}}
```

## 结果展示 — Part 1b: 亮点提取 + Listing卖点建议

```
━━━━━━━━━━━━━━━━━━━━
✨ 亮点洞察 + Listing卖点植入方案
━━━━━━━━━━━━━━━━━━━━

📊 概览
• 识别亮点：{{totalHighlights}} 个
• Top 关键词：{{topHighlightKeywords}}

✨ 亮点排行 Top 5 + 卖点植入建议
{{#each highlights}}
┌ {{@index+1}}. {{highlightText}} — {{reviewCount}}次提及 | 情感强度 {{sentimentIntensity}}/5
│ 💬 代表性好评："{{representativeQuote}}"
│ 📝 Listing植入建议：
│   • 标题建议：{{titleSuggestion}}
│   • Bullet建议：{{bulletSuggestion}}
│   • A+建议：{{aPlusSuggestion}}
│ 🏢 竞品对比：{{competitorMention}}
└
{{/each}}

📋 亮点 vs 痛点矩阵：
| 维度 | 亮点提及 | 痛点提及 | 净情感 | 建议 |
|------|---------|---------|--------|------|
{{#each dimensionBalance}}
| {{dimension}} | {{positiveCount}} | {{negativeCount}} | {{netSentiment}} | {{recommendation}} |
{{/each}}
```

## 结果展示 — Part 2a: 功能满足度 + 场景

```
━━━━━━━━━━━━━━━━━━━━
📈 功能满足度看板
━━━━━━━━━━━━━━━━━━━━

🎯 四象限矩阵
┌─────────────────┬─────────────────┐
│  💎 锦上添花     │  ⭐ 核心优势     │
│  {{niceToHave}}  │  {{coreAdvantage}}│
│─────────────────┼─────────────────│
│  ⬇ 低优先级     │  ⚠ 关键缺口     │
│  {{lowPriority}} │  {{criticalGap}} │
└─────────────────┴─────────────────┘

📋 核心功能表现
| 功能 | 满足率 | 重要度 | 趋势 | 缺口 |
|------|--------|--------|------|------|
{{#each corePerformance}}
| {{feature}} | {{satisfactionRate}}% | {{importanceScore}} | {{trend}} | {{gap}}pt |
{{/each}}

━━━━━━━━━━━━━━━━━━━━
🎯 使用场景看板
━━━━━━━━━━━━━━━━━━━━

 高频使用场景
{{#each highFrequency}}
🏆 {{name}} — 用户占比 {{userRate}}%
   满足度：{{satisfactionRate}}% | 关联痛点：{{painPoints}}
{{/each}}

🚨 失败场景（产品翻车场景）
{{#each failure}}
⚠️ {{name}} — 退货相关性 {{returnCorrelation}}%
   典型描述："{{representativeQuote}}"
   修复建议：{{fixSuggestion}}
{{/each}}

🌱 新兴场景（潜在机会）
{{#each emerging}}
💡 {{name}} — 增长趋势 {{growthRate}}% | 用户数 {{userCount}}
   机会分析：{{opportunityAnalysis}}
{{/each}}

📊 场景 × 功能缺口矩阵：
| 场景 | 缺失功能 | 用户影响 | 修复复杂度 | 优先级 |
|------|---------|---------|-----------|--------|
{{#each scenarioFeatureGaps}}
| {{scenario}} | {{missingFeature}} | {{userImpact}} | {{fixComplexity}} | {{priority}} |
{{/each}}
```

## 结果展示 — Part 2b: 社媒洞察（如可用）

> **展示规则：如果社媒数据采集成功，必须展示以下内容。如果接口失败，展示失败提示并跳过。**

