分类型提示词让AI帮你高效整理信息你有没有想过一个问题人类的大脑其实不擅长分类——我们天生适合处理连续的、叙事性的信息但面对几百条混乱的数据时我们的大脑会迅速过载。而AI恰恰相反分类是它最擅长的任务之一。这篇文章我不仅要教你如何用AI做分类更要让你掌握一种思维——把任何看起来一团糟的信息整理任务转化为一个分类提示词让AI替你完成那些枯燥但重要的信息整理工作。一、什么是分类型提示词1.1 定义与本质分类型提示词是引导AI按照特定标准和框架将输入信息归类、分组、标注的提示词类型。它的本质是为混乱的信息建立秩序。分类型提示词解决的问题非常明确输入一堆没有结构、没有标签、没有排序的原始信息 处理AI按照你定义的分类体系和规则进行归类整理 输出结构化、有标签、可检索、可分析的有序信息1.2 分类任务的四种层次在我的实践中分类任务可以分为四个难度层次层次名称描述典型场景第一层简单归类将内容归入预设的类别邮件分类工作/个人/垃圾、文件类型分类第二层多维标注从多个维度给内容打标签用户反馈的情感紧急度产品模块标注第三层动态分类AI自动发现类别并归类从海量用户评论中发现话题聚类第四层推理分类需要逻辑推理的分类判断判断客户意图、预测用户行为类型 大多数人的分类需求停留在第一层和第二层而真正能大幅提升工作效率的往往是第三层和第四层的能力。这篇文章会覆盖全部四个层次。1.3 分类型提示词的核心要素一个完整的分类型提示词通常包含以下四个要素要素一分类维度 —— 按什么标准分一个或多个维度 要素二分类标签 —— 分成哪些类别预设标签 or 让AI动态生成 要素三分类规则 —— 每个类别的判定标准是什么 要素四输出格式 —— 分类结果怎么呈现表格、列表、分组等二、分类型提示词的基础模板2.1 单维度分类模板最简单的分类任务——按照一个维度进行分类。模板请将以下[内容类型]按照[分类维度]进行分类。 分类标签 - [标签A][判定标准A] - [标签B][判定标准B] - [标签C][判定标准C] 对于每个分类结果请 1. 输出所属类别 2. 用一句话解释分类理由 3. 如果某条内容难以归类标注为待确认并说明原因 待分类内容 [在此粘贴内容列表]实际案例请将以下客户邮件按紧急程度进行分类。 分类标签 - 紧急涉及合同违约、法律风险、系统故障导致客户业务中断 - 重要涉及商务合作、大客户需求变更、预算审批 - 普通一般性咨询、功能询问、常规维护请求 待分类内容 1. 系统从昨天下午开始就无法登录了我们整个销售团队 完全无法工作请尽快解决 2. 想咨询一下你们的专业版和企业版有什么具体区别 3. 我们老板对上次的方案很满意想约下周详细讨论第二期的合作。 4. 收到你们的续费提醒了想问一下有没有年度折扣 5. 刚刚发现我们的客户数据好像可以在你们平台上被其他账号看到 这是一个严重的安全问题 [AI输出示例]2.2 多维度分类模板更复杂的场景同时对内容进行多个维度的标注。模板请对以下[内容]进行多维度分类标注。 标注维度 维度1[维度名称] - 标签选项[选项A]/[选项B]/[选项C] 判定标准[具体标准] 维度2[维度名称] - 标签选项[选项A]/[选项B]/[选项C] 判定标准[具体标准] 维度3[维度名称] - 标签选项[选项A]/[选项B]/[选项C] 判定标准[具体标准] 输出格式使用表格每一行是一条原内容每一列是一个维度的分类结果。 表格最后一列为综合标签将各维度标签用|连接。 待分类内容 [在此粘贴内容]实际案例——用户反馈分类请对以下用户反馈进行三维度分类标注。 维度1情感倾向 - 标签选项正面/中性/负面 判定标准 - 正面用户表达满意、感谢、认可或推荐意愿 - 中性纯咨询、客观描述、不带明显情绪 - 负面用户表达不满、抱怨、投诉或流失意愿 维度2涉及产品模块 - 标签选项核心功能/UI交互/性能/客服/其他 判定标准 - 核心功能涉及产品的主要业务功能发布、编辑、搜索等 - UI交互涉及界面设计、操作流程、交互体验 - 性能涉及加载速度、响应时间、卡顿等 - 客服涉及客服态度、响应速度、问题解决等 - 其他不属于以上任何类别 维度3紧急程度 - 标签选项高/中/低 判定标准 - 高影响核心业务使用、有用户流失风险、涉及数据安全 - 中影响使用体验但不阻断核心流程 - 低建议性反馈、一般咨询、好评 输出格式使用表格列依次为原文|情感|模块|紧急度|综合标签 待分类的用户反馈 1. 用了三个月了整体来说功能很强大就是有时候 搜索反应有点慢希望可以优化一下。 2. 客服回复太慢了我周一提的问题周五才回黄花菜都凉了 3. 你们新版本的这个界面改版真不错看着舒服多了。 4. 