分类任务的标签体系是怎么给的？

想让大模型替你把一堆文本分好类，先别急着写「请分类」。分类任务能不能跑稳，取决于 AI 拿到的标签体系长什么样。文心一言也好，讯飞星火也好，模型本身不缺分类能力，缺的是一套边界清晰的标签。

标签体系先定边界再定名字

定标签的顺序有讲究：先定边界，再定名字。先把数据里实际会出现的话题范围摸清楚，划出彼此不重叠的区域，最后才给每个区域起名字。顺序反了就会出事——名字起得漂亮，边界却含糊，「售后咨询」和「使用问题」这种标签放在一起，模型只能靠猜。判断标签好坏有个土办法：随手找一条真实文本，问自己它属于且只属于哪个标签，答不出来就该改体系。

一套能用的标签体系，五个环节各自要落到什么程度。

标签描述比标签名字更管用

光有标签名不够，每个标签后面要跟一句描述，写清楚它覆盖什么、不覆盖什么。比如「物流问题：指配送速度、快递状态、包裹丢失，不含商品质量本身」。有了这句话，模型在「快递三天没到」和「收到的商品是坏的」两条之间就不会摇摆。标签描述实际承担了分类规则的职责，描述越具体，模型越不需要凭感觉办事。

兜底标签与多标签的处理写法

现实数据总有标签装不下的东西，所以要设一个兜底标签，比如「其他」，并明确告诉模型：与现有标签都对不上时才允许用它，用的时候顺手给一句理由。多标签场景则要写明「可输出多个标签，按相关度排序，最多不超过三个」。不写这句话，有的模型会只挑一个最像的，有的会把沾边的全塞进来，输出不可控。兜底标签被频繁命中时，别急着怪模型，多半是体系本身漏了一块，补一个新标签往往比改提示更有效。

输出格式怎么锁死才好统计

分类结果通常是给程序消费的，格式必须锁死。省事的写法是要求只输出标签本身，不加解释、不加标点、不加「分类结果是」这类前缀；需要理由时，规定成固定结构，例如「标签：理由」两段式。用豆包跑一小批测试文本，把输出逐条粘进表格看格式是否统一，比在对话框里目测靠谱得多。格式乱了，下游统计就全乱，返工成本反而更高。需要多级分类时，先输出一级标签再输出二级标签，逐级给清单，比一次给一长串混合标签可靠得多。约束写完后自己先想象一遍输出长什么样，想象不出来的约束，模型同样执行不了。

标签体系写好后，还可以和其他任务的提示互相借力。摘要任务同样强调输出约束，见摘要任务的长度控制；改写任务对「什么不能动」的处理方式值得借鉴，见改写任务的保义换形；分类之后往往要接字段提取，可参考信息抽取的结构设计；如果是客服留言分类，客服场景的边界提示讲了怎么守住回答范围。

分类提示自查清单

• 标签之间是否互斥，拿不准的文本有没有归属？
• 每个标签有没有一句覆盖说明，写了「不含什么」吗？
• 兜底标签设了吗，命中率高不高？
• 输出格式锁死了吗，程序能直接读吗？

四问都过，再上真实数据，别拿体系半成品跑全量。

标签体系是分类提示的地基。花在划边界上的那点时间，最后都会从结果里省回来。

关于标签体系的三个常问问题

• 标签数量多少合适？：单层标签控制在十个上下比较好操作，再多的场景优先考虑拆成两级，而不是继续平铺。
• 模型输出标签之外的词怎么办？：在提示里写明只允许从给定列表中选择，并在示例里展示一次越界后被纠正的样子。
• 标签描述要写多长？：一到两句足够，关键是写出「不含什么」，排除项比包含项更能压住模糊地带。