把用户反馈变成 AI 原型，按这步走

上周三，销售转来两百条工单，问能不能按要不要进下周排期分一下。人工看要两小时，还容易漏。我带三十人团队，最怕把AI当玩具。这个方向值得做，但要能接进流程。我拿 Claude 做了一个反馈分流原型，流程不复杂，可以照抄。

任务是把用户反馈变成可检查的机器输出，再进产品看板。原型先做到能跑通判断、能被人复核。

先跑通一个最小流程。

选小切口。不要做“用 AI 做客户洞察”这种大题目，改成把一周反馈分成五类，需求明确、体验吐槽、配置咨询、疑似故障、暂不相关。类别要互斥，一重叠模型就懵。

准备 30 条样例。把工单导出成 CSV。CSV 就是逗号隔开的表格，Excel 能打开。字段只要编号、原文、来源。删掉客户名、电话、合同金额。隐私没处理，法务会卡你。

定成功标准。别写看起来准。可以定人工抽十条，至少九条方向没错；疑似故障不能漏；每条要有理由和建议动作。理由是模型为什么这么分，建议动作是下一步干什么。

打开 Claude 对话窗口，新建会话。输入框粘贴下面内容。

你是一名 B 端产品分析助手。请把每条反馈归入上面五类之一，输出 JSON，字段有 id、category、reason、action。只根据原文判断，不要编造。

再粘贴样例。发送后，你看到的应该是一组带花括号的条目。预期每条都有编号、类别、理由、动作。格式乱就补一句，请严格输出 JSON 数组，不要额外解释。

人工复核十条。在 Excel 加三列，模型判断、人工判断、是否一致。不一致先别骂模型，先看类别是否定义不清，或原文缺上下文。

接进排期。高优先级动作丢进看板，比如疑似故障转技术支持，需求明确进产品评审。不做这一步，AI 输出只是漂亮文字。

固化成周报。新反馈按同样格式丢进去，让模型输出摘要和分类表。先手动跑，稳定再自动化。我这几天在试 AI Agent，就是让程序自动拉数据、跑模型、写报告。新手先别上 Agent，先把 30 条样例跑明白。

新手容易踩几个坑。样例太少，三五条就把边界当真理。类别太像，比如体验吐槽和需求明确混在一起，没法排优先级。只看 Demo，不看生产可行性，客户说想要自动升降顶，AI 能总结需求，但结构、成本、供应链不会替你拍板。还有数据脏，日期格式错、重复提交、截图没转文字，清洗比模型更耗时。

优点很直接。快，一个下午能跑通；可检查，能拿人工复核结果说话；能接进现有流程。缺点也明显。模型不能替代产品判断，不能保证每条都对，涉密资料不能随便丢云端，输出需要人抽检。我用了大概一个月 Claude，体感是处理结构化反馈真省事，前提是反馈本身规整。

Andrew Ng 的 AI Engineering Skills Map 里有个判断，我挺认同，AI 工程要反复构建、检查、决定下一步。据说这套技能地图基于超过一万个职位分析，还访谈了不少专家。这件事要落到每条反馈接进排期。

如果能稳定输出分类结果，下一步可以试两件事。加一个置信度字段。置信度是模型对自己判断的把握程度，低置信度转人工，能减少误伤。把周报从聊天窗口挪到表格，给销售和客服用。再往后，才值得考虑云端 GPU、内部模型、Agent 编排。

接下来半年，能把模型输出接进团队流程，比只写提示词更值钱。

---

📌 本文编译自 Hacker News，原文：https://twitter.com/andrewyng/status/2098459474608672916

版权归原作者所有，本文为基于公开报道的编译与独立分析。