diff --git a/docs/questionnaire-research.md b/docs/questionnaire-research.md
new file mode 100644
index 0000000..c9154fb
--- /dev/null
+++ b/docs/questionnaire-research.md
@@ -0,0 +1,101 @@
+# 訪談 Prompt 設計 — research backing
+
+`lib/ai/prompt.ts` 的 AI 面談 prompt 設計依據。由多 agent 文獻研究 + 引用驗證產出（51 sources，37 verified-accurate / 14 metadata-corrected / 0 fabricated）。本文件記錄 (1) 已落地的改動、(2) 建議但尚未做的、(3) 要避免的 anti-pattern、(4) 驗證過的書目。
+
+> 原則：AI 用聊的把信號問出來、**記成 signal，不下適配判斷** —— suitability 由顧問在 phase 5-10 評。
+
+## Executive read
+
+現有四階段（Context / Workflow / Pain / Data）+ 一次一問 + 從寬到窄的 funnel + 問過去行為，方向正確且對齊文獻（NN/g Funnel、Mom Test、conversational-survey 證據：chatbot 比表單多收 ~39% 資訊、completion 54% vs 24%，Xiao et al. 2020）。文獻揭露的最大缺口：
+
+1. **SML 八準則沒在 step 粒度問出來** —— 尤其漏掉 reasoning-chain 長度、需不需要解釋 why、error tolerance，以及 **ground-truth 是否有共識**（Lebovitz et al. 2021：5 個醫院 ML 工具準確率高卻全失敗，因專家對「正確答案」不一致）。feasibility 硬閘門。
+2. **沒有量化 baseline** —— 下游排序需要 cost / cycle time / error rate / FTE（McKinsey 2026）。
+3. **時間估計用錯方法** —— global「平常一天」有系統偏誤（Kan & Pudney 2008），拆解加總放大高估（Belli et al. 2000）；應用 DRM episode 重建（Kahneman et al. 2004）。
+4. **缺 leadership / 變革史信號** —— 價值來自 organizational learning + process redesign（21%→73%，MIT-BCG 2020），非擁有 data/tech/talent。
+5. **under-probe 是 AI interviewer 主要 failure mode** —— 88% 該追沒追是 AI 造成（Wuttke et al. 2024）。
+6. **prediction vs. judgment 沒拆**（Agrawal-Gans-Goldfarb 2018）—— 最 actionable 的新 lens。
+
+## 本次已落地（高 ROI 子集）
+
+| 改動 | 位置 | 來源 |
+|------|------|------|
+| Prediction vs. judgment split（每 step 分「判斷 vs 執行」） | Workflow + 心裡的清單 | Agrawal-Gans-Goldfarb 2018 |
+| Ground-truth 共識 probe | Data + 心裡的清單 | Lebovitz et al. 2021 |
+| 量化 quad（量×頻率 / 每次時間 / 成本-FTE / 返工率） | Workflow advance 前 | McKinsey 2026；Task Mining |
+| DRM episode 時間重建（取代 global 估計） | Context | Kahneman 2004；Kan & Pudney 2008；Belli 2000 |
+| MUST-probe-on-vagueness + idiographic 預設 + cap probes | 全域守則 | Wuttke 2024；Jacobsen 2025；Xiao 2020 |
+| C1 sponsorship + C2 change-history（輕量帶） | Context | Jöhnk 2021；MIT-BCG 2020 |
+| 問法 anti-pattern 改寫（leading/declarative/forced-choice/hypothetical） | 不要做的事 | Zaremba-Liaskos 2021；Mom Test |
+
+## 建議但尚未做（後續可挑）
+
+- **Context**：C3 objective frame（cost-out vs growth，推斷+確認）；C4 external pressure（法規/客戶/競爭，一題）；C6 MGI 活動分類 triage。來源：McKinsey 2025；Pinto et al. 2025；MGI 2017。
+- **Workflow**：W3 清楚成功標準（SML#3）；W4 reasoning-chain 長度 + 需不需要解釋 why（SML#4/#5、Eloundou 2023）；W5 Webb verb 啟發式（detect/classify/predict/extract…，Webb 2020）。
+- **Pain**：P1 incident-driven（CIT/CDM，問具體壞例子而非 opinion）；P3 error-tolerance probe（SML#6）；P4 穩定性/drift（SML#7）；P5 negative-balance 反向 probe（只在敘述過度正面時用）；P6 workaround / shadow-process probe。來源：Rosala 2020；Klein 1989；Zaremba-Liaskos 2021。
+- **Data**：D4 artifact-grounding（用剛走過的具體 instance 驗證）；D5 forced-choice 取代 yes-confirmation（避 acquiescence）。
+- **Wrap-up**：WU1 量化 read-back 校準；WU2 E1/E2 分類（LLM-alone vs needs-a-system，Eloundou 2023）；WU3 readiness signal sheet（對齊 Jöhnk 五類，只標覆蓋度不打分）；WU4 clearinghouse probe gating（推進前問「還有什麼我沒問到」，可綁進 `tools.ts` 的 `advance_phase`）。
+
+**長度 tradeoff**：上面多數是「融進既有 step 的一句」或「取代既有問法」，非新階段。配合 cap（每點 1-2 次追問），淨增應控制在每任務 +2~3 輪。Context 就緒度題要克制 —— C1+C2 已收，其餘列為機會性帶出。
+
+## 要避免的 anti-pattern
+
+1. Global/stylized 時間估計 → DRM episode 重建（Kan & Pudney 2008；DRM 2004）
+2. 把估計拆成子項叫對方加總 → 放大高估，問單一具體 instance（Belli et al. 2000）
+3. 模糊「最近」/ 長 reference period → 最短可行窗 + landmark 錨點（Telescoping, Lavrakas 2008）
+4. Leading / declarative / forced-choice / 未來假設問型 → 開放/過去/具體（Zaremba-Liaskos 2021；Mom Test）
+5. Yes/agree 確認 → forced-choice between concrete alternatives（Pew；Barari et al. 2025）
+6. 抽象「為什麼」當預設 probe → idiographic「帶我走一遍」（Jacobsen et al. 2025）
+7. 接受答案就往下（under-probe）→ MUST-probe-on-vagueness（Wuttke et al. 2024）
+8. 用「聽起來難不難」判 AI 適配 → 只靠結構信號（八準則 + P/J split）（Dell'Acqua et al. 2023）
+9. 把 ground-truth label 當客觀 → ground-truth 共識 probe（Lebovitz et al. 2021）
+10. 過度 probing 不顧 completion → cap probes + completion 當一級指標（Xiao 2020；Barari 2025）
+
+## Bibliography（verified；metadata 已修正）
+
+**Task suitability / AI exposure**
+- Brynjolfsson & Mitchell, *What can machine learning do? Workforce implications*, Science 358:1530, 2017 — https://www.cs.cmu.edu/~tom/pubs/Science_WorkforceDec2017.pdf （8 SML criteria）
+- Brynjolfsson, Mitchell & Rock, *What Can Machines Learn…*, AEA P&P, 2018 — https://ide.mit.edu/sites/default/files/publications/pandp.20181019.pdf
+- Agrawal, Gans & Goldfarb, *Prediction versus Judgment*, NBER WP 24626, 2018 — https://www.nber.org/system/files/working_papers/w24626/w24626.pdf
+- Agrawal, Gans & Goldfarb, *A Simple Tool… (AI Canvas)*, HBR, 2018 — https://digitopoly.org/2018/04/18/a-simple-tool-to-start-making-decisions-with-the-help-of-ai/
+- Eloundou, Manning, Mishkin & Rock, *GPTs are GPTs*, 2023 — https://arxiv.org/pdf/2303.10130 （E0/E1/E2）
+- Felten, Raj & Seamans, *Occupational, Industry, and Geographic Exposure to AI (AIOE)*, 2021 — https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3822412
+- Webb, *The Impact of AI on the Labor Market*, 2020 — https://www.michaelwebb.co/webb_ai.pdf （verb-noun method）
+- Lebovitz, Levina & Lifshitz-Assaf, *Is AI Ground Truth Really True?*, MISQ 45(3):1501, 2021
+- Dell'Acqua et al., *Navigating the Jagged Technological Frontier*, 2023 — https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4573321
+- Manyika et al. (MGI), *A Future That Works*, 2017
+
+**Interview / elicitation methods**
+- Flaherty (NN/g), *Contextual Inquiry*, 2020 — https://www.nngroup.com/articles/contextual-inquiry/
+- Zaremba & Liaskos, *Towards a typology of questions for requirements elicitation interviews*, IEEE RE'21 — https://www.yorku.ca/liaskos/Papers/RE2021/RE2021.pdf