导出的功能坏了点了导出按钮完全没反应 我这周要交报告啊急 5. 请问支持团队协作功能吗我们的团队有十几个人。2.3 动态分类模板AI自动发现类别当你不确定应该分哪些类时可以要求AI自动发现类别。模板请分析以下内容自动发现其中的分类模式。 分析要求 1. 首先请通读所有内容识别出其中存在的自然分类维度 请至少发现3-5个可能的分类维度 2. 对于每个分类维度请 - 为该维度命名 - 列出该维度下自然出现的类别2-6个 - 说明每个类别的特征该类别内容的共同特征 3. 选出一个你认为最具洞察力的分类维度使用这个维度 对所有内容进行一次完整分类。 4. 额外分析如果按两个维度交叉分类如情感倾向 × 涉及模块 会出现哪些有趣的交叉类别请列出交叉矩阵。 待分析内容 [在此粘贴所有内容] 动态分类在探索性分析中特别有用。比如你收到了200条用户反馈但你不确定应该从哪些角度来分析它们——这时你不需要预先设计分类体系让AI帮你发现分类维度。三、分类型提示词的五大实战场景3.1 场景一客户邮件自动分类与路由这是最常见的商业场景——每天收到几十上百封客户邮件需要快速分类并分配给对应的人处理。完整提示词你是公司的客户服务AI助手。请对以下客户邮件进行分类和路由建议。 分类体系 【问题类型】 - 技术故障产品功能异常、Bug报告、系统报错 - 功能咨询如何使用某功能、功能是否支持 - 商务合作合作洽谈、渠道合作、媒体采访 - 账户管理密码重置、账户升级、权限变更 - 投诉建议服务质量投诉、产品改进建议 【客户等级】根据邮件中客户自述或邮件信息判断 - VIP客户年付费金额50万 或 CEO/VP级别联系人 - 企业客户有明确的企业签约信息 - 普通客户上述以外 【需要产品团队介入】是/否 涉及产品Bug确认、新功能需求评估的标是 输出格式 | 邮件编号 | 发件人 | 问题类型 | 客户等级 | 紧急度(1-5) | 产品团队介入 | 建议处理人 | 分类理由摘要 | |---------|--------|---------|---------|------------|------------|-----------|------------| 在表格后附加 - 需要立即处理的邮件列表紧急度5分或VIP客户紧急度4分以上 - 可以批量回复的邮件类型相同问题可以统一答复的 待分类邮件 [在此粘贴邮件列表]3.2 场景二文本内容的话题标签生成内容创作者经常需要为文章/视频打标签AI在这方面比人工效率高得多。提示词请为以下文章生成内容标签。 标签生成规则 1. 主题标签3-5个文章涉及的核心主题领域 - 选择最精准的主题词不要太宽泛如用提示词工程而非AI 2. 受众标签1-2个目标读者群体 可选标签[技术小白/开发者/产品经理/管理者/学生/创业者/设计师] 3. 内容类型标签1个 可选标签[教程/观点/案例/工具推荐/行业分析/经验分享/访谈] 4. 风格标签1-2个 可选标签[实用/深度/轻松/学术/故事化/数据驱动] 5. SEO关键词5个文章中频繁出现且具有搜索价值的关键词 用于搜索引擎优化 注意标签之间要有区分度避免同义重复。 请按以上5个类别分别输出标签。 文章内容 [在此粘贴文章]3.3 场景三数据记录的智能归类 很多公司的历史数据是一团乱麻——不同时期用不同格式记录、命名不统一、分类混乱。分类型提示词可以帮你标准化这些数据。提示词请将以下散乱的业务记录归入标准化的分类体系中。 标准化分类体系 一级分类[研发/销售/运营/行政/战略] 二级分类研发生态下[需求管理/项目排期/Bug追踪/技术调研/上线记录] 二级分类销售生态下[商机/线索/客户拜访/签约/续费] 二级分类运营生态下[内容发布/活动执行/用户反馈/数据分析] 二级分类行政生态下[人事/财务/法务/行政后勤] 二级分类战略生态下[竞品分析/市场调研/融资/战略规划] 分类规则 1. 先判断一级分类再判断二级分类 2. 如果一条记录可能同时属于多个分类请同时标注并说明原因 3. 如果一条记录无法归入现有分类体系请标注为未分类 并建议新增什么分类 输出格式 | 原始记录 | 一级分类 | 二级分类 | 置信度 | 分类依据关键词 | |---------|---------|---------|--------|-----------------| 待分类记录 [在此粘贴记录列表]3.4 场景四情感与意图识别分类 这是一个特别有价值的分类场景——不仅要分类说了什么还要分类说话人的情感和意图。提示词请对以下用户对话进行情感和意图分类分析。 