AI教程

智能体收到“查订单”“退货”“查优惠”时，先分类用户意图，遇到不确定或不支持的请求应停下追问。下面训练一个本地字符特征分类器，展示最高类别概率，并用演示阈值把低置信请求标为“转人工确认”。

客服工单只有“退款、物流、其他”三个固定标签时，先判断能否用带人工标签的文本训练一个可复核的传统分类基线；若还要求从自由文本中提取原因、解释依据或处理开放问题，再考虑大模型。下面用相同的工单样本展示两条路径各自需要检查什么。

NLP 里的 token 是分词器交给模型的离散单位，既不必等于一个汉字，也不必等于一个空格隔开的词。先用一份极小的教学语料训练 WordPiece 分词器，再比较字符数、空格词数和实际 token 数，最后演示截断会丢掉什么。

AI 提出的数据质量规则只有转成确定性的断言并用反例试验，才能纳入数据流水线。示例把金额为正、编号非空且唯一三项建议转成代码。

上传客户文本给 ChatGPT 前，先用 Python 本地遮蔽手机号与邮箱，再人工核查姓名、订单号等漏项。

用人物、关键事件和结果三栏写作文摘要，附原文依据并检查是否编造奖项或遗漏主线。

用 DeepSeek JSON Output 整理客户反馈问题、原句证据和待核实项，代码对空响应和无依据引句报错。

给 ChatGPT 英文摘要润色提示，逐句核对样本数、指标定义、结论强度和外部验证限制。

用事实锁定表让 ChatGPT 改写公众号活动稿，逐项核对日期、地点、引语和缺失报名信息。

给 ChatGPT 受控提词提示，要求每个关键词附原文依据，再人工选出不重复的站内标签。