title: "AI整理用户反馈 | 工单分类和优先级"
category: 人工智能
tags:
- 大模型API中转站
- 4SAPI
- 用户反馈
- 工单系统
- AI工作流
- Claude Fable 5
- 企业级大模型接入
description: "AI 不只适合排技术报错，也适合整理用户反馈。本文讲如何用低成本模型做反馈分类、去重、摘要和情绪识别，用 Fable 5 做产品优先级判断，并通过 4SAPI 做日志、预算和权限治理。"
前面写了很多技术报错。
这一篇写一个非技术但非常高价值的场景：
很多团队每天会收到：
text
客服聊天。
飞书消息。
微信群反馈。
表单。
应用内反馈。
差评。
销售转述。
这些内容很乱。
但里面藏着：
text
真实 bug。
高频需求。
付费阻碍。
体验问题。
流失信号。
AI 非常适合做第一轮整理。
1. AI 能干什么
用户反馈处理可以拆成几层：
| 阶段 | AI 工作 |
|---|
| 清洗 | 去掉重复、广告、无效内容 |
| 分类 | bug、需求、咨询、投诉、表扬 |
| 摘要 | 每条反馈一句话 |
| 聚类 | 同类问题合并 |
| 优先级 | 影响范围、紧急程度 |
| 工单 | 生成标题、描述、复现步骤 |
| 复盘 | 每周反馈趋势 |
这些不一定要 Fable 5。
大部分可以用低成本模型。
Fable 5 适合做：
text
复杂产品判断。
多部门冲突优先级。
重要客户流失风险。
需求是否值得做。
2. 给 AI 的反馈整理包
text
【来源】
- 渠道：客服 / 社群 / 表单 / App / 销售
- 时间范围：
- 产品模块：
【原始反馈】
- 脱敏文本：
- 用户类型：
- 版本号：
- 设备：
【要求】
- 分类
- 去重
- 摘要
- 优先级
- 是否生成工单
【边界】
- 不输出用户手机号、邮箱、订单号
- 不承诺产品一定会做
- 不自动回复客户
- 需要人工确认高优先级判断
3. 分类标签怎么设计
不要让模型自由发挥标签。
先定义：
text
bug
feature_request
usability
billing
account
performance
integration
complaint
praise
spam
优先级：
text
P0：大面积不可用或付费阻断
P1：核心流程受影响
P2：体验问题或高频需求
P3：低频建议
低成本模型按标签分类即可。
Fable 5 用来复核 P0/P1。
4. 去重和聚类
同一个问题可能有十种说法：
text
登录不了。
验证码收不到。
手机号登录卡住。
一直提示验证码错误。
AI 可以聚成一个问题：
输出：
text
聚类标题。
代表反馈。
出现次数。
影响模块。
典型用户。
建议工单。
这比人工一条条看省太多。
5. 自动生成工单
对 bug 类反馈，可以生成：
text
标题。
问题描述。
影响范围。
复现步骤。
期望结果。
实际结果。
证据链接。
优先级建议。
需要补充的信息。
但注意：
没有证据的地方要标注“待确认”。
6. 4SAPI 分工
| 阶段 | 模型 |
|---|
| 批量分类 | 低成本模型 |
| 去重聚类 | 中低成本模型 |
| P0/P1 复核 | Fable 5 |
| 产品优先级判断 | Fable 5 |
| 周报 | 低成本模型 |
4SAPI 记录：
text
source
batch_id
model
task_type
cost
human_reviewed
ticket_created
这样团队能知道：
text
每周多少反馈。
AI 处理成本多少。
哪些工单由 AI 生成。
哪些需要人工确认。
7. 周报模板
用户反馈最适合沉淀成周报。
模板：
text
# 用户反馈周报
时间范围：
反馈总量：
有效反馈：
新增 bug：
新增需求：
高优先级问题：
重复最多的问题：
流失风险：
本周已解决：
下周建议处理：
需要产品确认：
需要研发确认：
让低成本模型先生成草稿。
再让 Fable 5 做一次产品判断：
text
请从这份反馈周报里找出最值得优先处理的 3 个问题。
判断标准：影响用户数、是否阻碍付费、是否影响核心流程、是否容易修复。
没有证据的判断标注为待确认。
这样 AI 就不只是整理文本。
它开始辅助产品决策。
8. 自动回复要谨慎
AI 可以写客服回复草稿。
但不要默认自动发送。
尤其是：
text
退款。
投诉。
隐私。
安全。
法律。
大客户。
生产事故。
建议流程：
text
AI 生成回复草稿。
标注用户情绪和风险。
客服或客户成功确认。
再发送。
Prompt：
text
请根据用户反馈生成客服回复草稿。
不要承诺具体上线时间。
不要承诺退款或赔偿。
涉及安全、隐私、合同和大客户问题时标注需要人工处理。
这也是企业级大模型接入的重要边界：
9. 反馈入库字段
用户反馈要想长期有价值，不能只生成一段摘要就结束。
建议入库时保留这些字段：
text
feedback_id
source
received_at
user_type
product_area
app_version
category
priority
cluster_id
sentiment
evidence_text
ticket_id
human_reviewed
如果反馈涉及 4SAPI 或模型调用，再补：
text
model
key_group
error_code
request_id
cost_impact
这样后面你就能问：
text
最近两周 4SAPI 相关投诉是不是变多？
是不是某个版本后 401/429 反馈上升？
付费客户最常提的阻碍是什么？
哪些问题已经反馈很多次但还没建工单？
这些问题靠人工翻聊天记录很痛苦。
但如果字段规范，低成本模型每天整理一次，Fable 5 每周做一次优先级判断，就能持续产出产品洞察。
10. 从反馈到路线图
用户反馈不能直接等于路线图。
高频不一定重要，声音大也不一定优先。
可以让 Fable 5 按四个维度判断：
text
影响用户数。
是否阻碍付费或续费。
是否影响核心流程。
修复成本和风险。
输出可以是：
text
立即修复：真实 bug，影响核心流程，修复成本低。
进入近期排期：高频需求，和产品定位一致。
继续观察：证据不足，用户数不明确。
不建议做：偏离定位，或者只是少数定制需求。
比如用户说：
这不是简单的“用户需求”。
在 4SAPI 场景里，它涉及权限、隐私和审计。
AI 应该把它标成：
text
需求方向：日志可见性提升。
风险：普通成员查看全公司日志可能越权。
替代方案：提供个人/项目级日志视图，管理员保留全局视图。
这才是 AI 辅助产品判断的价值。
不是把用户原话搬进排期，而是把需求背后的问题拆出来。
11. AI Prompt
text
你是用户反馈整理助手。
请对下面的用户反馈做分类、去重、摘要和工单草稿。
标签只能从以下选择：
bug、feature_request、usability、billing、account、performance、integration、complaint、praise、spam。
优先级：
P0 大面积不可用或付费阻断
P1 核心流程受影响
P2 高频体验问题或明确需求
P3 低频建议
要求：
- 不输出手机号、邮箱、订单号等隐私。
- 没有证据的判断标注“待确认”。
- 不代表产品承诺。
- P0/P1 需要人工复核。
12. 总结
AI 能干的事，不只是修报错。
它也能把混乱反馈变成：
text
分类。
聚类。
工单。
优先级。
周报。
产品洞察。
4SAPI 的价值是让这套流程可控：
text
低成本模型批量处理。
Fable 5 复核关键判断。
日志记录每批成本。
敏感信息按规则脱敏。
一句话：