【情感分类】 标签非常满意 / 满意 / 中性 / 不满 / 极度不满 判定标准 - 非常满意明确表达感谢、称赞、推荐意愿 - 满意肯定性评价但语气平和 - 中性客观描述事实无明显好恶 - 不满表达抱怨、批评但情绪可控 - 极度不满愤怒语气、威胁流失、要求投诉 【意图分类】 标签寻求帮助 / 投诉抱怨 / 提供建议 / 咨询信息 / 表达感谢 判定标准 - 寻求帮助用户遇到了问题需要解决 - 投诉抱怨对产品或服务表达不满 - 提供建议主动提出改进意见 - 咨询信息询问产品功能、价格等信息 - 表达感谢纯粹表达感谢或认可 【购买意向】如有相关信号 标签强意向 / 弱意向 / 无意向 / 无法判断 判定标准 - 强意向明确询问价格、试用、购买方式 - 弱意向对产品表示兴趣但无明显购买信号 - 无意向明确表示不感兴趣或不考虑 输出格式每条对话标注情感|意图|购买意向|关键证据摘录原文语句 对话内容 [在此粘贴对话记录]3.5 场景五知识库内容的结构化整理对于团队知识库中杂乱无章的文档AI可以帮你完成初期整理。提示词请将以下知识库文档列表按照主题和信息类型进行分类整理。 【主题维度】 - 产品知识产品功能、使用手册、Release Notes - 技术知识技术方案、架构设计、技术调研、故障复盘 - 流程知识SOP、操作规范、审批流程 - 业务知识业务逻辑、行业知识、竞品分析 - 管理知识会议纪要、OKR、团队建设、制度文件 【信息类型维度】 - 参考型可以反复查阅的规范性文档 - 教程型步骤式的教学文档 - 记录型时间性的过程记录会议纪要、复盘等 - 决策型包含决策分析和结论 输出要求 1. 按主题维度分组输出每组内按信息类型维度标注 2. 识别出可能的重复/相似文档内容高度重复的文档对有标注 3. 识别出欠缺的文档类型这个知识库缺少什么类型的文档 文档列表 [在此粘贴文档列表]四、分类型提示词的进阶技巧4.1 技巧一边界案例处理策略⚠️ 分类任务中最棘手的是边界案例——那些介于两个类别之间的模糊项。好的分类提示词必须包含边界案例的处理策略。边界案例处理规则嵌入在分类提示词中 当遇到难以明确归类的边界案例时 1. 优先原则当一条内容同时满足多个分类标准时 按以下优先级判定A类 B类 C类 即如果同时符合A和B归入A 2. 主力特征原则关注内容中最主要的意图/特征 忽略次要特征。例如 - 用户在咨询价格时附带了一句抱怨 → 归入咨询信息 主要意图是咨询 - 用户在投诉问题时顺便问了替代方案 → 归入投诉抱怨 主要情绪是投诉 3. 兜底原则如果实在无法判断归入其他类别 并在备注中说明判断困难的原因和备选类别。 4. 标注策略对于置信度低于70%的分类结果 在备注中标注为低置信度备选类别为[某类别]4.2 技巧二多分类器交叉验证 这是我实践中总结的一个高级技巧——用多个分类维度交叉验证大幅提升分类准确率。策略说明 不要依赖单一维度的分类结果。设计两套不同的分类逻辑 让它们互相验证。 第一轮按内容主题分类 AI基于关键词和语义进行判断 第二轮按用户意图分类 AI基于深层目的进行判断 交叉验证 如果某条内容在内容主题维度被归为投诉 在用户意图维度也被归为寻求解决或投诉抱怨 则两轮分类互相验证置信度高。 如果两轮分类结果矛盾——比如内容主题是功能咨询 但用户意图是投诉抱怨——则需要人工复核 或者是更有洞察力的发现。4.3 技巧三分类置信度标注要求AI对自己每次分类的确定程度进行评分这让你可以决定哪些分类结果可以直接信任哪些需要人工复核。请在每次分类结果后附加一个置信度评分1-5分 5分极其确定。内容中有明确的关键词或信号对应某个类别。 4分比较确定。大部分信号指向该类别无明显矛盾。 3分有一定把握。主要信号指向该类别但存在一些干扰因素。 2分不太确定。信号模糊多个类别都有可能。 1分几乎靠猜。内容信息不足以做判断。 对于置信度≤2分的分类请额外输出 - 为什么不确定 - 如果非要归类你的最佳猜测是什么 - 需要什么额外信息才能做出更准确的判断4.4 技巧四分类结果的统计分析好的分类型提示词不仅输出分类结果还能提供有价值的统计洞察。在完成所有内容的分类后请进行一次分类结果统计分析 1. 类别分布每个类别的内容数量及占比用百分比表示 2. 异常发现 - 占比最大的类别是否预期之内 - 占比异常小的类别是否可能设置了过窄的分类标准 - 其他/无法分类类别的占比如果超过10%建议考虑调整分类体系 3. 交叉发现如果进行了多维度分类指出最有价值的交叉发现 如负面反馈中70%集中在XX模块 4. 分类体系优化建议当前分类体系是否合理 是否有需要合并或拆分的类别是否有遗漏的类别五、构建可复用的分类提示词系统5.1 从一次性分类到分类系统对于需要持续进行的分类任务如每天收到的邮件、每周的客户反馈整理我会建议构建一个分类提示词系统而非一个分类提示词。