用大模型做舆情摘要：提示词与工具配置实操指南

每天面对数百条舆情信息，从社交媒体、新闻网站、论坛到内部反馈，舆情分析师和品牌公关团队需要快速筛选、归纳、生成报告。大模型的生成能力让摘要工作从"逐条人工阅读提炼"变成"结构化输入、快速输出初稿"，但这不等于把所有工作交给AI。本文提供一套完整的大模型舆情摘要实操方案，涵盖提示词设计、输入输出示例、质量检查清单和与专业工具的分工配置。

大模型舆情摘要的适用场景与边界

大模型擅长的是文本理解、归纳和结构化输出，适合以下场景：

• 单篇摘要 将长篇新闻或帖子压缩为200字核心信息
• 多篇归并 将同一事件的10篇报道整合为一份综述
• 焦点提取 从争议讨论中识别核心分歧点和主要观点
• 时间线整理 根据多条信息生成事件发展脉络
• 日报初稿 基于当日监测内容生成报告框架

但大模型不能替代的是：

• 实时数据抓取与监测预警（需要专业舆情工具持续采集）
• 情感分析的标注准确率（需要训练过的分类模型）
• 敏感内容识别与合规审核（需要人工终审）
• 事实核查与信息溯源（模型会依据输入文本生成，不会主动联网验证）

核心原则：大模型生成的是"草稿"和"结构化参考"，不是可直接发布的最终报告。所有输出必须经过人工对照原文、核查事实、补充来源后才能使用。

提示词设计的六个关键要素

一个合格的舆情摘要提示词需要明确六个方面，缺一不可：

1. 角色定位

告诉模型它扮演的角色和工作目标，例如"你是一名舆情分析师，任务是为品牌公关团队提供准确、客观的信息摘要"。

2. 任务描述

具体说明要完成什么：是单篇摘要、多篇归并，还是焦点提取？输出字数限制多少？

3. 输入范围

明确告诉模型输入内容的边界，例如"以下是3篇关于某品牌产品质量问题的微博内容"。

4. 输出格式

要求结构化输出，例如"分为：事件概述、关键观点、传播趋势、待核实信息四部分"。

5. 事实边界

强调"只根据输入文本总结，不得添加原文未提及的时间、人物、数字或因果关系"。

6. 不确定信息处理

要求模型对没有明确证据支持的内容标注"待核实"，区分原文事实、发布者观点和分析判断。

五类实操提示词示例

示例一：单篇信息摘要

你是一名舆情分析师，任务是将单篇长文本压缩为简洁摘要，供公关团队快速了解。

**任务：**
- 将下方输入的单篇内容总结为200字以内的摘要
- 提取核心事实、主要观点、情感倾向
- 区分"原文明确提到的事实"与"发布者的观点或推测"
- 对于没有明确证据的信息，标注【待核实】

**输出格式：**
1. 核心事实（时间、地点、人物、事件）
2. 主要观点（发布者的立场或评价）
3. 情感倾向（正面/中性/负面）
4. 待核实信息（如有）

**输入内容：**
[此处粘贴原文]

**输出要求：**
- 不得补充原文未提及的细节
- 直接引用原文关键句时加引号
- 如原文缺少时间或来源，明确标注"未提供"

示例二：多篇内容归并

你是一名舆情分析师，任务是将多篇关于同一事件的报道归并为一份综合摘要。

**任务：**
- 输入为5篇关于"某品牌新品发布会"的新闻报道
- 输出一份500字以内的综合摘要
- 归纳共同提及的核心信息
- 标注仅在单篇中出现、未被其他来源证实的信息

**输出格式：**
1. 事件概述（时间、地点、主要内容）
2. 各方报道的共识信息
3. 差异或争议点（如有）
4. 仅单一来源提及的信息【待核实】

**输入内容：**
[报道1]
[报道2]
...

**输出要求：**
- 对于冲突的信息（如不同的数据），列出各来源的说法，不做判断
- 不得合并推测性信息为"事实"

示例三：争议焦点提取

你是一名舆情分析师，任务是从争议性讨论中提取核心分歧点和各方观点。

**任务：**
- 输入为一组关于"某政策调整"的网民评论
- 识别讨论中的主要分歧点
- 归纳支持方和反对方的核心论据

**输出格式：**
1. 争议焦点（一句话概括）
2. 支持方观点及论据（3-5条）
3. 反对方观点及论据（3-5条）
4. 中立或其他立场（如有）

**输入内容：**
[评论1]
[评论2]
...

**输出要求：**
- 保持立场中立，不偏向任何一方
- 用"支持方认为"、"反对方提出"等表述，明确这是观点而非事实
- 对于情绪化表达，提炼其背后的实质诉求

示例四：时间线整理

你是一名舆情分析师，任务是根据多条信息生成事件发展时间线。

**任务：**
- 输入为关于"某企业危机事件"的多条信息
- 按时间顺序整理事件发展脉络
- 标注每个节点的信息来源

**输出格式：**
- 时间 | 事件节点 | 来源
- 例：10月1日 10:00 | 用户在微博曝光产品问题 | 微博@用户A
- 对于时间不明确的信息，标注【时间待核实】

**输入内容：**
[信息1]
[信息2]
...

**输出要求：**
- 严格按照原文提供的时间排序，不推测时间
- 如原文仅提供"昨天"、"今早"等相对时间，保持原样并标注
- 不补充事件之间的因果关系，仅陈列时间线

示例五：日报初稿生成

你是一名舆情分析师，任务是根据当日监测内容生成舆情日报初稿。

**任务：**
- 输入为今日监测到的20条舆情信息（已分类）
- 生成一份800字以内的日报初稿
- 分为：重点事件、行业动态、风险提示三部分

**输出格式：**
**一、重点事件（2-3件）**
- 事件标题、核心信息、传播量级、情感倾向

**二、行业动态（3-5条简讯）**
- 一句话概述

**三、风险提示（如有）**
- 需关注的潜在负面信息及建议

**输入内容：**
[信息1 - 重点]
[信息2 - 行业]
...

**输出要求：**
- 传播量级、情感倾向基于输入数据，不做推测
- 风险提示需明确标注"建议人工核查"
- 所有数据引用需注明来源

完整工作流程：从原始文本到审核输出

不合格摘要的纠正示例

质量检查清单

大模型与专业舆情工具的分工

将大模型的生成能力与专业舆情工具的数据能力结合，才能构建高效的舆情工作流：

推荐配置：使用专业舆情工具完成数据采集、清洗、分类和预警，将整理后的文本批量输入大模型生成摘要初稿，再由人工审核补充分析。

常见问题与注意事项

关于模型选择：通用大模型（如GPT、Claude、文心一言、通义千问等）均可用于舆情摘要任务，能力差异主要体现在长文本处理、指令遵循准确度和输出稳定性上。具体选型需根据团队预算、数据敏感度、接口稳定性需求综合评估，建议参考各厂商官方文档进行测试。

关于数据隐私：如涉及敏感信息，需评估是否使用公有云API，或选择支持私有化部署的模型。输入数据前务必完成脱敏处理。

关于成本控制：大模型API按token计费，长文本和高频调用会快速消耗预算。建议先用提示词模板控制输出长度，对于批量任务可考虑本地部署开源模型。

关于输出准确率：大模型不保证100%准确，尤其在事实核查、数字提取、因果推理上易出错。所有输出必须经过人工审核，不能直接作为发布内容。