Prompt写了一大堆，模型还是答非所问，是不是我思路不对？

说实话你这个问题我太有共鸣了，之前做意图识别也卡在“建议”和“抱怨”的边界上。后来发现这类任务别硬靠prompt堆例子，不如把分类标准拆成可操作的小问题，比如让模型先判断“用户是否提出了具体改进动作”，再决定标签。另外建议试试让模型输出思考过程或给一个“不确定”选项，边缘case直接让它标低置信度，比强行二选一稳定多了。

这问题我熟，之前做意图识别也撞过同样的墙。你别说500字，我试过上千字prompt，边缘case该翻车还是翻车。后来发现，与其让它理解模糊概念，不如直接给个决策树——比如“如果提到‘建议’‘要是能’就归功能建议，‘难用’‘太差’配情绪词才是抱怨”。这种规则比角色设定好使得多。另外你分类本身可能就有问题，“鸡肋”这种中性偏负面的词，在用户心里确实可能是想改进，建议你重新定义下类别边界，或者干脆加个“含改进意图的吐槽”这个第三类。

500字确实有点堆了，不如把定义边界写清楚，比如“鸡肋”这种词到底算哪类，光靠例子不够。

这事我踩过类似的坑，堆Prompt字数到后面边际收益基本为零，甚至还会互相干扰。你举的“鸡肋”这个例子挺典型，它本身就带着情绪词，但意图又偏向改进，模型在语义空间里很难靠几条规则划清界限。我的经验是，与其让模型做主观判断，不如先把分类标准拆成可观测的信号，比如有没有具体改进方向、有没有明确的痛点描述、情绪词占比多少，然后再让它输出。另一个思路是别一步到位分四类，先分“有没有建设性”再分“指向功能还是体验”，分层判断比一次性硬分准得多。还有一点，few-shot的例子要覆盖你真正头疼的边缘case，别只放那种一眼就能看出来的正例，否则模型学到的边界还是模糊的。如果量够大，其实可以考虑先人工标几百条，拿来做微调或者训练一个小分类器，比继续磨Prompt稳。

500字不如换个思路：把模糊case交给模型先问一句“用户到底想要啥”，再分类，比硬塞例子管用。