分类提示词系统包含三个部分第一部分分类配置在初始化时设定一次 - 分类体系定义类别名称、判定标准、优先级规则 - 输出格式规范 - 质量标准定义 第二部分单次分类指令每次使用时调用 - 本次待分类的输入内容 - 本次的特殊注意事项 第三部分质量反馈每次分类后执行 - AI自我检查分类质量 - 识别需要人工复核的项目 - 对分类体系的改进建议5.2 分类系统的完整示例第一部分——分类配置可以保存为固定提示词模板 客户反馈分类系统配置 【分类维度与标签】 维度1反馈类型 - Bug报告用户遇到的产品功能异常 判定标准描述了具体的异常行为且行为与产品设计不符 - 功能需求用户希望新增的功能 判定标准使用了能不能希望建议增加等表达 - 体验问题功能正常但体验不佳 判定标准功能可用但用户对此表达了不满或困扰 如操作复杂、不直观、效率低 - 好评正面评价 判定标准表达了满意、推荐或感谢 维度2涉及模块 - 账号系统登录、注册、权限、个人信息 - 核心业务产品的核心价值功能模块 - 支付/订单支付流程、订单管理、发票 - 通知/消息系统通知、站内信、邮件 - 界面/交互UI设计、操作流程、体验相关 - 其他 维度3严重等级 - P0-阻断用户完全无法使用核心功能 - P1-严重严重影响使用体验但可绕过 - P2-一般影响较小不阻断使用 - P3-轻微细微问题或建议优化第二部分——单次分类指令基于上述分类系统配置请对以下本周新增的客户反馈进行分类。 特别事项本周产品刚上线了新版本请特别关注与新功能相关的反馈 在备注中标注新版本相关。 输入内容 [在此粘贴本周的客户反馈]第三部分——质量反馈指令分类完成后自动触发请在完成分类后执行以下质量检查 1. 自检复盘至少3条分类结果说明你的分类逻辑 2. 标记列出所有置信度低于70%的分类项 3. 统计按模块和等级交叉统计找出问题最集中的模块 4. 趋势与上周相比是否有新的问题类型出现六、分类型提示词的常见误区6.1 误区一分类标签过多❌ 过于复杂的分类体系 问题类型分为20个类别其中一半的类别一年也用不到一次。 ✅ 简化策略 从最粗颗粒度的分类开始3-5个主要类别 在实际使用中发现确有必要时再做细分。 少而清晰的分类体系远好于多而模糊的。6.2 误区二忽略无法分类的情况❌ 没有考虑边缘情况 只定义了A/B/C三个类别当遇到不属于任何类别的输入时 AI可能会强行归类导致错误。 ✅ 预留其他类别 始终保留一个其他/待定类别并设定规则 - 什么情况下归入其他 - 归入其他的内容后续怎么处理 - 定期复盘其他类别看是否需要新增正式类别6.3 误区三分类标准描述不清❌ 模糊的分类标准 重要邮件指比较重要、需要优先处理的邮件 什么叫比较重要谁来定义 ✅ 清晰的分类标准 重要邮件满足以下任一条件的邮件—— - 来自VIP客户名单中的邮箱 - 标题中包含紧急合同投诉法律关键词 - 邮件中明确提到了具体的截止日期48小时内 - 涉及金额超过5000元的商务事项七、分类质量的自检清单完成一个分类型提示词后用这个清单快速检查检查项说明是否通过分类维度清晰每个分类维度有明确的定义和判定标准□标签互斥每条内容在同一维度下只能归入一个类别或设定多重分类规则□边界情况有处理明确了模糊案例的判定策略和兜底规则□其他类别有定义什么时候归入其他、归入后怎么处理□输出格式明确规定了分类结果的呈现方式表格/列表/分组□有质量检查机制要求AI自检、标注置信度或识别需要复核的项目□分类体系可迭代设置了分类体系的反馈和优化路径□✅ 本文核心要点总结分类型提示词的四个层次简单归类、多维标注、动态分类、推理分类——从预设标签到AI自主发现核心四要素分类维度、分类标签、分类规则、输出格式——缺一不可三大基础模板单维度分类、多维度分类、动态分类——覆盖所有分类场景五大实战场景客户邮件分类路由、内容标签生成、数据记录智能归类、情感意图识别、知识库结构化整理四大进阶技巧边界案例处理策略、多分类器交叉验证、分类置信度标注、分类结果统计分析构建分类系统比写单个分类提示词更重要——配置、执行、反馈三步循环分类型提示词常见误区标签过多、忽略无法分类、分类标准模糊好的分类不仅是把东西放对位置更重要的是通过分类发现信息中的规律和洞察本文是《提示词工程教程》系列的第15篇。掌握了分类型提示词下一篇我们将进入编程辅助型提示词的学习——如何让AI成为你的结对编程伙伴从代码生成到Bug修复全面提升你的开发效率。