+- Kahneman, Krueger, Schkade, Schwarz & Stone, *Day Reconstruction Method*, Science 306:1776, 2004
+- Rosala (NN/g), *The Critical Incident Technique in UX*, 2020 — https://www.nngroup.com/articles/critical-incident-technique/
+- Klein, Calderwood & MacGregor, *Critical Decision Method*, IEEE Trans. SMC 19:462, 1989
+- Rosala & Moran (NN/g), *The Funnel Technique in Qualitative User Research*, 2022
+- Robinson, *Probing in qualitative research interviews*, Qual. Res. Psychology 20(3):382, 2023 （DICE taxonomy）
+- Fitzpatrick, *The Mom Test*, 2013
+
+**Self-report accuracy / survey design**
+- Kan & Pudney, *Measurement Error in Stylized and Diary Data on Time Use*, Sociological Methodology 38:101, 2008
+- Jacobs (BLS), *Measuring time at work: are self-reports accurate?*, 1998 — https://www.bls.gov/opub/mlr/1998/12/art3full.pdf
+- Lavrakas (ed.), *Telescoping* (Encyclopedia of Survey Research Methods), SAGE, 2008
+- Belli, Schwarz, Singer & Talarico, *Decomposition Can Harm the Accuracy of Behavioral Frequency Reports*, Applied Cognitive Psychology 14:295, 2000
+- Tourangeau, Rips & Rasinski, *The Psychology of Survey Response*, Cambridge Univ. Press, 2000
+- Kreuter, Presser & Tourangeau, *Social Desirability Bias in CATI, IVR, and Web Surveys*, POQ 72(5):847, 2008
+- Pew Research Center, *Writing Survey Questions* — https://www.pewresearch.org/writing-survey-questions/
+- Wuttke et al., *AI Conversational Interviewing*, 2024 — https://arxiv.org/abs/2410.01824 （under-probe）
+- Barari et al., *AI-Assisted Conversational Interviewing*, 2025 — https://arxiv.org/abs/2504.13908
+- Jacobsen, Cox, Griggio & van Berkel, *Chatbots for Data Collection: Four Theory-Based Interview Probes*, 2025 — https://arxiv.org/html/2503.08582v1
+- Xiao, Zhou, Liao et al., *Tell Me About Yourself*, ACM TOCHI 27(3), 2020
+
+**Readiness / adoption / prioritization**
+- Jöhnk, Weißert & Wyrtki, *Ready or Not, AI Comes*, BISE 63(1):5, 2021 — https://aisel.aisnet.org/bise/vol63/iss1/2/ （五類就緒度）
+- Babšek, Murko & Aristovnik, *Organisational AI Readiness for Public Administration*, IJEBA XIII(3):24, 2025
+- Pinto, Abreu, Pérez Cota & Paiva, *A meta-analysis of TOE factors…*, Discover AI, 2025 — https://link.springer.com/article/10.1007/s44163-025-00747-2
+- Ransbotham, Khodabandeh, Kiron et al., *Expanding AI's Impact With Organizational Learning*, MIT SMR–BCG, 2020 — https://sloanreview.mit.edu/projects/expanding-ais-impact-with-organizational-learning/ （21%→73%）
+- McKinsey/QuantumBlack, *The state of AI: How organizations are rewiring to capture value*, 2025
+- McKinsey/QuantumBlack, *From promise to impact*, 2026 （baseline metrics）
+- Gartner, *AI Maturity Model and AI Roadmap Toolkit*, 2024
+- Deloitte AI Institute, *State of AI in the Enterprise, 5th Edition*, 2022 （four-archetype）
+- WEF, *Why data readiness is now a strategic imperative*, 2026
+
+> 已剔除未核實的 magnitude（hypothetical 2-3x、Belli 84% enumeration、Wuttke input-mode 字數）；shadow-process practitioner blog 因 low-credibility + 引文不符不列入（方向性論點由 Contextual Inquiry / CIT 承載）。Gartner AI Opportunity Radar 的 Defend/Extend/Upend 軸描述有誤，勿引用。
diff --git a/lib/ai/prompt.ts b/lib/ai/prompt.ts
index 5d42b5c..a69fc99 100644
--- a/lib/ai/prompt.ts
+++ b/lib/ai/prompt.ts
@@ -10,14 +10,30 @@ import {
 // Dynamic state (current_phase, summaries of completed phases) lives in a
 // trailing system message instead of being interpolated into the prefix.
 //
-// Interview design is grounded in three sources:
-//   • Funnel technique (NN/G) — each topic goes broad → probing → specific.
+// Interview design is grounded in the literature on AI-adoption interviewing,
+// task-suitability assessment, and self-report accuracy. Load-bearing anchors:
+//   • Funnel technique (NN/g) — each topic goes broad → probing → specific.
 //   • The Mom Test (Fitzpatrick) — ask about concrete past behavior, never
 //     hypotheticals/opinions; don't take solution requests at face value.
-//   • SML criteria (Brynjolfsson & Mitchell, Science 2017) — what makes a task
-//     a good automation candidate (clear in/out, reusable data, checkable
-//     output, error tolerance, repeatability). We map these into what the
-//     consultant needs to hear, but the agent extracts them conversationally.
+//   • SML criteria (Brynjolfsson & Mitchell, Science 2017) — 8 signals of a good
+//     automation candidate (clear in/out, abundant labeled data, checkable
+//     output, short reasoning, no forced "why", error tolerance, stability).
+//   • Prediction vs. judgment (Agrawal/Gans/Goldfarb 2018) — per step, split the
+//     part that "estimates something unknown" (automatable) from the part that
+//     "decides what to do" (human-kept).
+//   • Ground-truth consensus (Lebovitz et al., MISQ 2021) — high model accuracy
+//     still fails when experts disagree on the "right answer"; a feasibility
+//     blocker the SML "labeled data" assumption hides.
+//   • Day Reconstruction Method (Kahneman et al., Science 2004) — reconstruct a
+//     specific recent day episode-by-episode; global "typical day/week" time
+//     estimates are systematically biased (Kan & Pudney 2008) and decomposing an
+//     estimate into summed parts inflates it (Belli et al. 2000).
+//   • Probe quality (Wuttke et al. 2024; Jacobsen et al. 2025) — under-probing is
+//     the dominant AI-interviewer failure; idiographic probes beat abstract "why".
+//   • Elicitation anti-patterns (Zaremba & Liaskos, IEEE RE'21) — avoid leading /
+//     declarative / forced-choice / hypothetical questions.
+// The agent extracts all of this conversationally and records signals; it does
+// NOT score or judge suitability — the consultant does that in phases 5-10.
 
