分类型提示词：让AI帮你高效整理信息

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。