分类型提示词让AI帮你高效整理信息你有没有想过一个问题人类的大脑其实不擅长分类——我们天生适合处理连续的、叙事性的信息但面对几百条混乱的数据时我们的大脑会迅速过载。而AI恰恰相反分类是它最擅长的任务之一。这篇文章我不仅要教你如何用AI做分类更要让你掌握一种思维——把任何看起来一团糟的信息整理任务转化为一个分类提示词让AI替你完成那些枯燥但重要的信息整理工作。一、什么是分类型提示词1.1 定义与本质分类型提示词是引导AI按照特定标准和框架将输入信息归类、分组、标注的提示词类型。它的本质是为混乱的信息建立秩序。分类型提示词解决的问题非常明确输入一堆没有结构、没有标签、没有排序的原始信息 处理AI按照你定义的分类体系和规则进行归类整理 输出结构化、有标签、可检索、可分析的有序信息1.2 分类任务的四种层次在我的实践中分类任务可以分为四个难度层次层次名称描述典型场景第一层简单归类将内容归入预设的类别邮件分类工作/个人/垃圾、文件类型分类第二层多维标注从多个维度给内容打标签用户反馈的情感紧急度产品模块标注第三层动态分类AI自动发现类别并归类从海量用户评论中发现话题聚类第四层推理分类需要逻辑推理的分类判断判断客户意图、预测用户行为类型 大多数人的分类需求停留在第一层和第二层而真正能大幅提升工作效率的往往是第三层和第四层的能力。这篇文章会覆盖全部四个层次。1.3 分类型提示词的核心要素一个完整的分类型提示词通常包含以下四个要素要素一分类维度 —— 按什么标准分一个或多个维度 要素二分类标签 —— 分成哪些类别预设标签 or 让AI动态生成 要素三分类规则 —— 每个类别的判定标准是什么 要素四输出格式 —— 分类结果怎么呈现表格、列表、分组等二、分类型提示词的基础模板2.1 单维度分类模板最简单的分类任务——按照一个维度进行分类。模板请将以下[内容类型]按照[分类维度]进行分类。 分类标签 - [标签A][判定标准A] - [标签B][判定标准B] - [标签C][判定标准C] 对于每个分类结果请 1. 输出所属类别 2. 用一句话解释分类理由 3. 如果某条内容难以归类标注为待确认并说明原因 待分类内容 [在此粘贴内容列表]实际案例请将以下客户邮件按紧急程度进行分类。 分类标签 - 紧急涉及合同违约、法律风险、系统故障导致客户业务中断 - 重要涉及商务合作、大客户需求变更、预算审批 - 普通一般性咨询、功能询问、常规维护请求 待分类内容 1. 系统从昨天下午开始就无法登录了我们整个销售团队 完全无法工作请尽快解决 2. 想咨询一下你们的专业版和企业版有什么具体区别 3. 我们老板对上次的方案很满意想约下周详细讨论第二期的合作。 4. 收到你们的续费提醒了想问一下有没有年度折扣 5. 刚刚发现我们的客户数据好像可以在你们平台上被其他账号看到 这是一个严重的安全问题 [AI输出示例]2.2 多维度分类模板更复杂的场景同时对内容进行多个维度的标注。模板请对以下[内容]进行多维度分类标注。 标注维度 维度1[维度名称] - 标签选项[选项A]/[选项B]/[选项C] 判定标准[具体标准] 维度2[维度名称] - 标签选项[选项A]/[选项B]/[选项C] 判定标准[具体标准] 维度3[维度名称] - 标签选项[选项A]/[选项B]/[选项C] 判定标准[具体标准] 输出格式使用表格每一行是一条原内容每一列是一个维度的分类结果。 表格最后一列为综合标签将各维度标签用|连接。 待分类内容 [在此粘贴内容]实际案例——用户反馈分类请对以下用户反馈进行三维度分类标注。 维度1情感倾向 - 标签选项正面/中性/负面 判定标准 - 正面用户表达满意、感谢、认可或推荐意愿 - 中性纯咨询、客观描述、不带明显情绪 - 负面用户表达不满、抱怨、投诉或流失意愿 维度2涉及产品模块 - 标签选项核心功能/UI交互/性能/客服/其他 判定标准 - 核心功能涉及产品的主要业务功能发布、编辑、搜索等 - UI交互涉及界面设计、操作流程、交互体验 - 性能涉及加载速度、响应时间、卡顿等 - 客服涉及客服态度、响应速度、问题解决等 - 其他不属于以上任何类别 维度3紧急程度 - 标签选项高/中/低 判定标准 - 高影响核心业务使用、有用户流失风险、涉及数据安全 - 中影响使用体验但不阻断核心流程 - 低建议性反馈、一般咨询、好评 输出格式使用表格列依次为原文|情感|模块|紧急度|综合标签 待分类的用户反馈 1. 用了三个月了整体来说功能很强大就是有时候 搜索反应有点慢希望可以优化一下。 2. 客服回复太慢了我周一提的问题周五才回黄花菜都凉了 3. 你们新版本的这个界面改版真不错看着舒服多了。 4. 导出的功能坏了点了导出按钮完全没反应 我这周要交报告啊急 5. 