📌 背景：分类只是第一步在上一篇文章中，我分享了如何用 LLM 把 14,088 条地铁乘客反馈分类到马斯洛需求层次中。但分类只是第一步。知道"这条反馈属于舒适层"还不够，运营方真正想知道的是：到底什么东西让乘客不舒服？比如这条反馈："南京地铁的空调能不能调高点？每次坐都冻成狗，夏天穿裙子根本扛不住。"分类结果：舒适层 + 负面但具体问题是什么？答案是：列车空调再比如这条："工作人员帮我找回了钱包，真的太感谢了！"分类结果：尊重层 + 正面具体要素是：安检服务 / 失物招领这就是本文要解决的问题——从口语化的微博文本中，精准提取 3-7 个字的核心服务要素。🤔 为什么是"3-7 字关键词"？地铁运营方需要的不是长篇大论，而是可以直接定位到具体设施或服务的名词短语。反馈原文理想提取结果为什么"工作人员帮我找回了钱包，太感谢了"安检服务指向具体服务类型"早晚高峰挤得怀疑人生，门都关不上"车厢拥挤可量化、可改进的问题"报站声音太小，戴着耳机根本听不清"报站音量具体可调节的参数"毕业季的车厢装饰太浪漫了吧"毕业季装饰具体可复制的活动"S6号线什么时候通车啊"线路开通具体可追踪的进展核心原则：长度 3-7 个汉字（最精简的名词短语）必须指向具体可改进的服务要素禁止形容词和情感词（如"很好""太烂"）禁止只输出"南京地铁"（没有信息量）🛠️ 第一版提示词：过于自由，结果失控我最初写的提示词很简单：请从以下乘客反馈中提取 1-3 个南京地铁的具体服务要素： {text}结果惨不忍睹：反馈原文