 interface StablePrefixInput {
   organization: string;
@@ -47,18 +63,21 @@ ${brief}
 
 【你要帶回什麼 —— 顧問真正需要的】
 顧問會依你問到的內容，判斷哪些工作適合用 AI。每聊到一個具體的任務，盡量讓對話自然帶出下面幾件事（這是你心裡的清單，不是拿來照唸的，用聊的把它問出來）：
-- **量 × 頻率**：這任務多久做一次、一次大概花多久。
-- **現在怎麼做**：從頭到尾的步驟、用到哪些工具 / 系統、輸入是什麼、產出是什麼。
-- **卡點與代價**：哪裡最花時間 / 最容易錯 / 最煩，這些卡點花掉多少時間或造成什麼後果。
-- **餵不餵得到 AI**：手邊有沒有現成的東西可以給 AI 參考 —— 範例、過去成品、範本、文件、紀錄 —— 放在哪。
-- **怎麼算做對**：怎麼判斷結果好不好、誰會檢查、做錯的代價大不大。
-- **穩不穩定**：每次都差不多，還是每次都要靠很多臨場判斷 / 背景知識。
+- **量 × 頻率 × 成本**：這任務多久做一次、一次大概多久、要不要常常重做（出錯 / 返工率）、大致吃掉多少人力或時間。這四個數字是顧問後續排序的基礎，盡量問到具體數量級。
+- **現在怎麼做**：從頭到尾的步驟、用到哪些工具 / 系統、每一步輸入是什麼、產出是什麼。
+- **判斷 vs. 執行**：每個步驟裡，哪部分是「在估計 / 判斷一個還不知道的東西」（例：這筆該歸哪類、這個對不對），哪部分是「根據目標決定要怎麼處理」。前者通常 AI 幫得上、後者多半人保留 —— 你只要把這兩塊分開描述出來，不用下結論。
+- **卡點與代價**：哪裡最花時間 / 最容易錯 / 最煩，這些卡點實際造成什麼後果、吃掉多少時間。
+- **餵不餵得到 AI**：手邊有沒有現成的東西可以給 AI 參考 —— 範例、過去成品、範本、文件、紀錄 —— 放在哪、是不是數位且格式一致、過去案例旁邊有沒有記「當時的正確結果」。
+- **怎麼算做對 + 有沒有公認對錯**：怎麼判斷結果好不好、誰會檢查、做錯代價大不大；還有 —— 這件事有沒有一個大家都同意的「正確答案」，還是連有經驗的人有時也會對「什麼才算對」意見不同（後者即使資料很多，也是個重要訊號）。
+- **穩不穩定 + 要不要解釋**：規則 / 模式是長期穩定還是常變（新產品、法規、客戶變）；產出需不需要附一套「為什麼這樣判」的說明給下游；要不要很多步推理或大量背景知識才能做。
 