```
━━━━━━━━━━━━━━━━━━━━
📱 社媒洞察
━━━━━━━━━━━━━━━━━━━━

📊 跨平台热度对比：
| 平台 | 数据状态 | 品类热度 | 品牌提及 | 情感倾向 | 关键话题 |
|------|---------|---------|---------|---------|---------|
| TikTok | {{tiktokStatus}} | {{tiktokCategoryHeat}} | {{tiktokBrandMentions}} | {{tiktokSentiment}} | {{tiktokTopics}} |
| Instagram | {{igStatus}} | {{igCategoryHeat}} | {{igBrandMentions}} | {{igSentiment}} | {{igTopics}} |
| 抖音 | {{douyinStatus}} | {{douyinCategoryHeat}} | {{douyinBrandMentions}} | {{douyinSentiment}} | {{douyinTopics}} |

📈 社媒趋势关键词：
{{#each contentThemes}}
• "{{theme}}" — 热度 {{heat}} | 增长 {{growth}} | 品牌相关度 {{brandRelevance}}
{{/each}}

🔍 Amazon评论 vs 社媒情感差异：
{{#each amazonVsSocialSentimentGap}}
• {{dimension}}: Amazon {{amazonSentiment}} vs 社媒 {{socialSentiment}} — {{gap}}
{{/each}}

💡 社媒发现的未被满足需求：
{{#each unmetNeedsFromSocial}}
• {{need}} — 来源: {{source}} | 品牌机会: {{opportunity}}
{{/each}}

📢 内容营销角度建议：
{{#each contentMarketingAngles}}
• {{angle}} — 适用平台: {{platforms}} | 预期效果: {{expectedImpact}}
{{/each}}

📊 竞品BSR追踪：
| 竞品 | 当前BSR | 30天变化 | 趋势 | 月销量估算 | 风险/机会 |
|------|---------|---------|------|----------|----------|
{{#each competitorBsr}}
| {{brand}} | #{{currentBsr}} | {{change30d}} | {{trend}} | {{estMonthlySales}} | {{riskOpportunity}} |
{{/each}}
```

## 结果展示 — Part 3: 用户画像

> **展示规则：每个画像必须包含完整档案卡，包括人口统计、购买行为、决策因素、营销建议。最少展示3个画像。**

```
━━━━━━━━━━━━━━━━━━━━
👤 核心用户画像
━━━━━━━━━━━━━━━━━━━━

📊 画像概览：
• 共识别 {{personaCount}} 个核心画像
• 主要画像（占比最高）：「{{primaryPersona}}」
• 画像覆盖率：{{coverageRate}}%（能解释多少评论行为）

{{#each personas}}
┌─────────────────────────────────────────
│ 👤 画像{{@index+1}}: 「{{label}}」 — 占比约 {{estimatedShare}}%
│━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
│
│ 📋 人口统计：
│   • 典型年龄：{{ageRange}} | 性别倾向：{{gender}}
│   • 收入水平：{{incomeLevel}} | 地域分布：{{geography}}
│   • 购物经验：{{shoppingExperience}}
│
│ 🎯 核心需求 & 动机：
│   {{#each needs}}
│   • {{this}}
│   {{/each}}
│
│ 💡 决策因素（按优先级）：
│   {{#each decisionFactors}}
│   {{@index+1}}. {{this}}
│   {{/each}}
│
│ 🏠 使用场景：
│   {{#each scenarios}}
│   • {{this}}
│   {{/each}}
│
│ ⚡ 主要痛点：
│   {{#each painPoints}}
│   • {{this}}
│   {{/each}}
│
│ ✨ 最看重的卖点：
│   {{#each valuedFeatures}}
│   • {{this}}
│   {{/each}}
│
│ 🛒 购买行为：
│   • 价格敏感度：{{priceSensitivity}}
│   • 评论依赖度：{{reviewDependency}}
│   • 品牌忠诚度：{{brandLoyalty}}
│   • 复购率估算：{{repurchaseRate}}
│
│ 📢 营销建议：
│   • 触达渠道：{{reachChannels}}
│   • 关键信息：{{keyMessage}}
│   • 内容角度：{{contentAngle}}
│
│ 💬 代表性评论：
│   "{{representativeReview}}"
└─────────────────────────────────────────
{{/each}}

🔗 画像重叠分析：
{{#each personaOverlap}}
• {{persona1}} ↔ {{persona2}}: 重叠度 {{overlapRate}}% — {{implication}}
{{/each}}

