1. 项目背景
在微信小程序中做 AI 表达分析时，我遇到三个典型问题：
语音输入如何转为可分析文本？
如何设计 Prompt，避免模型输出废话？
如何把 AI 结果转成「对用户友好」的反馈？
本文通过一个一句话表达分析的功能，给出一个可复用的最小实现方案。
2. 整体技术架构
微信小程序 | | 语音输入 v 后端服务（Node.js） | | Prompt + 文本 v 大模型 API3. 小程序端：语音转文本示例
3.1 开始录音
const recorderManager = wx.getRecorderManager() recorderManager.start({ format: 'mp3' })3.2 结束录音并上传
recorderManager.onStop(res => { wx.uploadFile({ url: 'https://your-server/api/asr', filePath: res.tempFilePath, name: 'file' }) })4. 后端：一句话表达分析接口
4.1 Express 接口示例
app.post('/api/analyze', async (req, res) => { const text = req.body.text const prompt = ` 请分析下面这句话是否清晰、有主语、有重点， 并给出一句不超过20字的优化建议： "${text}" ` const result = await callLLM(prompt) res.json({ analysis: result }) })5. Prompt 设计说明（重点）
不要让模型“自由发挥”，否则会输出：
长篇废话
情绪安慰
可控风格
推荐 Prompt 模板
角色：表达教练 任务：指出问题 + 给出简短改写 限制： 1. 不超过20字 2. 不要评价情绪 3. 不要鼓励用户6. 小程序端展示结果
this.setData({ feedback: res.data.analysis })7. 常见问题与优化方向
模型输出不稳定
→ 加长度和格式限制用户觉得“太冷”
→ 前端增加解释性文案，不交给模型
通过一个「一句话表达分析」功能，我们可以看到：
微信小程序 + 大模型非常适合做轻量 AI 工具
产品体验的好坏，80% 取决于 Prompt 设计
技术实现要为「用户理解成本」服务