请问支持团队协作功能吗我们的团队有十几个人。2.3 动态分类模板AI自动发现类别当你不确定应该分哪些类时可以要求AI自动发现类别。模板请分析以下内容自动发现其中的分类模式。 分析要求 1. 首先请通读所有内容识别出其中存在的自然分类维度 请至少发现3-5个可能的分类维度 2. 对于每个分类维度请 - 为该维度命名 - 列出该维度下自然出现的类别2-6个 - 说明每个类别的特征该类别内容的共同特征 3. 选出一个你认为最具洞察力的分类维度使用这个维度 对所有内容进行一次完整分类。 4. 额外分析如果按两个维度交叉分类如情感倾向 × 涉及模块 会出现哪些有趣的交叉类别请列出交叉矩阵。 待分析内容 [在此粘贴所有内容] 动态分类在探索性分析中特别有用。比如你收到了200条用户反馈但你不确定应该从哪些角度来分析它们——这时你不需要预先设计分类体系让AI帮你发现分类维度。三、分类型提示词的五大实战场景3.1 场景一客户邮件自动分类与路由这是最常见的商业场景——每天收到几十上百封客户邮件需要快速分类并分配给对应的人处理。完整提示词你是公司的客户服务AI助手。请对以下客户邮件进行分类和路由建议。 分类体系 【问题类型】 - 技术故障产品功能异常、Bug报告、系统报错 - 功能咨询如何使用某功能、功能是否支持 - 商务合作合作洽谈、渠道合作、媒体采访 - 账户管理密码重置、账户升级、权限变更 - 投诉建议服务质量投诉、产品改进建议 【客户等级】根据邮件中客户自述或邮件信息判断 - VIP客户年付费金额50万 或 CEO/VP级别联系人 - 企业客户有明确的企业签约信息 - 普通客户上述以外 【需要产品团队介入】是/否 涉及产品Bug确认、新功能需求评估的标是 输出格式 | 邮件编号 | 发件人 | 问题类型 | 客户等级 | 紧急度(1-5) | 产品团队介入 | 建议处理人 | 分类理由摘要 | |---------|--------|---------|---------|------------|------------|-----------|------------| 在表格后附加 - 需要立即处理的邮件列表紧急度5分或VIP客户紧急度4分以上 - 可以批量回复的邮件类型相同问题可以统一答复的 待分类邮件 [在此粘贴邮件列表]3.2 场景二文本内容的话题标签生成内容创作者经常需要为文章/视频打标签AI在这方面比人工效率高得多。提示词请为以下文章生成内容标签。 标签生成规则 1. 主题标签3-5个文章涉及的核心主题领域 - 选择最精准的主题词不要太宽泛如用提示词工程而非AI 2. 受众标签1-2个目标读者群体 可选标签[技术小白/开发者/产品经理/管理者/学生/创业者/设计师] 3. 内容类型标签1个 可选标签[教程/观点/案例/工具推荐/行业分析/经验分享/访谈] 4. 风格标签1-2个 可选标签[实用/深度/轻松/学术/故事化/数据驱动] 5. SEO关键词5个文章中频繁出现且具有搜索价值的关键词 用于搜索引擎优化 注意标签之间要有区分度避免同义重复。 请按以上5个类别分别输出标签。 文章内容 [在此粘贴文章]3.3 场景三数据记录的智能归类 很多公司的历史数据是一团乱麻——不同时期用不同格式记录、命名不统一、分类混乱。分类型提示词可以帮你标准化这些数据。提示词请将以下散乱的业务记录归入标准化的分类体系中。 标准化分类体系 一级分类[研发/销售/运营/行政/战略] 二级分类研发生态下[需求管理/项目排期/Bug追踪/技术调研/上线记录] 二级分类销售生态下[商机/线索/客户拜访/签约/续费] 二级分类运营生态下[内容发布/活动执行/用户反馈/数据分析] 二级分类行政生态下[人事/财务/法务/行政后勤] 二级分类战略生态下[竞品分析/市场调研/融资/战略规划] 分类规则 1. 先判断一级分类再判断二级分类 2. 如果一条记录可能同时属于多个分类请同时标注并说明原因 3. 如果一条记录无法归入现有分类体系请标注为未分类 并建议新增什么分类 输出格式 | 原始记录 | 一级分类 | 二级分类 | 置信度 | 分类依据关键词 | |---------|---------|---------|--------|-----------------| 待分类记录 [在此粘贴记录列表]3.4 场景四情感与意图识别分类 这是一个特别有价值的分类场景——不仅要分类说了什么还要分类说话人的情感和意图。提示词请对以下用户对话进行情感和意图分类分析。 