必须前置同义词归一化：将语义相近表达统一替换为【标准问题短语】，仅保留最通用、无歧义、中性名词短语；锚点库用中文双引号键名+英文冒号；分层过滤按删修饰词、剥离限定词、压缩主干顺序执行；禁用技术术语替代口语。
☞☞☞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☜☜☜
你需要从大量用户反馈中提取真实痛点，但原始语料里反复出现“太慢了”“速度不行”“加载好慢”这类同义重复表达，导致关键词统计失真、归因困难。必须让模型在保留语义的前提下压缩表达变体，聚焦问题本质。
用同义词归一化模板强制收敛
在提示词开头插入固定指令：“将以下用户反馈中的所有语义相近表达统一替换为【标准问题短语】，仅保留一个最通用、无歧义、不含情绪修饰的中性名词短语；不新增解释，不改变原句结构，不合并句子。”
例如把“反应迟钝”“卡住了”“半天没响应”全部替换成【响应延迟】。
这一步必须前置——若放在清洗流程后半段，模型已受原始措辞影响，容易残留变体。
人工预设高频问题锚点库
方法一：在提示词末尾附带JSON格式锚点表，明确指定映射关系：
{"加载慢":"加载延迟","总崩溃":"运行中断","找不到入口":"导航缺失","字太小":"字号不适配","发不出消息":"发送失败"}
方法二：对未覆盖的新表达，要求模型返回“未匹配→建议归类为【XXX】”，而非自行发挥。这样能快速发现语义盲区，及时补全锚点。
【锚点库必须用中文双引号包裹键名，英文冒号，且键名不含空格或标点】
分层过滤冗余修饰词
第一步：删除所有程度副词（“特别”“超级”“极其”）和主观评价（“简直”“感觉”“好像”）；
第二步：剥离设备/场景限定词（“在手机上”“用Edge时”“每次打开首页”），除非该限定词直接构成问题成因（如“iOS17系统下闪退”需保留“iOS17”）；
第三步：将动宾结构压缩为主谓宾主干，例如“我点了三次提交按钮都没反应”→“提交无响应”。
这三步顺序不可颠倒——先去情绪再删上下文最后抽主干，否则会误删关键条件。
用否定式约束防止语义漂移
在提示词中加入硬性禁令：“禁止将‘登录不了’改写为‘认证异常’，禁止将‘图片糊’改写为‘渲染失真’，禁止引入技术术语；所有输出必须是用户原话中真实出现过的词汇组合。”
这能堵住模型用专业词替代口语表达的惯性路径，确保归一结果仍可被业务方直观理解。