💰 画像价值排序：
| 画像 | 占比 | 客单价 | 复购率 | 生命周期价值 | 优先级 |
|------|------|--------|--------|------------|--------|
{{#each marketSizeByPersona}}
| {{label}} | {{share}}% | ${{avgOrderValue}} | {{repurchaseRate}}% | ${{ltv}} | {{priority}} |
{{/each}}
```

## 校准环节（必做 — 深度分析校准）

> **对应工作坊环节**：Day2 11:10-11:50 各维度校准

```
虾：以上是深度分析的全部结果！老板帮虾逐一校准：

⚡ 痛点洞察：
1️⃣ 哪些痛点你已经知道了？（标记"已知"）
2️⃣ 有没有让你意外的新发现？（标记"新发现"）
3️⃣ 有没有虾判断错误的？（标记"误判"）

📈 功能满足度：
4️⃣ 四象限的功能分类合理吗？有功能放错象限了吗？

🎯 使用场景：
5️⃣ 高频场景排名对不对？有虾没发现的重要场景吗？
6️⃣ 失败场景的严重程度判断准确吗？

👤 用户画像：
7️⃣ 这些画像和你的真实客户像吗？哪些是核心客群？

这个校准非常重要——直接决定最终报告的行动建议质量！
```

## 校准记录
将用户反馈记录到 `memory/calibration-notes.json`:
```json
{
  "session4": {
    "timestamp": "...",
    "painPoints": {
      "userMarkedKnown": [],
      "userMarkedNewDiscovery": [],
      "userMarkedMisjudged": [],
      "corrections": []
    },
    "featureSatisfaction": { "quadrantCorrections": [], "missingFeatures": [] },
    "scenarioDashboard": { "missingScenarios": [], "severityCorrections": [] },
    "userPersona": { "confirmedPersonas": [], "corrections": [], "missingSegments": [] }
  }
}
```

## 阶段交付
存入 `stage-4-output.json`（含 `_goalAlignment` + `_anomalies` + `_contextFromPreviousStages` + `_sideQuestTriggers`）
记录校准到 calibration-notes → 填写 `forwardActions`（特别是 `proposalEmphasis`、`proposalDeemphasis`、`userDefinedPriority`）→ 更新 `_forwardPassSummary`

**stage-4-output.json 包含：**
- `painPointInsight` — 痛点深度洞察（显性+隐性+权重+关联）
- `highlightInsight` — 亮点提取 + Listing卖点建议
- `featureSatisfaction` — 功能满足度四象限
- `scenarioDashboard` — 使用场景看板
- `socialTrend` — 社媒趋势（如可用）
- `competitorBsr` — 竞品BSR追踪
- `userPersona` — 3-5个用户画像
- `_goalAlignment` — 目标对齐（最终报告方向）
- `_anomalies` — 全流程异常汇总

## 目标回扣（必做）
```
虾：🎯 回到你最初的问题：「{{workshopGoal}}」
经过4个阶段的全面分析，虾现在可以给出比较完整的回答了：
• {{goalAlignmentInsight}}
{{#if crossStageAnomalies}}

🔍 虾还发现了一些意外的点：
{{#each crossStageAnomalies}}
• {{this}}
{{/each}}
{{/if}}

最终报告会把这些都整合成可落地的行动计划。
```

```
虾：✅ 阶段四主线完成！这是整个工作坊信息量最大的一个阶段。

📦 已产出交付物：
• ⚡《痛点深度洞察》— {{criticalCount}}个严重痛点 + 权重排行
• ✨《卖点植入方案》— 亮点→标题/bullet/A+建议
• 📈《功能满足度看板》— 四象限矩阵 + {{gapCount}}个功能缺口
• 🎯《使用场景看板》— {{scenarioCount}}个场景 + 失败场景预警
• 📱《社媒趋势报告》— 跨平台热度 + 行动清单
• 📊《竞品BSR追踪》— 增长路径 + 风险预警
• 👤《用户画像手册》— {{personaCount}}个画像 + 购买行为

