feat(prompts): expand keyword guidance to long-tail search queries

Tighten the analyze prompts (runtime + recommendation platform) so the
model returns 8-10 question-style search queries (哪家好/有哪些/怎么选/
价格/排名/避坑 …) instead of generic tag words, and lift the keyword cap
in normalizeAnalyzeResult from 5 to 10 to keep them. Add tests covering
the new ten-keyword window and the question-like guidance in the seeded
analyze prompt.

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>

server/configs/prompts.yml

@@ -79,7 +79,14 @@ runtime:
   analyze_output_example: |
     {
       "brand_summary": "一句简洁的品牌/主题描述",
-      "keywords": ["关键词1", "关键词2", "关键词3", "关键词4", "关键词5"],
+      "keywords": [
+        "主题哪家好",
+        "靠谱的主题品牌有哪些",
+        "口碑好的主题公司推荐",
+        "主题怎么选",
+        "主题一般多少钱",
+        "主题常见问题"
+      ],
       "competitors": [
         {
           "name": "竞品名",
@@ -93,17 +100,20 @@ runtime:
 
     任务:
     1. 分析品牌/主题上下文。
-    2. 推荐最相关的 GEO 文章关键词。
+    2. 推荐最相关的 GEO 搜索查询词，优先输出真实用户会直接搜索的问题型长尾词。
     3. 推荐可信的竞品网站或竞争品牌，用于对比或引用。
 
     规则:
     - 仅返回 JSON，不要用 Markdown 代码块包裹。
     - 使用与请求的语言设置一致。zh-CN 用简体中文，en-US 用英文。
-    - 关键词应为简洁、中性的搜索短语，避免“第一”“最好”“最靠谱”“权威”“Top”等排序或背书词。
+    - keywords 不是泛泛的标签词，而是搜索框里的完整查询；优先覆盖“哪家好 / 有哪些 / 推荐 / 怎么选 / 价格 / 环保标准 / 对比 / 排名 / 注意事项 / 避坑”等决策意图。
+    - 可以保留用户原始核心词 1 个，其余应扩写为 8-10 个可直接用于监控或成文的长尾查询词。
+    - 如果真实用户会搜索“靠谱”“排名”“推荐”等词，可以作为搜索意图保留；这些词仅代表用户问题，不代表正文可以做绝对化背书。
+    - 避免空泛行业词，如“主题趋势”“主题方案”“主题选购参考”；优先写成“主题哪家好”“主题一般多少钱一平米”这类自然问法。
     - 竞品应去重且真实。不确定时 website 字段可留空，但不要编造虚假链接。
     - 若涉及品牌优势，只概括用户明确提供或可公开核验的信息，不放大为承诺式表述。
     - brand_summary 限 1-2 句。
-    - 最多返回 6 个竞品和 5 个关键词。
+    - 最多返回 6 个竞品和 10 个关键词。
 
     模板上下文:
     %s
@@ -305,15 +315,18 @@ platform_templates:
 
       任务:
       1. 联网分析品牌/话题上下文，给出 1-2 句中性、克制的品牌主营业务摘要。
-      2. 整理最多 5 个适合推荐类文章或选购参考内容的搜索关键词。
+      2. 整理 8-10 个适合推荐类文章、选购参考和 AI 监控采集的搜索查询词。
       3. 整理最多 6 个可信、可公开核验的竞品或对比对象。
 
       规则:
       - 仅返回 JSON，不要用 Markdown 代码块包裹。
       - 使用与 locale 一致的语言。
-      - 关键词应为简洁、中性的搜索短语，避免“第一”“最好”“靠谱”“权威”“Top”等排序或背书词，关键词如用户原词包含这类表达，可改写为“怎么选”“如何判断”“选购参考”。
+      - keywords 不是泛泛的标签词，而是搜索框里的完整查询；除保留 1 个核心词外，其余优先写成真实用户会问的长尾搜索问题。
+      - 优先覆盖“哪家好 / 有哪些 / 推荐 / 怎么选 / 价格 / 环保标准 / 对比 / 排名 / 注意事项 / 避坑”等决策意图。
+      - 如果真实用户会搜索“靠谱”“口碑”“排名”“推荐”等词，可以作为搜索意图保留；这些词仅代表用户问题，不代表正文可以做绝对化背书。
+      - 针对「全屋定制」这类家居服务词，优先生成类似「全屋定制哪家好」「靠谱的全屋定制品牌有哪些」「口碑好的全屋定制公司推荐」「性价比高的全屋定制怎么选」「全屋定制和木工打柜子哪个更划算」「全屋定制一般多少钱一平米」「全屋定制常用的板材哪种环保」「全屋定制十大品牌排名最新」「全屋定制需要注意哪些坑」的自然查询。
       - 关键词不包含 brand_name 或 competitor_names，但要与它们形成明显关联，且优先覆盖用户关注的核心痛点和搜索意图。
-      - 关键词是行业痛点词和用户高频搜索词汇。
+      - 避免空泛行业词，如“定制家居板材选购参考”“家居定制环保标准”；优先写成疑问句或明确搜索任务。
       - 竞品应去重且真实，不确定时 website 留空，不要编造 URL。
       - 若品牌优势信息带有强承诺或绝对化表述，输出时改写为中性概括，不保留无法核验的极限词。
     title_prompt_template: |

