notion中可通过ai属性列实现情感分类、指令链提取改进建议、三元联动视图闭环追踪：一、用ai列按plutchik情绪轮自动标注八大情绪；二、用/summarize+重写指令生成三条“应”字开头的可执行建议；三、通过关系列与公式构建“反馈-情绪-建议”动态看板。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您在Notion中持续收集用户反馈，但难以从大量非结构化文本中识别情绪倾向并提炼可执行的改进建议，则可能是由于缺乏系统化的语义解析与意图提取机制。以下是基于Notion AI实现情感分类与改进建议自动提取的实操路径：
一、利用AI属性列对数据库条目批量执行情感分类
该方法通过在表格中创建专用AI列，使每条反馈自动映射至Plutchik八大基础情绪之一（喜悦、信任、恐惧、惊讶、悲伤、厌恶、愤怒、期待），避免人工标注耗时且主观性强的问题。AI列会依据预设Prompt实时分析“反馈内容”字段，并将结果写入新列，支持后续按情绪类型筛选或统计。
1、打开含用户反馈的Notion数据库，点击右上角“+ Add a property”，选择“AI”类型。
2、在AI任务类型中选择“Classify”，进入提示词编辑界面。
3、在Prompt框中输入：根据“反馈内容”列文本，严格按Plutchik情绪轮分类：若表达满意/愉悦/庆祝，输出“喜悦”；若体现依赖/认可/接纳，输出“信任”；若出现担忧/退缩/不确定性，输出“恐惧”；若含突发感/意外/震惊，输出“惊讶”；若描述失落/空虚/无力，输出“悲伤”；若流露反感/排斥/嫌弃，输出“厌恶”；若使用攻击性词汇/指责语气/强烈否定，输出“愤怒”；若展现希望/计划/等待，输出“期待”。仅返回单个情绪词，不加解释。
4、保存后，AI列将逐行运行，为每条反馈生成对应情绪标签，支持多选视图过滤与聚合统计。
二、通过“/summarize + improve writing”指令链提取结构化改进建议
该方法适用于单条高价值反馈或需深度处理的典型样本，先由AI压缩原始表述，再通过追加指令强制其剥离情绪修饰、聚焦问题本质，并转化为带主语-谓词-宾语的可执行动作句式，确保建议具备明确责任主体与操作路径。
1、在反馈条目的正文末尾换行，输入斜杠“/”唤出命令菜单。
2、选择“summarize”或键入“/summarize”后回车，生成首版摘要。
3、选中刚生成的摘要文本，再次调出AI菜单，输入指令：将以上摘要重写为三条具体改进建议，每条以“应”字开头，主语为产品团队，动词为及物动词（如优化、增加、移除、调整），宾语为明确功能点或流程环节，禁止使用模糊表述如“提升体验”“加强管理”。
4、确认生成结果，检查是否满足主谓宾完整、无抽象修饰、可直接纳入需求池的标准。
三、构建“反馈-情绪-建议”三元联动视图实现闭环追踪
该方法通过数据库关系与公式列将情感分类结果与改进建议文本动态绑定，形成可排序、可筛选、可导出的结构化看板，使情绪分布热力图与高频建议项自动同步更新，消除人工汇总断点。
1、在原数据库中新增两列：一列为“情绪分类”（已由AI属性列填充），另一列为“改进建议”（手动粘贴第二步生成的三条建议，用分号隔开）。
2、添加第三列，类型设为“Relation”，关联至同一工作区下新建的“改进建议库”数据库。
3、在“改进建议库”中为每条建议添加属性：“触发情绪”（单选，选项与主库情绪分类一致）、“出现频次”（公式列，输入length(prop("来源反馈"))）、“优先级”（手动选择高/中/低）。
4、返回主数据库，创建“情绪-建议矩阵”视图，按“情绪分类”分组，每组内按“改进建议”字段内容聚合，此时任意修改主库某条反馈的情绪标签或建议文本，所有关联视图与统计值将实时刷新。
