飞书多维表格接 AI：3 个字段自动打标签

500 行的客户反馈表，要按类型、情绪、是否需要回复打标签。人工看一遍要两个下午，还越看越随意。这次用多维表格的 AI 字段，3 个字段、1,500 个值，25 分钟跑完。抽样 60 条人工核对，一致 52 条，一致率 86.7%——剩下 8 条不一致的，问题不在模型，在分类定义写得太含糊。

一句话结论

批量打标签的成败不在工具，在分类定义。同样 500 行，分类只有名字没有定义，一致率会在 70% 上下；把每个选项写成「看到什么内容就归到这里」，能拉到 87%。所以正确顺序是先小批量试 30 行、把定义改准、再批量跑，而不是一次 500 行跑完再抽查。

这篇解决什么问题

三种情况最常见。一是直接全量跑：500 行跑完才发现分类粒度不对，返工又是一轮，还得重跑，时间翻倍。二是分类只给名字：选项写「咨询」「投诉」「建议」，实际反馈里大量句子同时符合两类，模型只能猜，猜的结果也没法复核。三是不做抽样核：跑完看着标签整齐就以为成了，实际有一成多归错，下游按标签筛出来的名单是脏的。

根子是把打标签当成跑一个功能，它其实是先定标准、再批量执行、最后抽检三件事。标准不变，工具再好也就到七成；标准写准，普通功能也能到八成七。

开始前要准备什么

• 反馈表，500 行，一列原文。原文要清洗：去掉系统自动回复、去掉纯表情、去掉重复提交。
• 3 个要打标签的字段与它们的选项。这次：类型 8 个选项、情绪 3 档、是否需回复 2 档。
• 每个选项的一句定义，写「看到什么就归这里」。这一步是全部工作的重心。
• 一条纪律：先试 30 行再加量。30 行能暴露定义问题，500 行只会暴露后果。

具体怎么做

第一步：先拿 30 行试，把选项定义改准

第一次跑 30 行，只跑「类型」这一个字段，结果 30 条里 22 条正确，8 条归错了。看这 8 条，问题很集中：5 条是「既像咨询又像建议」，3 条是「抱怨语气但实际在提需求」。也就是说，问题不在模型，在 8 个选项里有 3 个彼此重叠。

改法是给每个选项加一句边界说明，并加一条兜底规则：同时符合两类的，按「客户要求你做什么」归类，不按语气归。这一句加完，同样 30 行重跑，正确 28 条。这 20 分钟是整件事里投入产出最高的一段。

这是我的客户反馈分类，8 个选项，每个选项后附我写的定义（部分可能有重叠）。

请帮我先检查定义，不要跑数据：
1 指出哪几个选项之间存在重叠，具体重叠在什么情形（举反馈原文的例子）；
2 对每个选项，给出一条「看到什么就归这里」的判定句，要求互相排斥；
3 补一条兜底规则：当一条反馈同时符合两类时，按什么优先级归类；
4 指出哪一类的定义最容易被情绪化措辞干扰，怎么改能避免。

要求：判定句要互相排斥，不许出现「视情况而定」；举例要用真实的反馈句式，不要用「例如某客户说…」这种占位句。

第二步：三个字段分开跑，别一次加三列

确认定义之后，一个字段一个字段加。这次先跑类型，再跑情绪，最后跑是否需回复。分开跑的理由是：一次加三列，出错时分不清是哪一列的问题；分开跑，每列都能单独抽检。三列合计 1,500 个值，25 分钟跑完。

情绪这一列要注意：它最容易受语气词干扰。这次 3 档（正面/中性/负面）里，中性档最初的判定把「抱怨但表述克制」的归成了正面。改成按「是否明确表达不满」判定后，这一列才稳定。是否需回复这一列最简单，只要原文含明确请求或问题就算需要。

