填槽：这个概念大家都比较熟悉，那么在有了能够理解人类语言的大模型下，填槽的实用价值进一步扩大，因为我们现在通过大模型可以把不确定的、非结构化的数据解析成结构化数据，下面将通过一个样例讲解

---

一、创建流程

1.1 新建项目

创建智能体

1.2 创建配置

1.3 配置提示词

这里非常重要，需要明确填充的关键字段、数据格式等

提示词设计技巧：

• 字段设计层级化：将关联字段分组（如将用户信息分为基础属性/家庭关系）
• 明确数据类型：标注字段需要字符串/数组/布尔值等类型
• 添加示例：在提示词中包含1-2个完整解析样例
• 约束输出格式：使用JSON Schema描述数据结构

---

二、效果展示

2.1 对话内容

顾客：你好，我最近想换个手机，不过对苹果的手机不太了解，一直用的是华为。我听朋友说 iPhone 挺好的，但我不知道适不适合我。
店员：您好，欢迎光临！没关系，换手机确实是大事，很多人换品牌都会有顾虑。那您可以说说平时对手机的需求，或者有哪些功能是您特别看重的？我可以帮您推荐适合的型号。
顾客：嗯，我平时用手机主要是拍照、工作、看视频和社交。之前用的华为拍照特别好，屏幕也挺舒服的，续航也挺长。我担心苹果手机在这些方面会不如华为，尤其是电池和拍照，毕竟我每天都要用很久。
店员：您提到的这些功能都是很重要的。其实，iPhone 的拍照和续航这两点都有非常多的改进。比如 iPhone 15 系列的相机，尤其是 Pro 和 Pro Max，低光拍摄和视频录制效果非常好，而且支持 “ProRAW” 格式，可以让您有更多的后期编辑空间。而且我们还加入了智能 HDR，可以让照片在不同光线下的表现更自然。
顾客：可是华为的照片总是感觉特别鲜艳，苹果会不会太 “真实” 了，照片看起来不够亮丽？我喜欢那种颜色饱和一些的感觉。
店员：您提到的颜色问题，确实很多人刚从其他品牌转到 iPhone 会有这样的感觉。苹果的相机在色彩还原方面是更接近真实场景的，特别是在自然光线下表现得很优秀。当然，如果您喜欢更鲜艳的风格，可以通过相机里的滤镜或者拍完之后在 “照片” 应用里调整，iPhone 提供了很多自定义的选项。

2.3 大模型输出结果

大模型会把符合要求的数据填充到对应的字段，这个工作节点就可以提供给后续的节点使用

{
“顾客的姓名”: “”,
“顾客的性别”: “”,
“顾客的年龄”: “”,
“顾客的年龄段”: “”,
“顾客的长期居住地”: “”,
“顾客的户口所在地”: “”,
“顾客的手机号码”: “”,
“顾客的手机号码归属地”: “”,
“顾客的身份证号码”: “”,
“顾客是否已成年”: “”,
“顾客是否已婚”: “”,
“顾客是否有小孩”: “”,
“顾客的小孩数量”: “”,
“顾客的小孩 1 的性别”: “”,
“顾客的小孩 1 的年龄”: “”,
“顾客的小孩 2 的性别”: “”,
“顾客的小孩 2 的年龄”: “”,
“顾客的小孩 3 的性别”: “”,
“顾客的小孩 3 的年龄”: “”,
“顾客是否与父母住在一起”: “”,
“顾客是否与父母住在同一个城市”: “”,
“顾客的父亲是否健在”: “”,
“顾客父亲的年龄”: “”,
“顾客的母亲是否健在”: “”,
“顾客母亲的年龄”: “”,
“顾客是否有兄弟姐妹”: “”,
“顾客的兄弟姐妹是否住在同一个城市”: “”,
“顾客本次来访的目的”: “想换手机，咨询苹果手机是否适合自己”,
“顾客本次咨询过的产品都有哪些”: “iPhone 手机（具体涉及 iPhone 15 系列 Pro、iPhone 15 系列 Pro Max）”,
“顾客本次咨询过的服务都有哪些”: “”,
“顾客本次表达的担忧都有哪些”: “担心苹果手机在拍照（颜色不够鲜艳，不符合自身偏好的饱和风格）、电池续航方面不如华为手机，尤其是每天长时间使用的场景下”,
“顾客本次是否产生了消费行为”: “否”,
“顾客本次的消费金额”: “”,
“顾客本次的支付方式”: “”,
“顾客本次决定消费的关键因素是什么”: “”,
“顾客本次是否反复犹豫价格”: “”,
“顾客本次最阻碍消费的唯一核心担忧要素是什么”: “苹果手机的拍照颜色不够鲜艳（自身偏好颜色饱和风格，担心苹果拍照过于真实）及续航能力不足”,
“顾客本次是否比较了其他同类产品或服务”: “是（比较了华为手机）”,
“顾客本次是如何描述其他同类产品的优势”: “华为手机拍照特别好（颜色鲜艳）、屏幕舒服、续航能力强”,
“顾客是否已经购买了其他同类产品”: “是（一直使用华为手机）”,
“顾客本次是否在犹豫选择我们的产品”: “是（不确定苹果手机是否适合自己）”,
“顾客本次比较同类产品时，是被我们产品的哪些特性吸引”: “iPhone 15 系列 Pro/Pro Max 的低光拍摄效果好、视频录制效果好；支持 “ProRAW” 格式，可提供更多后期编辑空间；智能 HDR 功能，使照片在不同光线下表现更自然；可通过相机滤镜或 “照片” 应用自定义调整照片颜色，满足鲜艳风格需求；续航能力有改进”,
“顾客本次是否在同类产品的比较中选择了我们的产品”: “否”,
“顾客本次产生的投诉都有哪些”: “”,
“顾客本次提出的质疑都有哪些”: “”,
“顾客本次提出的不满都有哪些”: “”,
“顾客本次来访的需求是否都被解决”: “未明确提及”,
“顾客本次来访是否约定的未来其他事项”: “”
}

