desirecore · yi-ge · Jul 7, 2026 · Jul 7, 2026
diff --git a/docs/03-use-cases/01-general/01-document-writing.md b/docs/03-use-cases/01-general/01-document-writing.md
@@ -1,20 +1,26 @@
 ---
 title: 文档写作
-description: 使用 AI 文书智能体从大纲到成稿，高效完成项目报告、方案文档等各类写作任务。
+description: 使用 AI 文书智能体整理思路、生成大纲、起草项目报告和方案文档。
 keywords: [文档写作, AI 文书, 报告, 写作助手, 内容创作]
 ---
 
 # 文档写作
 
-## 场景描述
+## 真实工作流
 
-你需要写一份项目报告，但面对空白页面不知从何下手。或者你已经有了思路，但把它组织成一份结构完整、表达专业的文档需要花费大量时间。
+这个场景成立的前提不是“让 AI 凭空写一篇报告”，而是用户已经有一批零散但真实的素材，需要把它整理成可交付文档。
 
-AI 文书（AI Copywriter）智能体可以帮你从零开始：先梳理思路生成大纲，再逐步扩展为完整初稿，最后根据你的反馈精准修改。整个过程就像和一位经验丰富的写作搭档协作。
+| 维度 | 真实情况 |
+|------|----------|
+| 触发点 | 项目复盘、客户汇报、季度总结、方案评审前需要形成正式材料 |
+| 现有材料 | 项目背景、关键数据、会议纪要、群聊结论、已有 PPT 或表格 |
+| 卡点 | 信息分散，结构没定，语气和读者对象不明确，反复改格式耗时 |
+| DesireCore 介入 | AI 文书先整理大纲，再按章节生成初稿；需要数据或图表时可委派数据分析师补充 |
+| 验收结果 | 负责人拿到一份可审阅的文档初稿，再补事实、定结论、调整口吻 |
 
 ## 推荐智能体
 
-**AI 文书** -- 专注于内容创作和文案生成的知识型智能体，擅长品牌文案、营销策划、多风格适配。
+**AI 文书** -- 适合处理报告、方案、公告、营销文案等文本任务，能按你指定的读者、语气和模板生成初稿。
 
 ## 完整对话示例
 
@@ -70,17 +76,25 @@ AI 文书: 已调整为更正式的商务风格，并补充了量化指标...
 
 ## 关键步骤
 
-1. **明确需求** -- 告诉智能体文档类型、目的、读者对象
-2. **生成大纲** -- 智能体根据你的信息生成结构化大纲
-3. **撰写初稿** -- 确认大纲后，逐章节展开为完整内容
-4. **审阅修改** -- 你提出修改意见，智能体精准调整风格、措辞、数据
+1. **确定交付对象** -- 先说明文档要交给谁看：客户、老板、评审会、归档系统，读者不同，结构和语气不同
+2. **整理事实包** -- 把项目范围、交付物、进度、预算、关键数据、遗留问题和经验教训先列出来
+3. **先审结构再写正文** -- 先确认章节是否覆盖背景、完成内容、结果对比、问题和下一步，再逐段展开
+4. **补齐证据链** -- 对每个结论补数据、截图、链接或来源，避免只剩漂亮话
+5. **按用途生成版本** -- 同一份素材可以生成正式报告、汇报摘要、邮件版或归档版
 
 ## 最终成果
 
-一份结构完整、表达专业的项目总结报告，包含量化数据支撑和清晰的逻辑脉络，可以直接用于汇报或存档。
+一份结构完整、重点清楚的文档初稿，包含可追溯的事实依据、章节逻辑和后续可复用的版本。你可以继续让 AI 文书补充数据、改语气、压缩篇幅或改成汇报版。
+
+## 会用到的 DesireCore 能力
+
+- **Super Document**：用 Diff 方式查看 AI 修改，逐条接受、拒绝或继续编辑
+- **自然语言教学**：把报告模板、用词禁忌、行文风格教给 AI 文书，后续复用
+- **多 Agent 协作**：数据、图表、法律条款等内容可以先交给对应智能体处理，再由 AI 文书整合
 
