Runway SWOT分析提示词精选：逻辑训练实战指南

要让Runway生成真正服务于逻辑训练的SWOT分析，核心在于把推理路径直接编码进提示词结构，而非输出看似工整却空洞的四象限结论。要求它暴露思考过程、标注前提假设、标记证据来源层级、强制对比冲突项——而不是直接给出成熟结论。

关键洞察：Runway对动词链的响应远优于名词堆砌。仅输入“市场增长”“用户流失”“新政策”等名词，模型极易套用通用模板。高效做法是使用连续动词序列锁定逻辑动作。

举例来说，提示词开头可以这样写：“识别市场增长→归因于Z世代渗透率提升→交叉验证第三方报告与内部复购数据→排除竞品降价干扰→反向推演若政策收紧将如何重构S矩阵”。这串动作链会迫使模型调用因果推理模块，而不是直接跳到结论。同时，每个动词后面要跟着具体的限定条件，比如“识别【仅基于2025Q3华东区门店客流热力图】→归因【排除抖音投放增量影响】”。限定条件必须包含具体数据源或空间范围，否则Runway会启用模糊泛化逻辑，大幅削弱分析精度，那结果就大打折扣了。

嵌入可验证的证据锚点：强制绑定数据源与引用层级

方法一：在SWOT每一项后面强制追加证据类型标签。比如“优势：供应链响应速度＜48小时【来源：ERP系统工单闭环时间戳】”。这种写法能让AI知道，每个结论都要有据可查。

方法二：用斜杠分隔表层结论与底层依据。比如“威胁：新国标实施【/2026年7月1日强制生效，附GB/T 38891-2025第4.2条原文】”。Runway会把斜杠后的内容解析为引用依据的权重。不加斜杠，或者只写一句“据行业报告”，它很可能会虚构数据源。

制造逻辑冲突：强制模型进行深度拆解

直接在提示词里植入矛盾前提，效果会非常明显。比如说：“假设用户留存率提升12%（A组数据）但NPS下降8分（B组数据），请同步展开：①解释二者并存的机制；②标注哪项指标更可能反映真实趋势；③给出验证该判断的最小实验方案。”

接下来，要求AI标注每条结论的置信区间。比如“机会：下沉市场渗透加速【置信度63%，依据：县域经销商访谈样本量n=17，未覆盖西南三省】”。这能有效避免它给出过于绝对或自信的判断。

关键一步：指定冲突项必须用【→】符号连接。例如“政策利好【→】审批周期缩短→但配套细则未出台→导致落地延迟风险上升”。【→】符号是Runway识别逻辑流向的关键标记，如果用空格或顿号，效果会完全不同。

约束输出结构：暴露推理漏洞与隐含前提

在提示词末尾追加一条硬性格式指令：“输出必须包含：①隐含前提清单（不少于3条）；②被忽略的反例场景（标注发生概率）；③每项结论对应的数据缺口（注明缺失维度）。”

这个指令会强制Runway跳出结论导向模式，转向过程审计模式。如果它的输出漏掉了“隐含前提”这个字段，那几乎可以肯定，它的推理路径中存在尚未声明的假设跳跃。

最后关键操作：在Runway参数面板中将Reasoning Depth设置为【High】。该选项仅在Gen-3 Advanced界面显示，普通版无此参数。若未看到该选项，说明当前界面版本不支持该级别的深度推理。