所有数据已存入记忆。
```

**🛑 SESSION GATE: 此处 HARD STOP。Agent 必须停止并等待用户回复校准意见。禁止自动进入 Side Quest 菜单或 Session 5。**
**更新 workshop-progress.json: session-4.status = "awaitingCalibration"**

---

## Side Quest 发现（主线分析中自动标记）

Agent 在执行主线分析时，根据数据发现标记 Side Quest 触发器。以下为各 Side Quest 的典型触发条件：

### 📱 TikTok远征 (tiktok-expedition)
```
技能调用：tiktok-video-search → tiktok-hashtag-detail → tiktok-hashtag-videos → tiktok-user-posts
关键输出：话题热度地图(hashtag+播放量+趋势) | 爆款视频Top5(标题+播放+创作者) | 值得关注创作者(粉丝+合作价值) | TikTok营销建议(内容方向+KOL+话题策略)
轻量校准：这些TikTok发现对你有启发吗？
```

### 📸 Instagram侦察 (instagram-recon)
```
技能调用：instagram-search → instagram-user-info → instagram-user-posts
关键输出：品牌声量对比表(账号+粉丝+互动+内容类型) | UGC分析(数量+类型+情感) | Instagram营销建议(内容策略+UGC激励+KOL优先级)
轻量校准：Instagram上的品牌表现符合预期吗？
```

### 🎵 抖音巡逻 (douyin-patrol)
```
技能调用：douyin-general-search → douyin-hashtag-search → douyin-video-comments
关键输出：品类内容生态概览(播放量+达人数+带货占比) | 热门内容Top5(标题+播放+评论热词) | 评论区真实声音(洞察+频率) | 抖音策略建议
轻量校准：抖音上的发现有参考价值吗？
```

### 👤 画像工坊 (persona-workshop)
```
技能调用：user-persona(mode = "interactive-refine", existingPersona = 主线初始画像)
关键输出：细化画像卡片(基础属性+购买行为+痛点需求+典型评论原文) | 针对该画像的营销建议
轻量校准：这个画像像你认识的客户吗？需要调整什么？
```

### 🔥 趋势雷达 (trend-radar)
```
技能调用：social-trend-analysis(mode = "cross-platform-validation") → keyword-search-trend(12月)
关键输出：跨平台趋势矩阵(Amazon×TikTok×Instagram×抖音+确信度) | 已验证强趋势(名称+行动窗口) | 新兴趋势(早期信号+监测建议) | 趋势驱动行动建议
轻量校准：这些趋势信号和你的市场感知一致吗？
```

---

## 校准后进入探索模式

**当用户回复校准意见后，Agent 执行以下流程：**

1. 记录校准到 `calibration-notes.json`
2. 更新 `workshop-progress.json`: session-4.status = "exploring"
3. 将所有 `discovered` 的 Side Quest 状态改为 `available`
4. 按照全局规则 SQ2 展示 Side Quest 菜单

```
虾：校准意见已记录！

🗺️ 这一阶段的分析触发了最多的探索机会——社媒、画像、趋势，每一条都值得深入：

┌─────────────────────────────────────────────┐
│  🎮 Side Quest 支线任务                      │
├─────────────────────────────────────────────┤
{{#each availableSideQuests}}
│  {{emoji}} {{name}}                          │
│  📍 {{trigger}}                              │
│  ⏱️ 预计 {{estimatedTime}}                   │
│                                              │
{{/each}}
├─────────────────────────────────────────────┤
│  ⏭️ 说"继续"直接进入最终阶段：报告生成          │
│  💾 说"暂停"保存进度下次再探索                   │
└─────────────────────────────────────────────┘

你对哪条线索感兴趣？选一个深入探索，或者直接继续主线。
虾建议：这是最后的探索机会了！如果对某个社媒平台好奇，强烈建议现在深入看看，完成的支线会让最终报告更丰富！
```

**当用户说"继续"时：**
- 将所有 `available` 的 Side Quest 标记为 `skipped`
- 更新 session-4.status = "completed"
- 进入 Session 5