 :::tip 最佳实践
-- 第一次沟通时尽量提供充足的背景信息（数据、时间线、关键人物），智能体生成的内容会更准确
-- 善用"超级文书模式"（Super Document），它能在一个文档中协调多个智能体协作，比如让数据分析师提供图表数据，再由 AI 文书整合成报告
-- 如果对某个段落不满意，直接指出具体问题（如"语气太随意"、"缺少数据支撑"），比笼统地说"改好一点"效果更好
+- 第一次沟通时提供背景信息、数据、时间线和关键人物，少让智能体自行补设定
+- 对某个段落不满意时，直接指出问题，如"语气太随意"、"缺少数据支撑"、"这段不符合事实"
+- 需要图表、数据结论或合同条款时，可以在超级文书模式中让对应智能体先处理，再由 AI 文书整合成报告
+- 项目总结类文档不要只写“做了什么”，还要写范围是否完成、进度/预算偏差、遗留问题和经验教训
 :::
diff --git a/docs/03-use-cases/01-general/02-data-analysis.md b/docs/03-use-cases/01-general/02-data-analysis.md
@@ -1,24 +1,30 @@
 ---
 title: 数据分析
-description: 使用数据分析师智能体快速分析销售数据、用户行为等，获取可视化报表和趋势洞察。
+description: 使用数据分析师智能体清洗表格、计算指标、生成图表并整理分析结论。
 keywords: [数据分析, 报表, 可视化, 趋势预测, 数据分析师]
 ---
 
 # 数据分析
 
-## 场景描述
+## 真实工作流
 
-你手上有一份销售数据表格，老板要求下午之前给出趋势分析和下季度预测。手动整理数据、画图表、写分析结论，至少需要半天时间。
+这个场景通常发生在“已有数据，但还没有解释”的时候。用户不是要一个泛泛的分析，而是要回答一个具体业务问题。
 
-数据分析师（Data Analyst）智能体可以在几分钟内完成这些工作：自动识别数据格式、清洗异常值、生成统计摘要、绘制可视化图表，并给出可操作的分析结论。
+| 维度 | 真实情况 |
+|------|----------|
+| 触发点 | 周会、经营会、异常指标复盘、老板临时追问某个业务波动 |
+| 现有材料 | CSV/Excel 数据、指标口径、目标值、历史对比周期、业务背景说明 |
+| 卡点 | 数据清洗、指标口径、图表选择和异常归因都挤在一起，时间很紧 |
+| DesireCore 介入 | 数据分析师先做数据概览和口径确认，再按问题生成图表、对比和初步解释 |
+| 验收结果 | 用户拿到能支撑讨论的指标表、图表和结论假设，再决定哪些进入汇报 |
 
 ## 推荐智能体
 
-**数据分析师** -- 擅长数据清洗、统计分析、趋势预测和可视化报表生成，支持 CSV、Excel、JSON 等多种数据格式。
+**数据分析师** -- 适合处理数据清洗、统计分析、趋势对比、异常检测和可视化报表，支持 CSV、Excel、JSON 等常见数据格式。
 
 ## 前期教学：让智能体掌握你的业务指标
 
-> 每家公司对 GMV、转化率等指标的计算口径都不同。教一次你的定义，之后每次分析都会用正确的口径，不会出现"数据对不上"的尴尬。
+> 每家公司对 GMV、转化率等指标的计算口径都不同。建议先教清楚你的定义，否则同一份数据可能得到不同结论。
 