【情感分类】 标签非常满意 / 满意 / 中性 / 不满 / 极度不满 判定标准 - 非常满意明确表达感谢、称赞、推荐意愿 - 满意肯定性评价但语气平和 - 中性客观描述事实无明显好恶 - 不满表达抱怨、批评但情绪可控 - 极度不满愤怒语气、威胁流失、要求投诉 【意图分类】 标签寻求帮助 / 投诉抱怨 / 提供建议 / 咨询信息 / 表达感谢 判定标准 - 寻求帮助用户遇到了问题需要解决 - 投诉抱怨对产品或服务表达不满 - 提供建议主动提出改进意见 - 咨询信息询问产品功能、价格等信息 - 表达感谢纯粹表达感谢或认可 【购买意向】如有相关信号 标签强意向 / 弱意向 / 无意向 / 无法判断 判定标准 - 强意向明确询问价格、试用、购买方式 - 弱意向对产品表示兴趣但无明显购买信号 - 无意向明确表示不感兴趣或不考虑 输出格式每条对话标注情感|意图|购买意向|关键证据摘录原文语句 对话内容 [在此粘贴对话记录]3.5 场景五知识库内容的结构化整理对于团队知识库中杂乱无章的文档AI可以帮你完成初期整理。提示词请将以下知识库文档列表按照主题和信息类型进行分类整理。 【主题维度】 - 产品知识产品功能、使用手册、Release Notes - 技术知识技术方案、架构设计、技术调研、故障复盘 - 流程知识SOP、操作规范、审批流程 - 业务知识业务逻辑、行业知识、竞品分析 - 管理知识会议纪要、OKR、团队建设、制度文件 【信息类型维度】 - 参考型可以反复查阅的规范性文档 - 教程型步骤式的教学文档 - 记录型时间性的过程记录会议纪要、复盘等 - 决策型包含决策分析和结论 输出要求 1. 按主题维度分组输出每组内按信息类型维度标注 2. 识别出可能的重复/相似文档内容高度重复的文档对有标注 3. 识别出欠缺的文档类型这个知识库缺少什么类型的文档 文档列表 [在此粘贴文档列表]四、分类型提示词的进阶技巧4.1 技巧一边界案例处理策略⚠️ 分类任务中最棘手的是边界案例——那些介于两个类别之间的模糊项。好的分类提示词必须包含边界案例的处理策略。边界案例处理规则嵌入在分类提示词中 当遇到难以明确归类的边界案例时 1. 优先原则当一条内容同时满足多个分类标准时 按以下优先级判定A类 B类 C类 即如果同时符合A和B归入A 2. 主力特征原则关注内容中最主要的意图/特征 忽略次要特征。例如 - 用户在咨询价格时附带了一句抱怨 → 归入咨询信息 主要意图是咨询 - 用户在投诉问题时顺便问了替代方案 → 归入投诉抱怨 主要情绪是投诉 3. 兜底原则如果实在无法判断归入其他类别 并在备注中说明判断困难的原因和备选类别。 4. 标注策略对于置信度低于70%的分类结果 在备注中标注为低置信度备选类别为[某类别]4.2 技巧二多分类器交叉验证 这是我实践中总结的一个高级技巧——用多个分类维度交叉验证大幅提升分类准确率。策略说明 不要依赖单一维度的分类结果。设计两套不同的分类逻辑 让它们互相验证。 第一轮按内容主题分类 AI基于关键词和语义进行判断 第二轮按用户意图分类 AI基于深层目的进行判断 交叉验证 如果某条内容在内容主题维度被归为投诉 在用户意图维度也被归为寻求解决或投诉抱怨 则两轮分类互相验证置信度高。 如果两轮分类结果矛盾——比如内容主题是功能咨询 但用户意图是投诉抱怨——则需要人工复核 或者是更有洞察力的发现。4.3 技巧三分类置信度标注要求AI对自己每次分类的确定程度进行评分这让你可以决定哪些分类结果可以直接信任哪些需要人工复核。请在每次分类结果后附加一个置信度评分1-5分 5分极其确定。内容中有明确的关键词或信号对应某个类别。 4分比较确定。大部分信号指向该类别无明显矛盾。 3分有一定把握。主要信号指向该类别但存在一些干扰因素。 2分不太确定。信号模糊多个类别都有可能。 1分几乎靠猜。内容信息不足以做判断。 对于置信度≤2分的分类请额外输出 - 为什么不确定 - 如果非要归类你的最佳猜测是什么 - 需要什么额外信息才能做出更准确的判断4.4 技巧四分类结果的统计分析好的分类型提示词不仅输出分类结果还能提供有价值的统计洞察。在完成所有内容的分类后请进行一次分类结果统计分析 1. 类别分布每个类别的内容数量及占比用百分比表示 2. 异常发现 - 占比最大的类别是否预期之内 - 占比异常小的类别是否可能设置了过窄的分类标准 - 其他/无法分类类别的占比如果超过10%建议考虑调整分类体系 3. 交叉发现如果进行了多维度分类指出最有价值的交叉发现 如负面反馈中70%集中在XX模块 4. 分类体系优化建议当前分类体系是否合理 是否有需要合并或拆分的类别是否有遗漏的类别五、构建可复用的分类提示词系统5.1 从一次性分类到分类系统对于需要持续进行的分类任务如每天收到的邮件、每周的客户反馈整理我会建议构建一个分类提示词系统而非一个分类提示词。