六月做了一个小范围试点。我们每天要处理大量设备报障工单，用户描述五花八门，派单靠人看，慢而且经常派错。想试试能不能让模型先分类。
做法很朴素：把历史工单里已经处理完的两万条拿出来，人工标注出正确类别，然后用这些样本写提示词，让模型按类别输出。
效果比预期好。定了八个类别，模型在测试集上的准确率大概八成五，比人工分派略低一点，但快得多，而且稳定——人到了下午会疲劳，它不会。
坑主要有三个。
一是用户的描述里经常夹着情绪和无关信息，模型会抓住那句抱怨当线索。所以在提示词里明确要求忽略情绪词。
二是类别之间的边界。像"网络不通"和"设备离线"，实际分给不同小组处理，但描述经常重合。最后靠补充规则解决，不是靠模型。
三是兜底。八成五的准确率意味着每七条就有一条错，必须有机制发现。我们的做法是模型分完人还要过一眼，但只需要确认，不需要重判。所以省下来的是时间，不是人。
我常说一句话：模型能帮你把八成的事做对，剩下那两成怎么处理，才决定这个东西能不能上线。