 【怎麼問才舒服又問得到東西】
 - **一次只問一個問題**，問完等對方回答。不要丟問題清單，不要一口氣塞很多。
-- **從寬到窄**：先用開放、好回答的問題讓對方講故事（例：「可以跟我說說你平常一天大概都在忙些什麼嗎？」），再針對他提到的東西追問細節，最後才補具體的數字 / 頻率。
+- **從寬到窄**：先用開放、好回答的問題讓對方講故事，再針對他提到的東西追問細節，最後才補具體的數字 / 頻率。
 - **問實際發生過的事，不要問假設**：問「上一次你做 X 是怎麼處理的？」而不是「你覺得 X 應該怎樣 / 你會不會想要…」。人對自己做過的事講得準，對假設講得不準。
-- 對方講得模糊（「就還好」「偶爾」「有時候」）就追一個具體例子或數字：「上一次是什麼時候？」「大概多久一次？」「那次花了多久？」
+- **預設用「帶我走一遍」式的追問**：「上一次做這個，從頭到尾帶我走一遍」「然後呢、接下來發生什麼」「那是哪個系統、誰處理的」。少用抽象的「為什麼」當追問 —— 在這種對話裡它最容易讓人覺得重複又問不出東西。
+- **模糊就一定要追問**：對方講得含糊（「就還好」「偶爾」「有時候」）、給的是整數約數（「大概幾百個」）、或講了一個步驟卻沒講清楚輸入 / 工具 / 產出 —— 你「必須」先追問恰好一個把它具體化的問題，才能往下。寧可多追問，不要漏追問。例：「上一次是什麼時候？」「大概多久一次？」「那次實際花了多久？」
+- **但別追到煩**：同一個點追問 1-2 次就夠，最多 3 次（資訊很豐富的 step 才到 3）。「跑完四階段、對方願意答完」跟「答得深」同等重要。
 - **跟著對方實際做的工作走**：就算背景寫的是一個部門，對方描述的可能只是他個人的工作 —— 以他真正在做、會碰到的事為主，不要硬套組織架構、也不要硬問他不負責的事。
 - 收到答案先簡短回應一句（理解 / 同理 / 確認）再問下一題，讓它像對話不像問卷。
 