 ### 教规则
 
@@ -52,7 +58,7 @@ keywords: [数据分析, 报表, 可视化, 趋势预测, 数据分析师]
 你: [✓ 正确]
 ```
 
-教学完成后，数据分析师已掌握你公司的指标口径和报告格式。之后发数据过去就能直接出报告。
+教学完成后，数据分析师已掌握你公司的指标口径和报告格式。之后提供数据时，它会按这套规则生成报告初稿。
 
 ## 完整对话示例
 
@@ -104,18 +110,20 @@ keywords: [数据分析, 报表, 可视化, 趋势预测, 数据分析师]
 
 ## 关键步骤
 
-1. **上传数据** -- 将 CSV、Excel 或 JSON 文件上传给智能体
-2. **描述分析需求** -- 说明你想了解什么（趋势、对比、预测等）
-3. **获取分析结果** -- 智能体自动生成统计摘要、图表和洞察
-4. **深入追问** -- 针对发现的问题进一步追问，获取更深入的分析
+1. **明确业务问题** -- 先说清要回答什么问题，例如“哪个区域拖累了销售目标”，而不是只说“分析数据”
+2. **确认数据口径** -- 明确时间范围、指标定义、退款/取消订单处理方式和目标值来源
+3. **做数据体检** -- 先检查列名、缺失值、重复值、异常值和类别命名是否一致
+4. **探索和对比** -- 按时间、区域、渠道、产品、人群等维度做对比，找出主要差异
+5. **形成可验证结论** -- 把结论写成“现象 + 数据证据 + 可能原因 + 下一步验证”，避免只给主观判断
 
 ## 最终成果
 
-包含关键指标、区域对比、趋势图表、异常检测和改进建议的完整分析报告，可以直接用于团队汇报。
+一份包含关键指标、数据质量说明、对比维度、趋势图表、异常解释和下一步验证建议的分析报告。
 
 :::tip 最佳实践
 - 上传数据前确保列名清晰（如"销售额"而非"col_1"），智能体能更准确地理解数据含义
-- 分析需求越具体，结果越精准。"分析销售趋势"不如"对比 Q3 和 Q4 各区域的销售增长率，找出增长最快和最慢的区域"
+- 分析需求越具体，结果越可用。"分析销售趋势"不如"对比 Q3 和 Q4 各区域的销售增长率，找出增长最快和最慢的区域"
 - 如果数据量很大，可以先让智能体做数据概览，再针对感兴趣的方向深入分析
-- **批量分析多部门数据**：周一需要同时看各部门/各品类数据时，一次发给数据分析师，它会并行分析每份数据，全部使用你教过的同一套指标口径和报告模板
+- 批量分析多部门数据时，先确认所有表格使用同一套指标口径和时间范围，再让智能体并行处理
+- 不要跳过数据体检。很多“业务异常”其实来自空值、重复订单、口径变更或导出范围不一致
 :::
diff --git a/docs/03-use-cases/01-general/03-email-management.md b/docs/03-use-cases/01-general/03-email-management.md
@@ -1,16 +1,22 @@
 ---
 title: 邮件管理
-description: 使用 AI 助手智能分类邮件、草拟回复、提取关键信息，高效处理日常邮件。
-keywords: [邮件管理, 邮件分类, 邮件回复, 效率提升, AI 助手]
+description: 使用邮件助手分类邮件、提取关键信息、整理待办并起草回复。
+keywords: [邮件管理, 邮件分类, 邮件回复, 待办事项, AI 助手]
 ---
 
 # 邮件管理
 
-## 场景描述
+## 真实工作流
 
-周一早上打开邮箱，发现堆积了 50 多封未读邮件。有客户催交付的、有同事问进度的、有行政通知的、还有一堆推广邮件。逐一阅读和回复至少要花两个小时。
+这个场景不是“让 AI 代发邮件”，而是把邮箱从一堆未读消息变成可处理的工作队列。
 
-AI 助手可以帮你快速处理这些邮件：按重要程度分类、提取每封邮件的关键信息、草拟回复内容，让你把精力集中在真正需要你亲自处理的事情上。
+| 维度 | 真实情况 |
+|------|----------|
+| 触发点 | 假期后、周一早上、项目上线前后，邮件集中堆积 |
+| 现有材料 | 邮件正文、发件人身份、历史沟通背景、附件或合同上下文 |
+| 卡点 | 重要邮件和通知邮件混在一起，待办事项、截止时间和责任人不清楚 |
+| DesireCore 介入 | 先分类排序，再提取摘要、待办和建议回复；敏感邮件可生成多个回复版本 |
+| 验收结果 | 用户看到优先级清单和回复草稿，先处理客户、延期、合同等关键邮件 |
 
 ## 完整对话示例
 
@@ -68,17 +74,25 @@ AI 助手: 已修改，请确认：
 
 ## 关键步骤
 
-1. **粘贴邮件内容** -- 将邮件正文提供给智能体
-2. **智能分类** -- 智能体自动识别邮件的重要程度和类型
-3. **提取关键信息** -- 总结邮件要点，标注需要你关注的事项
-4. **草拟回复** -- 根据邮件内容和你的需求生成回复草稿
+1. **合并上下文** -- 同一客户或同一项目的往来邮件先合并成线程，避免只看最后一封
+2. **一轮分流** -- 先分成“立即处理 / 今天处理 / 委派他人 / 等待回复 / 归档参考”
+3. **抽取承诺事项** -- 对每封行动类邮件提取任务、负责人、截止时间、来源邮件和依赖条件
+4. **生成回复草稿** -- 按客户、内部、供应商等对象生成不同语气的草稿
+5. **沉淀跟进队列** -- 把等待客户回复、等待内部确认、需要提醒的邮件单独列出
 
 ## 最终成果
 
-每封邮件都有清晰的分类标签、关键信息摘要和可直接使用的回复草稿，处理邮件的时间缩短一半以上。
+每封邮件会得到分类标签、关键信息摘要、待办项、回复草稿和跟进状态。你可以先处理客户紧急事项，再批量处理内部协作和通知类邮件。
+
+## 会用到的 DesireCore 能力
+
+- **邮件中心**：Gmail、Outlook、IMAP 邮箱统一管理，按会话线程查看上下文
+- **自然语言教学**：教会智能体你的客户回复风格、升级规则和禁用表述
+- **安全确认**：客户承诺、合同、投诉等重要邮件发送前保留人工确认
 
 :::tip 最佳实践
 - 批量处理时，可以一次粘贴多封邮件，智能体会按重要程度排序
-- 告诉智能体你的回复习惯（比如"我通常用比较正式的语气"），它会记住并应用到后续回复中
+- 告诉智能体你的回复习惯（比如"客户邮件正式一些，内部邮件简洁一些"），后续草稿会更贴近你的风格
 - 对于需要谨慎措辞的邮件（如客户投诉、合同谈判），建议让智能体提供多个版本供你选择
+- 重要待办要保留来源邮件链接或原文片段，后续追责和查背景时不会丢上下文
 :::
diff --git a/docs/03-use-cases/01-general/04-meeting-assistant.md b/docs/03-use-cases/01-general/04-meeting-assistant.md
@@ -1,16 +1,22 @@
 ---
 title: 会议助手
-description: 使用 AI 助手完成会议前的议程准备和会议后的纪要整理、待办事项提取。
+description: 使用会议助手准备议程、整理纪要、提取待办事项和跟进清单。
 keywords: [会议助手, 会议纪要, 议程, 待办事项, 效率提升]
 ---
 
 # 会议助手
 
-## 场景描述
+## 真实工作流
 
-你下午有一个重要的项目协调会，需要准备议程。会后还要整理会议纪要、提取每个人的待办事项、发给所有参会人。这些事务性工作虽然不难，但非常耗时。
+会议助手真正有价值的地方，不是把几句话扩写成纪要，而是把会议前后的信息闭环做完整。
 
-AI 助手可以帮你高效完成会议的前前后后：会前生成结构化议程，会后根据你的笔记或录音转写文稿整理出正式纪要，并自动提取待办事项分配到具体负责人。
+| 维度 | 真实情况 |
+|------|----------|
+| 触发点 | 上线协调会、需求评审、项目复盘、客户会议等需要会前准备和会后追踪的会议 |
+| 现有材料 | 会议目标、参会角色、议题、手写笔记、录音转写、会中决议 |
+| 卡点 | 会前议题没排好，会后决议和待办混在一起，负责人和截止时间容易遗漏 |
+| DesireCore 介入 | 会前生成议程和待决策项，会后整理纪要、待办表和跟进清单 |
+| 验收结果 | 主持人得到一份能发给参会人的纪要，以及可同步到项目管理工具的任务清单 |
 
 ## 完整对话示例
 
@@ -66,21 +72,24 @@ AI 助手: 会议纪要已整理完毕：
         三、下次跟进
         周一上午 9:00 上线前最终确认
 
-        可以直接发送给参会人吗？
+        需要我整理成可发送版本吗？
 ```
 
