腾讯用Harness改造AiSee用户反馈分类

AiSee 是面向各类业务的用户反馈分析平台，反馈分类是其最基础、使用最频繁的能力。原方案依赖长 Prompt 与逐条定制链路：分类节点、判断条件和例外场景不断累加进 Prompt，特殊场景另开定制逻辑，规则分散、分支膨胀，一次调整牵动多个环节。团队重构后把职责重新划分为业务定义方向、Harness 组织流程、模型做语义判断三层：业务侧为每个分类树节点配置归入条件、排除条件、关键词与优先规则，并提供定向归类（命中即直接进唯一节点）、范围限定（排除无关分类后只在候选范围内匹配）、优先推荐（保留全树但优先候选）、语义归类（默认全量语义匹配）四种强度递减的规则。 Harness 把一次分类拆成还原用户问题、执行业务规则、缩小分类范围、模型理解并选择、复核并记录五个衔接步骤，规则由系统确定性执行，模型只在收窄后的候选范围内比较相近分类，分类依据可保留、调整可先验证后发布、可灰度可回退。效果方面，某业务（覆盖终端 A、终端 B 等多终端，分类树与业务标准持续变化）升级前分类准确率最低一度降至 60%+，升级后经多终端持续验证逐步提升并稳定在 90%+。 正文指出任务被合理拆解后轻量模型同样能完成任务，无需一味追求更大模型。