---

三、结构化转换核心技术解析

3.1 字段设计原则

有效的结构化转换始于合理的字段设计：

• 正交性原则：确保字段间无重叠（如"担忧问题"与"决策因素"分离）
• 颗粒度控制：平衡细节与实用性（如"小孩数量"比单独记录每个小孩更实用）
• 动态字段支持：使用${variable}语法处理不确定数量的数据（如小孩信息）
• 业务场景映射：字段需直接服务于业务目标（如销售场景关注"决策因素"）

3.2 提示词工程技巧

提升解析准确率的关键提示词技巧：

技巧	示例	作用
否定约束	“不做推测，仅提取明确信息”	防止模型过度解读
格式指令	“使用JSON格式，字符串最长20字符”	控制输出规范
关键词引导	“特别注意’担心’、'不如’等关键词”	提升关键信息捕获率
容错声明	“若信息缺失则留空”	避免模型虚构数据

3.3 后处理策略

原始模型输出需二次处理确保数据质量：

def postprocess(output):
    # 清理无效字段
    if output["顾客的姓名"] == "unknown": 
        del output["顾客的姓名"]
    
    # 转换数据类型
    output["顾客是否已婚"] = bool(output["顾客是否已婚"])
    
    # 合并关联字段
    output["家庭成员"] = {
        "父母": output.get("顾客是否与父母住在一起"),
        "子女": parse_children(output)
    }
    return output

常见问题解决方案：

• 信息冲突：设置优先级规则（如最后提及的信息优先）
• 模糊表述：添加置信度评分字段（如"颜色问题": {“value”: “不够鲜艳”, “confidence”: 0.8}）
• 方言处理：在预处理层添加本地化术语映射表

---

四、核心应用场景解析

4.1 客户服务优化

痛点解决：

• 自动识别客户投诉焦点（如"电池续航不足"）
• 提取服务关键词生成工单标签（技术咨询/产品比较）

4.2 销售洞察分析

数据价值点：

• 实时捕捉客户决策因素（价格敏感度/功能偏好）
• 竞品比较分析（华为 vs 苹果提及频次对比）

4.3 合规风控审计

关键检测项：

• 敏感词监控（“欺诈”、"退款"等风险词）
• 服务规范检测（是否完整告知退换货政策）

4.4 产品改进反馈

创新应用：

• 功能需求挖掘（用户自发提出的改进建议）
• 痛点聚类分析（电池/拍照/系统卡顿等分类统计）

---

五、总结与最佳实践

通过本工作流实现高效结构化转换的核心在于三层设计：

1. 数据层：精心设计字段结构，确保业务价值
2. 模型层：通过约束性提示词控制输出质量
3. 工程层：添加数据清洗和格式化后处理

最佳实践建议：

• 场景驱动设计：根据业务目标反向设计字段（如销售场景聚焦决策因素）
• 动态字段扩展：预留10%自定义字段应对新兴需求
• 置信度机制：为关键字段添加可信度评分（<0.7需人工复核）
• 多维度验证：结合业务指标评估解析效果（如销售转化率相关性）

---

关注【Python游侠】，在公众号后台回复"对话内容解析"，获取提示词文件！