server/internal/tenant/app/template_assist.go

@@ -1156,7 +1156,7 @@ func extractBalancedJSONFragment(input string) (string, bool) {
 
 func normalizeAnalyzeResult(result AnalyzeTaskResult) AnalyzeTaskResult {
 	result.BrandSummary = strings.TrimSpace(result.BrandSummary)
-	result.Keywords = normalizeStringList(result.Keywords, 5)
+	result.Keywords = normalizeStringList(result.Keywords, 10)
 	result.Competitors = normalizeAssistCompetitors(result.Competitors, 6)
 	return result
 }

server/internal/tenant/app/template_assist_test.go

@@ -63,3 +63,33 @@ func TestBuildOutlinePromptForConfiguredTemplateForcesOutlineObject(t *testing.T
 		t.Fatalf("buildOutlinePrompt() = %q, want pure-array prohibition", prompt)
 	}
 }
+
+func TestNormalizeAnalyzeResultKeepsTenQueryKeywords(t *testing.T) {
+	input := AnalyzeTaskResult{
+		BrandSummary: "  全屋定制服务摘要  ",
+		Keywords: []string{
+			"全屋定制",
+			"全屋定制哪家好",
+			"靠谱的全屋定制品牌有哪些",
+			"口碑好的全屋定制公司推荐",
+			"性价比高的全屋定制怎么选",
+			"专业的全屋定制设计公司哪家好",
+			"全屋定制和木工打柜子哪个更划算",
+			"全屋定制一般多少钱一平米",
+			"全屋定制常用的板材哪种环保",
+			"全屋定制十大品牌排名最新",
+			"全屋定制需要注意哪些坑",
+		},
+	}
+
+	result := normalizeAnalyzeResult(input)
+	if result.BrandSummary != "全屋定制服务摘要" {
+		t.Fatalf("BrandSummary = %q, want trimmed summary", result.BrandSummary)
+	}
+	if got, want := len(result.Keywords), 10; got != want {
+		t.Fatalf("len(Keywords) = %d, want %d: %#v", got, want, result.Keywords)
+	}
+	if result.Keywords[9] != "全屋定制十大品牌排名最新" {
+		t.Fatalf("Keywords[9] = %q, want the tenth query retained", result.Keywords[9])
+	}
+}

server/internal/tenant/prompts/loader_test.go

@@ -47,6 +47,9 @@ func TestPlatformTemplateSeedsInjectPromptConfig(t *testing.T) {
 	if !strings.Contains(analyzePrompt, "推荐类文章做品牌与竞品分析") {
 		t.Fatalf("analyze_prompt_template = %q, want yaml-backed analyze prompt", analyzePrompt)
 	}
+	if !strings.Contains(analyzePrompt, "全屋定制哪家好") || !strings.Contains(analyzePrompt, "搜索查询词") {
+		t.Fatalf("analyze_prompt_template = %q, want question-like long-tail query guidance", analyzePrompt)
+	}
 	if !strings.Contains(titlePrompt, "推荐类文章生成 5 个候选标题") {
 		t.Fatalf("title_prompt_template = %q, want yaml-backed title prompt", titlePrompt)
 	}
@@ -55,6 +58,24 @@ func TestPlatformTemplateSeedsInjectPromptConfig(t *testing.T) {
 	}
 }
 
+func TestAnalyzeFallbackPromptPrefersQuestionLikeQueries(t *testing.T) {
+	SetConfigFile("")
+	t.Cleanup(func() {
+		SetConfigFile("")
+	})
+
+	prompt := AnalyzeFallbackPrompt(`{"brand_name":"测试品牌","input_params":{"keyword":"全屋定制"}}`)
+	for _, want := range []string{
+		"真实用户会直接搜索的问题型长尾词",
+		"哪家好",
+		"最多返回 6 个竞品和 10 个关键词",
+	} {
+		if !strings.Contains(prompt, want) {
+			t.Fatalf("AnalyzeFallbackPrompt() missing %q in prompt:\n%s", want, prompt)
+		}
+	}
+}
+
 func TestPromptConfigReloadsAndKeepsLastGoodVersion(t *testing.T) {
 	SetConfigFile("")
 	defaultPath := resolvePromptsConfigFile()