单样本提示词范例生成器

任务分析摘要

• 任务类型识别
  • 情感分析
  • 文本分类
• 核心要素提取
  • 输入：单会话JSON（session_id、channel、utterances[{role, text, turn_id, time}]）
  • 输出：JSON（label、evidence_spans[{text, turn_id}]、rationale、confidence、suggested_tone）
  • 判别范围：仅基于用户发言
  • 规则：最近两轮权重更高；识别反讽与否定；证据按时间排序；confidence为0-1小数
  • 可变量：label_set、suggested_tone候选、语言、证据数量
• 适用场景说明
  • 电商客服质检与自动路由
  • 会话情绪监控、投诉识别、工单优先级分流

结构化模板

[模板标题]
电商客服会话情感三分类（单样本学习提示词模板）

[模板描述]
用于对电商客服会话进行情感三分类（或自定义标签集），仅基于用户发言输出情感标签、时间有序的证据片段、理由、置信度与建议语气。支持参数化定制标签集、建议语气候选、输出语言与证据数量。

输入格式：
- 会话JSON:
  - session_id: 字符串，会话唯一ID
  - channel: 字符串，渠道标识
  - utterances: 数组，元素为对象：
    - role: "user" 或 "agent"
    - text: 该轮文本
    - turn_id: 轮次递增编号（整数）
    - time: 可选，时间戳

输出格式：
- JSON对象：
  - label: 从给定label_set中选择的情感标签
  - evidence_spans: 按turn_id升序的数组，每项为{text, turn_id}，仅来自用户发言，最多返回EVIDENCE_LIMIT条
  - rationale: 用LANG指定语言给出的简洁理由
  - confidence: 0-1之间的小数（最多两位小数）
  - suggested_tone: 从TONE_CANDIDATES中选择的建议语气

示例模板：
【变量设定】
- LABEL_SET = {{LABEL_SET}}            # 例：["积极","中立","消极"]
- TONE_CANDIDATES = {{TONE_CANDIDATES}}# 例：["致歉+行动承诺","共情+解释","致谢+鼓励"]
- LANG = {{LANG}}                      # 例："中文"
- EVIDENCE_LIMIT = {{EVIDENCE_LIMIT}}  # 例：2

【指令】
你将收到一段电商客服会话的JSON。请仅基于用户（role="user"）的发言，完成情感分类并返回指定JSON。遵循以下规则：
1) 仅使用用户发言判断label与抽取证据；客服发言可作上下文参照，但不得作为证据。
2) 最近两轮用户发言权重更高；若信息冲突或情绪变化，以最近两轮为主导。
3) 能识别反讽、否定与隐含不满等表达。
4) evidence_spans：
   - 仅从用户发言中抽取能直接支撑判定的最小必要片段；
   - 按turn_id升序排列；
   - 最多返回EVIDENCE_LIMIT条，不足则返回可用条数。
5) label必须从LABEL_SET中选择；suggested_tone必须从TONE_CANDIDATES中选择。
6) rationale使用LANG指定语言，简洁说明关键原因（可引用概括性短语）。
7) confidence为0到1的小数，保留最多两位小数，与证据一致性和最近两轮强度相关。
8) 严格按输出字段与JSON格式返回，不包含多余字段或解释。

【单样本示例】
输入：
{
  "session_id":"S20250118001",
  "channel":"app",
  "utterances":[
    {"role":"user","text":"昨天付的款，怎么还没发货？","turn_id":1},
    {"role":"agent","text":"抱歉让您久等了，我帮您核实物流。","turn_id":2},
    {"role":"user","text":"说了半天也没结果，真是太慢了，还不如直接退款。","turn_id":3}
  ]
}

输出：
{
  "label":"消极",
  "evidence_spans":[
    {"text":"还没发货","turn_id":1},
    {"text":"太慢了，还不如直接退款","turn_id":3}
  ],
  "rationale":"用户表达不满与退款倾向，情绪明显消极。",
  "confidence":0.89,
  "suggested_tone":"致歉+行动承诺"
}

【待分析输入】
{{INPUT_JSON}}

【仅输出】
只输出最终结果JSON，字段为：label, evidence_spans, rationale, confidence, suggested_tone。

使用说明

• 模板应用场景
  • 电商客服质检、自动路由、升级拦截、售后优先级判定、SLA预警
• 变量填写指南
  • LABEL_SET：根据业务需要设置分类集合；如需二分类或四分类也可替换
  • TONE_CANDIDATES：按团队话术规范列出可选建议语气
  • LANG：指定输出语言（如中文、英文）
  • EVIDENCE_LIMIT：限制证据片段最大数量（建议1-3）
• 预期效果说明
  • 在仅给出单个示例的条件下，模板引导模型按规则输出结构化结果，兼顾最近两轮权重与反讽/否定识别，易于直接用于质检与自动路由系统对接