既然是AI技术爱好者在PromptCube论坛分享

分析航空事故报告：用 Claude Code 快速提取救援关键路径

把 Kenmore Air 坠机事故的原始报告丢给 AI 跑一遍，你会发现平民救援的响应时间比专业救援快得离谱。我尝试用 Claude Code 结合特定的提示词去拆解这类非结构化文本，分析救援链路的失效点和补位逻辑，结果很有意思。

如果你也想实操分析这类事故报告，可以参考这个工作流：

一、构建结构化提取 Prompt
不要直接问“发生了什么”，要强制 AI 按照时间轴和角色行为来拆分。

# Role: 事故分析专家
# Task: 提取救援行为链条
- 识别所有参与者（专业救援 vs 平民）
- 记录每个动作的时间戳（或相对顺序）
- 分析平民介入对生存率的实际贡献度
- 输出格式：[时间点] -> [行为主体] -> [具体动作] -> [结果]

二、实操分析步骤
1. 将事故文本输入给模型，使用上述提示词进行初步清洗。
2. 针对“平民如何救场”这个细节，要求 AI 对比专业救援到达前的真空期。
3. 导出分析结果，验证逻辑是否存在幻觉。

这种分析方式比单纯读新闻快得多，尤其是处理长篇的事故调查报告时，能迅速定位到关键的“转折点”。对于想研究 AI Agent 自动分析复杂事件流的人来说，这类真实案例是极好的测试集。