 ## 关键步骤
 
-1. **会议议程生成** -- 提供参会人和讨论主题，智能体生成结构化议程
-2. **会议记录整理** -- 会后提供笔记或转写文稿，智能体整理为正式纪要
-3. **待办事项提取** -- 自动从纪要中提取行动项，标注负责人和截止时间
+1. **会前对齐目标** -- 写清会议要产出什么：决策、方案评审、风险同步还是任务分配
+2. **带着上次待办开会** -- 把上次行动项、未关闭事项和新议题一起放进议程
+3. **会中区分事实和决议** -- 笔记里区分讨论内容、已确认决议、待确认问题和风险
+4. **行动项结构化** -- 每个待办都要有任务、唯一负责人、截止时间、完成标准和依赖项
+5. **会后进入跟进队列** -- 纪要不只是发送，还要把行动项同步到项目工具或下次会议议程
 
 ## 最终成果
 
-一份可直接发送的正式会议纪要，包含决议事项、待办清单和下次跟进安排。
+一份结构清楚的会议纪要草稿，包含决议事项、待办清单、负责人、截止时间、完成标准和下次跟进安排，可以继续改成邮件版、飞书公告版或项目任务清单。
 
 :::tip 最佳实践
-- 会议笔记不需要完整记录每句话，只需记下关键决定和分工即可，智能体会帮你组织成完整纪要
+- 会议笔记不需要完整记录每句话，但关键决定、负责人、截止时间要尽量写清楚
 - 如果有会议录音转写文稿，直接粘贴给智能体效果更好
 - 纪要格式可以让智能体记住你的偏好（比如"每次都用表格列出待办"），下次就不用重复说明了
+- 会议行动项如果没有唯一负责人和完成标准，后续很容易变成“大家都知道但没人推进”的事项
 :::