@@ -66,18 +85,21 @@ ${brief}
 - 不要建議解法、不要評論「這個可以用 AI」、不要劇透後面要問什麼。你的工作是「問」跟「聽」，不是「答」或「提案」—— 怎麼導入 AI 是顧問的事。
 - 不要直接問「你想用 AI 做什麼」「你覺得哪裡可以自動化」。受訪者通常答不出來，這等於逼他幫你想答案。你只問他的工作本身，適不適合 AI 由顧問判斷。
 - 對方要求某個功能 / 某個解法時不要照單全收，往下挖「為什麼需要、想解決的是什麼」（他要的常常不是他說的那個）。
+- **避免這幾種問法**（會污染答案或問不到真資料）：誘導式（「你應該很想擺脫這流程吧？」）→ 改開放、過去式；斷定式（「那個沒用對吧？」）→ 改「那個結果怎麼樣？」；強加選項（「你們用 email 還是 Slack？」）→ 改「這個你都怎麼傳、傳給誰？」讓對方自己講；未來假設（「你會不會想要一個能…的工具？」）→ 改「上一次遇到這狀況你怎麼處理？」。
 - 每一則回應都要以一個明確的問題結尾（唯一例外是最後呼叫 complete_form 那則）。絕對不要用「接下來我會…」這種沒有問題的轉場句收尾。
 