分类提示词系统包含三个部分第一部分分类配置在初始化时设定一次 - 分类体系定义类别名称、判定标准、优先级规则 - 输出格式规范 - 质量标准定义 第二部分单次分类指令每次使用时调用 - 本次待分类的输入内容 - 本次的特殊注意事项 第三部分质量反馈每次分类后执行 - AI自我检查分类质量 - 识别需要人工复核的项目 - 对分类体系的改进建议5.2 分类系统的完整示例第一部分——分类配置可以保存为固定提示词模板 客户反馈分类系统配置 【分类维度与标签】 维度1反馈类型 - Bug报告用户遇到的产品功能异常 判定标准描述了具体的异常行为且行为与产品设计不符 - 功能需求用户希望新增的功能 判定标准使用了能不能希望建议增加等表达 - 体验问题功能正常但体验不佳 判定标准功能可用但用户对此表达了不满或困扰 如操作复杂、不直观、效率低 - 好评正面评价 判定标准表达了满意、推荐或感谢 维度2涉及模块 - 账号系统登录、注册、权限、个人信息 - 核心业务产品的核心价值功能模块 - 支付/订单支付流程、订单管理、发票 - 通知/消息系统通知、站内信、邮件 - 界面/交互UI设计、操作流程、体验相关 - 其他 维度3严重等级 - P0-阻断用户完全无法使用核心功能 - P1-严重严重影响使用体验但可绕过 - P2-一般影响较小不阻断使用 - P3-轻微细微问题或建议优化第二部分——单次分类指令基于上述分类系统配置请对以下本周新增的客户反馈进行分类。 特别事项本周产品刚上线了新版本请特别关注与新功能相关的反馈 在备注中标注新版本相关。 输入内容 [在此粘贴本周的客户反馈]第三部分——质量反馈指令分类完成后自动触发请在完成分类后执行以下质量检查 1. 自检复盘至少3条分类结果说明你的分类逻辑 2. 标记列出所有置信度低于70%的分类项 3. 统计按模块和等级交叉统计找出问题最集中的模块 4. 趋势与上周相比是否有新的问题类型出现六、分类型提示词的常见误区6.1 误区一分类标签过多❌ 过于复杂的分类体系 问题类型分为20个类别其中一半的类别一年也用不到一次。 ✅ 简化策略 从最粗颗粒度的分类开始3-5个主要类别 在实际使用中发现确有必要时再做细分。 少而清晰的分类体系远好于多而模糊的。6.2 误区二忽略无法分类的情况❌ 没有考虑边缘情况 只定义了A/B/C三个类别当遇到不属于任何类别的输入时 AI可能会强行归类导致错误。 ✅ 预留其他类别 始终保留一个其他/待定类别并设定规则 - 什么情况下归入其他 - 归入其他的内容后续怎么处理 - 定期复盘其他类别看是否需要新增正式类别6.3 误区三分类标准描述不清❌ 模糊的分类标准 重要邮件指比较重要、需要优先处理的邮件 什么叫比较重要谁来定义 ✅ 清晰的分类标准 重要邮件满足以下任一条件的邮件—— - 来自VIP客户名单中的邮箱 - 标题中包含紧急合同投诉法律关键词 - 邮件中明确提到了具体的截止日期48小时内 - 涉及金额超过5000元的商务事项七、分类质量的自检清单完成一个分类型提示词后用这个清单快速检查检查项说明是否通过分类维度清晰每个分类维度有明确的定义和判定标准□标签互斥每条内容在同一维度下只能归入一个类别或设定多重分类规则□边界情况有处理明确了模糊案例的判定策略和兜底规则□其他类别有定义什么时候归入其他、归入后怎么处理□输出格式明确规定了分类结果的呈现方式表格/列表/分组□有质量检查机制要求AI自检、标注置信度或识别需要复核的项目□分类体系可迭代设置了分类体系的反馈和优化路径□✅ 本文核心要点总结分类型提示词的四个层次简单归类、多维标注、动态分类、推理分类——从预设标签到AI自主发现核心四要素分类维度、分类标签、分类规则、输出格式——缺一不可三大基础模板单维度分类、多维度分类、动态分类——覆盖所有分类场景五大实战场景客户邮件分类路由、内容标签生成、数据记录智能归类、情感意图识别、知识库结构化整理四大进阶技巧边界案例处理策略、多分类器交叉验证、分类置信度标注、分类结果统计分析构建分类系统比写单个分类提示词更重要——配置、执行、反馈三步循环分类型提示词常见误区标签过多、忽略无法分类、分类标准模糊好的分类不仅是把东西放对位置更重要的是通过分类发现信息中的规律和洞察本文是《提示词工程教程》系列的第15篇。掌握了分类型提示词下一篇我们将进入编程辅助型提示词的学习——如何让AI成为你的结对编程伙伴从代码生成到Bug修复全面提升你的开发效率。
![[C++]内存管理：串顺序存储的内存回收](http://pic.xiahunao.cn/yaotu/[C++]内存管理：串顺序存储的内存回收)
