diff --git a/docs/BACKLOG.md b/docs/BACKLOG.md
index 4d9da4dc..17c7426a 100644
--- a/docs/BACKLOG.md
+++ b/docs/BACKLOG.md
@@ -30,7 +30,7 @@
   - 求救听不清 → TTS 出 `emotion: sad/fearful` 底音 + ffmpeg 后期加噪/压音量/断续("信道劣化"无现成 API,后期处理最可控)
 - **2026-07-04 反馈增补**(截图见 `feedback/2026070423/`,解读见其 ANALYSIS.md):
   - **连贯语音对手戏**:对练从"回合制答题"升级为实时情景对话——ASR→LLM(情绪人设+对话记忆)→TTS 低延迟循环,"很凶的老太太吵架"是验收场景;
-  - **场景库分四保一服**:保安/保洁/保绿/保修/客服按岗位出场景,启用 `practice_scenario.position/project_type` 字段,内容不混岗。
+  - **场景库分岗位**:**生活顾问为英雄岗位优先做深**(日常小区服务/物业费停车费催缴/投诉处理全面覆盖,"老带新"式陪练;现有投诉/催费 seed 场景即属该岗位),四保一服(保安/保洁/保绿/保修/客服)其次做广;启用 `practice_scenario.position/project_type` 字段,内容不混岗。
 
 ### B3. AI 一键生成场景培训图片(优先级 3)
 
@@ -85,13 +85,13 @@
 
 ### B8. 数字师傅:学习旅程模块化 + 个性化分发引擎(2026-07-04 反馈,方向级)
 
-来源:2026-07-04 用户反馈(截图与完整解读见 `feedback/2026070423/ANALYSIS.md`)。核心洞察:系统的对标物是"会带人的老师傅"——把言传(话术语音)、身教(动作视频)、判断(该学什么)用 AI 规模化。
+来源:2026-07-04 用户反馈(截图与完整解读见 `feedback/2026070423/ANALYSIS.md`)。核心洞察:系统的对标物是"会带人的老师傅"——把言传(话术语音)、身教(动作视频)、判断(该学什么)用 AI 规模化;用户原话背书:"感觉像老带新的感觉"(截图 10)。
 
 三个子块,可独立排期:
 
 1. **员工端五段学习旅程模块化**:入职前面试考核 → 岗前培训 → **每日小训(5-10 分钟,独立模块)** → 棘手问题即时求助("发一个语音,给我两三个 SOP 或话术"——检索输出加话术层)→ 场景模拟。角色主页做成"职责地图"(板块化菜单,不是卡片流)。
 2. **主管端学习监控面板**:员工×活动(看了哪些视频/做了哪些互动)×时长×效果,衔接 B5 四维画像与视频观看时长统计(心跳+区间合并方案,见 2026-07-04 会话讨论)。
-3. **个性化分发引擎**(系统的大脑):岗位(四保一服)× 阶段(入职前/岗前/在岗)× 画像短板 → 决定"今天该看什么/练什么";内容多了以后分发比生产更难("用 AI 分析该让他们看到哪些东西")。闭环:AI 生产内容 → AI 匹配媒介 → AI 决定给谁看 → 数据回流画像。
+3. **个性化分发引擎**(系统的大脑):岗位(生活顾问为先,四保一服其后)× 阶段(入职前/岗前/在岗)× 画像短板 → 决定"今天该看什么/练什么";内容多了以后分发比生产更难("用 AI 分析该让他们看到哪些东西")。闭环:AI 生产内容 → AI 匹配媒介 → AI 决定给谁看 → 数据回流画像。
 
 配套知识模型扩容:知识类型维度(SOP=标准 / 案例=参照 / 话术=直接能说 / 经验策略=火候),检索按类型分层供给;案例沉淀链路是隐性知识的采集入口,战略地位上调。
 
diff --git a/docs/feedback/2026070423/10.png b/docs/feedback/2026070423/10.png
new file mode 100644
index 00000000..38800141
Binary files /dev/null and b/docs/feedback/2026070423/10.png differ
diff --git a/docs/feedback/2026070423/ANALYSIS.md b/docs/feedback/2026070423/ANALYSIS.md
index 8dab230f..4c0e5af0 100644
--- a/docs/feedback/2026070423/ANALYSIS.md
+++ b/docs/feedback/2026070423/ANALYSIS.md
@@ -88,11 +88,23 @@ ASR→LLM(情绪人设+对话记忆)→TTS 低延迟循环 + 情绪化音色(BAC
 "是不是还得用 AI 再分析分析,到底应该让他们看到哪些东西。"——内容多了以后
 **分发比生产更难**,需要个性化学习路径引擎。
 
+### 13. 生活顾问 = 英雄岗位;"老带新"验证产品北极星(截图 10,2026-07-05 00:02 补充)
+
+"跟业主打交道的生活顾问,大量的工作是解决日常各类小区服务工作,以及物业费、
+停车费催缴工作,客户投诉工作,还有其他的,针对这个岗位也要考虑**全面的 AI 陪练**,
+**感觉像老带新的感觉**。"
+
+两个关键信号:
+- **"老带新"是用户原话**——第二节拔高的"数字师傅"定位被用户本人验证,可作为产品北极星的依据引用;
+- **生活顾问不是"第 6 个岗位"而是英雄岗位**:项目最初名称即《物业管家与生活顾问 AI 陪练系统》。四保一服偏动作型知识(视频为主),生活顾问是**沟通密集型**(催费/投诉/日常服务),正是三角色对练价值最大处——现有 seed 场景(投诉接待、催费沟通)本就属于该岗位。
+- → 场景库岗位策略:**生活顾问优先做深(日常服务/催费/投诉全面覆盖),四保一服其次做广**。
+
 ## 二、拔高:三个产品定位跃迁
 
 **系统的真正对标物不是"知识库+练习工具",而是"老师傅"。**
 物业知识传承的现实是师徒制;张立要的是把公司最稀缺的资源——会带人的老师傅——
 用 AI 克隆并规模化("数字师傅")。这正是 BRD"经验资产化中央厨房"的具象化。
+**用户原话背书(截图 10):"感觉像老带新的感觉"。**
 
 | 跃迁 | 从 | 到 | 依据 |
 |---|---|---|---|