这是我的反馈表，已跑完「类型」字段（8 类，定义已定稿）。

现在请判断另外两个字段的判定逻辑该怎么写：
1 情绪 3 档（正面/中性/负面），给出一条不被语气词干扰的判定标准，尤其说明「抱怨但克制」归哪一档；
2 是否需回复 2 档（是/否），说明「提了问题但已自助解决」这种情况归哪一档；
3 指出这两个字段里，哪个更容易与「类型」字段产生关联偏差（例如把所有投诉都判为负面），怎么避免；
4 给出两列在多维表格里配置时的注意事项（选项顺序、是否允许多选）。

要求：判定标准要能写成一句话，让不同人按同一标准判出同一结果；不要依赖「明显」「较」这类程度词。

第三步：抽 60 条人工核，算一致率，不一致的归因

500 行跑完，抽 60 条人工判一遍。抽样要覆盖三个字段、也要覆盖各类别，不能只抽前 60 行——前 60 行往往是同一天的反馈，同质化严重。这次按类别分层抽，60 条里一致 52 条，一致率 86.7%。

8 条不一致里，5 条是模型判得比人更细（人看漏了原文里的括号补充说明），3 条是定义仍有灰区。要区分这两种：判得更细的不是错，改的是人的标注；只有定义灰区才需要改提示词或选项。这一步 40 分钟，是唯一能给出可信数字的环节。

这是 60 条抽样的人工标注与模型标注对照（按类别分层抽取）。

请帮我算一致率并归因：
1 逐条比对，标出一致与不一致，算出三个字段各自的一致率与总体一致率；
2 对每条不一致，判断属于哪一类：模型判得更细 / 人看漏了 / 定义灰区 / 纯错误；
3 针对「定义灰区」的条目，指出该改选项定义还是改提示词，给出具体改法；
4 指出三个字段里哪个最需要再加一轮定义校准，说明依据。

要求：一致率的分母要写清（是 60 条还是某字段的有效条数）；归因要落到具体原文片段，不许只给结论；不许把「判定更细」算成错误。

实测记录

素材是一张 500 行的客户反馈表，已清洗掉系统回复与重复提交。试跑与改定义 20 分钟、三列批量跑 25 分钟、抽样核对 40 分钟，合计 85 分钟。

结果：3 个字段共 1,500 个值，批量跑 25 分钟。抽 60 条分层核对，一致 52 条、一致率 86.7%。8 条不一致里 5 条是模型判得比人细、3 条是定义灰区；灰区那 3 条改了选项定义之后重跑，全部对上。

对比人工：500 行人工打三列标签，实测要两个下午（约 7 小时），且后 100 行明显开始跳读，同一类反馈前后标法不一致。这次 85 分钟，一致性靠定义保证，不靠注意力——这是批量打标签真正的价值，不是为了更快，是为了更一致。

最容易错的 3 个地方

第一，一次全量跑。500 行跑完才发现 8 个选项里有 3 个重叠，返工要重跑一遍，时间的代价是双倍。30 行试跑只花 20 分钟，能提前暴露九成定义问题。

第二，选项只写名字不写定义。「咨询」「建议」这两个词在真实反馈里大量重叠，模型只能猜。加一句「按客户要求你做什么归类，不按语气归」，同样 30 行的正确数从 22 升到 28。

第三，把「判得更细」当成错误。60 条里 8 条不一致，其中 5 条是模型看到了人漏掉的括号补充说明。这类不改模型，改人的标注。如果一律当错误去改提示词，会把本来对的判定改坏。

可复用的东西

先试 30 行：暴露定义重叠的成本最低的方式，比全量跑完再返工省一半时间。

每个选项一句判定句：写「看到什么就归这里」，要求互相排斥，禁用「视情况」「较」这类词。

一条兜底规则：同时符合两类的，按「客户要求你做什么」归类，不按语气归类。

字段分开跑：一列一列加，出错能定位；一次三列，抽检时分不清哪列的问题。

分层抽 60 条：按类别抽不按顺序抽，算总体与分字段一致率，不一致要区分「更细」和「错误」。

如果你也经常要做这件事，欢迎在评论区说说你的卡点和做法；也可以留言告诉我，你想看哪个岗位的哪件活怎么用 AI 拆。

admin 普通

收藏 海报 链接