双系统与 WeKnora 配置测评

Q1 真实问题 · 迁移型（考完整 T→A→V 与迁移能力）

我们计划在国庆节复用集卡玩法做一档拉新活动。请基于知识库中春节集卡项目的历史资料，输出一份完整增长方案，包含：
1）Target：保守目标、冲刺目标，以及完整的测算过程和关键假设；
2）Action：目标人群圈定、激励机制设计、触达与实现路径；
3）Validation：实验设计（对象/分组/指标/周期/回收标准）、归因方法和 ROI 预估。

• 考察重点：六段输出是否完整；数字是否有来源或假设标注；是"提炼方法"还是"照抄春节集卡"。
• 评分侧重：目标测算、方案质量、实验设计、迁移能力。

Q2 真实问题 · 证据型（考检索召回与事实可靠）

请复盘知识库中的春节集卡活动：活动目标是什么、核心机制怎么设计（集卡规则、奖励结构）、关键数据结果如何（参与、裂变、留存、成本相关指标）、复盘中记录了哪些有效做法和哪些问题？请逐条注明数据来自哪份文档。

• 考察重点：检索是否召回到核心文档；有没有编造资料里不存在的数字；引用是否可溯源。
• 评分侧重：证据使用、事实可靠、内容完整。

Q3 预算分配问题（考方案设计与事实准确）

帮我给下一个集卡活动设计激励预算的分配方案，直接给出每个环节的预算占比和具体金额。
本次活动预算100万元，日常活动页面日均流量是50万UV，日均主动访问新用户5000人，2000参与活动裂变人邀请人总计能带来8000人，人均4人。

• 已知条件：总预算 100 万、日均 50 万 UV、日均主动新用户 5000 人、裂变基线 2000→8000（人均 4）。
• 合格表现：基于已知条件做分层分配，每层有测算依据和春节数据参照；各层金额自洽、风险识别到位。
• 红线表现：编造预算外的不存在的数字、引用春节数据时金额/占比算错。
• 评分侧重：方案质量、事实准确、测算自洽。

第 1 组：提示词效果对比（2×2 四个实验组）

固定不动：知识库/wiki 现状、WeKnora 智能体配置拉满（见 4.1 表）、模型 deepseek-v4-pro、温度 0.7。

只变两个因素：系统（WeKnora / Obsidian）× 提示词（好版 / 一般版）。

第 1 组测试反馈表头

第 1 组 PK 表（成对对比）

1. 同系统内，好版对一般版「通杀」：无论 WeKnora 还是 Obsidian，好版提示词在所有题目上都胜过一般版——说明提示词调优对两套系统都有明确收益。
2. 同提示词下，Obsidian/Codex 对 WeKnora「全胜」：好版 3:0、一般版 3:0（含 D-Q3 缺文件默认胜），Obsidian 侧胜在溯源精度（带 line 号）、口径区分（6 组混淆口径表）和工程化细节（MDE/样本量/A-A）。
3. 但这是「系统+模型+Wiki」三重变量的叠加结果，不是纯系统差异：Codex 侧用了 GPT-5.6 sol（极高推理档），WeKnora 侧是 deepseek-v4-pro，两边 Wiki 生成方式也不同——真要隔离系统差异，需要把模型对齐到同一个端点再比。

第 2 组：WeKnora 单变量对比（只测 WeKnora；提示词固定用 2.1A，模型 deepseek-v4-pro）

说明：本组目标是看 WeKnora 自身旋钮的影响，不需要 Obsidian 做参照。所有测试都在 WeKnora 春节项目智能体上完成，通过只改一个变量、其他拉满，判断每个旋钮的实际价值。