 【四個階段，依序進行】
 
 ${PHASE_LABEL_LONG.context} — 先認識這個人跟他的工作
   · 他的角色、在這個單位負責什麼
-  · 他平常時間都花在哪些事情上（先把可能的任務攤出來，之後再挑著深挖）
+  · **用具體某一天還原時間配置**：不要問「平常都在忙什麼」這種平均值（人估不準）。改問「想一下昨天、或最近一個正常上班日 —— 從上班到下班，一段一段帶我走，每段在幹嘛、大概多久、是固定要做的還是臨時的」。每天做的用「這一週」當範圍、每月才一次的產出用「這個月 / 上個 cycle」當範圍。先把可能的任務攤出來，之後再挑著深挖。
+  · 輕量帶到（自然聊到就好，不用逼問）：他們單位上一次改某個核心工作的做法，是誰決定、誰簽核的（看有沒有具名的人在推、授權在誰手上）；最近一次換流程 / 換工具是什麼時候、後來怎麼樣（看改變的胃口跟過去成效）。
 
 ${PHASE_LABEL_LONG.workflow} — 挑 2-3 個最花時間 / 最常做 / 最煩的任務深挖
-  · 每個任務從輸入到產出，一步一步怎麼跑
-  · 每一步用到的工具 / 系統 / 誰參與
-  · 多久做一次、一次多久
+  · 用具體一次來問：「最近一次你做〔這任務〕，從它落到你手上到做完，一步一步帶我走」，再用「那之後馬上發生什麼」往下推。
+  · 每一步：輸入是什麼、產出是什麼、用到哪個工具 / 系統、誰參與。
+  · 每一步順手分一下「判斷 vs. 執行」：哪部分在估計 / 分類一個還不知道的東西，哪部分是決定怎麼處理 —— 分開描述就好，不用下判斷。
+  · 這任務講完，補齊四個數字再往下：一週 / 月做幾次、一次多久、要不要常重做（出錯返工頻率）、大概佔多少人力。問不到精確值就要個數量級。
 
 ${PHASE_LABEL_LONG.pain} — 卡點與代價
   · 上面這些任務裡，最卡 / 最花時間 / 最容易出錯的是哪些 step
@@ -85,9 +107,10 @@ ${PHASE_LABEL_LONG.pain} — 卡點與代價
   · 對方自己覺得哪一個最值得先解
 
 ${PHASE_LABEL_LONG.data} — 餵得到 AI 嗎
-  · 這些任務牽涉哪些資料 / 文件 / 知識，型態是什麼、放在哪個系統
-  · 有沒有現成的範例 / 範本 / 過去成品可參考
-  · 哪些東西現在還在靠人工打字 / 複製貼上 / 翻找來搬運
+  · 這些任務牽涉哪些資料 / 文件 / 知識：是不是已經數位化、放在哪個系統、結構化還是自由文字、誰能存取。
+  · **有沒有公認的對錯**：這任務做完，有沒有一個大家都會認同的「正確答案」，還是有經驗的人有時會對「什麼才算對」意見不一致？（後者即使資料充足也是重要訊號，務必問到。）
+  · 過去案例：有沒有現成的範例 / 範本 / 過去成品可參考、大概多少筆、是不是用一致格式存著、每筆旁邊有沒有記「當時的正確結果」。
+  · 哪些東西現在還在靠人工打字 / 複製貼上 / 在系統之間翻找搬運。
 
 【階段推進】
 - 當前階段該聊的大致夠了 → 在同一則回應裡：先一句話確認可以往下，呼叫 advance_phase tool，並緊接著問下一階段的第一個問題。不要只丟一句轉場就停住 —— 那會把對話句點掉，對方不知道要回什麼。
@@ -119,7 +142,7 @@ function buildDynamicSuffix(form: { current_phase: Phase; phase_summaries: Parti
 
   lines.push("");
   lines.push(
-    `如果這是對話第一輪（messages 只有 system），先用 2-3 句開場：你是誰、為什麼找他聊、大概多久、沒有標準答案放輕鬆，然後問第一個開放問題（請他說說平常都在忙什麼），開始 ${PHASE_LABEL_LONG.context}。`,
+    `如果這是對話第一輪（messages 只有 system），先用 2-3 句開場：你是誰、為什麼找他聊、大概多久、沒有標準答案放輕鬆，然後問第一個開放問題（請他先說說自己的角色、平常在這單位負責什麼），開始 ${PHASE_LABEL_LONG.context}。`,
   );
 
   return lines.join("\n");