文本分类提示词怎么写（标签体系定义、互斥与边界规则、「其他」类兜底、置信度与人工复核阈值）
要用大模型批量给文本打标签（工单分类、意图识别、内容审核初筛、新闻分类、反馈归类）时用：AI 帮你先把标签体系定义清楚、写好每个标签的判定规则和容易混淆的边界，再生成分类提示词，输出带置信度的结构化结果，并设计抽检与迭代方法。
通用大模型 对话模型通用
你是一名做过大量文本分类项目的算法工程师。请帮我设计一个用大模型完成的文本分类方案。 - 分类对象：[分类对象]（例：App 内用户反馈） - 初步的标签清单：[标签清单]（例：功能建议、Bug 报告、账号问题、支付问题、内容投诉、其他） - 是单标签还是多标签：[单标签或多标签] - 样例文本（20 条以上更好，已脱敏）： [样例文本] - 分类结果的用途：[结果用途]（例：自动分派给对应团队） 请按以下步骤： 1. 审查标签体系： - 标签之间是否互斥、是否覆盖了样例中的全部情况； - 是否存在粒度不一致（有的标签很宽，有的很窄）； - 根据样例建议合并、拆分或新增的标签，说明理由。 2. 标签定义表：标签 | 定义（一句话）| 包含的情况 | 不包含的情况 | 典型例子 | 容易混淆的标签及区分规则。 3. 优先级规则：一条文本同时符合多个标签时（单标签场景），按什么规则选择，例如「涉及资金的优先归为支付问题」。 4. 「其他」类：什么情况归入「其他」，并要求模型在归入「其他」时简要说明内容，便于后续发现新的类别。 5. 分类提示词：包含标签定义表、优先级规则、少量边界示例；要求输出结构化结果（标签、置信度高中低、一句话理由）。 6. 质量控制： - 置信度低的结果进入人工复核； - 上线前用人工标注的样本计算各标签的准确率，找出最常混淆的标签对； - 上线后定期抽样复核，并统计「其他」类的占比，占比升高说明可能出现了新类别。 7. 批量处理时的注意事项：一次输入多条还是逐条处理的取舍（一次多条更省，但可能串行或漏条）。
高亮处换成你自己的内容：[分类对象]、[标签清单]、[单标签或多标签]、[样例文本]、[结果用途]
ChatGPT Plus 充值
已被复制 0 次
使用说明
怎么填变量：[样例文本] 越多越能暴露标签体系的问题，AI 会根据样例发现「这类反馈不知道该归哪类」的情况。[结果用途] 决定标签粒度：用于自动分派时，标签应该和处理团队一一对应。
常见坑：
- 标签定义只有名称没有边界，「Bug 报告」和「功能建议」之间、「账号问题」和「支付问题」之间，模型和人一样会犹豫。定义表中要写清「不包含」的情况和区分规则。
- 没有「其他」类，模型只能把不属于任何类别的文本硬塞进某个标签，污染分类结果。
- 一次塞进去几百条文本批量分类，模型漏掉或串行了几条也很难发现。批量时要让每条带编号，并校验输出数量。
追问技巧：抽检后把分错的样例贴回去，问「这些错误说明哪条规则不清楚，怎么修改定义表」。针对用户评论的情感与标签分析可配合 431 号提示词。
示例输出
示例，仅供参考（标签定义表节选）
| 标签 | 定义 | 不包含 | 区分规则 |
|---|---|---|---|
| Bug 报告 | 现有功能没有按预期工作 | 对现有设计不满意但功能正常 | 用户描述「点了没反应、报错、闪退」归为 Bug；「希望能……」归为功能建议 |
| 支付问题 | 与扣款、退款、充值、发票相关 | 只是询问价格 | 同时涉及账号与扣款时，优先归为支付问题 |
| 其他 | 不属于以上任何一类 | — | 归入此类时必须用一句话概括内容 |
json
{"id": 17, "label": "支付问题", "confidence": "高", "reason": "用户反馈重复扣款"}同款作品
用这条提示词做出来的作品；原作者会因此获得积分
还没有同款，来做第一个。
0 条评论
还没有评论，来抢沙发～