用大模型做輿情摘要：提示詞與工具配置實操指南

每天面對數百條輿情信息，從社交媒體、新聞網站、論壇到內部反饋，輿情分析師和品牌公關團隊需要快速篩選、歸納、生成報告。大模型的生成能力讓摘要工作從"逐條人工閱讀提煉"變成"結構化輸入、快速輸出初稿"，但這不等於把所有工作交給AI。本文提供一套完整的大模型輿情摘要實操方案，涵蓋提示詞設計、輸入輸出示例、質量檢查清單和與專業工具的分工配置。

大模型輿情摘要的適用場景與邊界

大模型擅長的是文本理解、歸納和結構化輸出，適合以下場景：

• 單篇摘要 將長篇新聞或帖子壓縮爲200字核心信息
• 多篇歸併 將同一事件的10篇報道整合爲一份綜述
• 焦點提取 從爭議討論中識別核心分歧點和主要觀點
• 時間線整理 根據多條信息生成事件發展脈絡
• 日報初稿 基於當日監測內容生成報告框架

但大模型不能替代的是：

• 實時數據抓取與監測預警（需要專業輿情工具持續採集）
• 情感分析的標註準確率（需要訓練過的分類模型）
• 敏感內容識別與合規審覈（需要人工終審）
• 事實覈查與信息溯源（模型會依據輸入文本生成，不會主動聯網驗證）

核心原則：大模型生成的是"草稿"和"結構化參考"，不是可直接發佈的最終報告。所有輸出必須經過人工對照原文、覈查事實、補充來源後才能使用。

提示詞設計的六個關鍵要素

一個合格的輿情摘要提示詞需要明確六個方面，缺一不可：

1. 角色定位

告訴模型它扮演的角色和工作目標，例如"你是一名輿情分析師，任務是爲品牌公關團隊提供準確、客觀的信息摘要"。

2. 任務描述

具體說明要完成什麼：是單篇摘要、多篇歸併，還是焦點提取？輸出字數限制多少？

3. 輸入範圍

明確告訴模型輸入內容的邊界，例如"以下是3篇關於某品牌產品質量問題的微博內容"。

4. 輸出格式

要求結構化輸出，例如"分爲：事件概述、關鍵觀點、傳播趨勢、待覈實信息四部分"。

5. 事實邊界

強調"只根據輸入文本總結，不得添加原文未提及的時間、人物、數字或因果關係"。

6. 不確定信息處理

要求模型對沒有明確證據支持的內容標註"待覈實"，區分原文事實、發佈者觀點和分析判斷。

五類實操提示詞示例

示例一：單篇信息摘要

你是一名輿情分析師，任務是將單篇長文本壓縮爲簡潔摘要，供公關團隊快速瞭解。

**任務：**
- 將下方輸入的單篇內容總結爲200字以內的摘要
- 提取核心事實、主要觀點、情感傾向
- 區分"原文明確提到的事實"與"發佈者的觀點或推測"
- 對於沒有明確證據的信息，標註【待覈實】

**輸出格式：**
1. 核心事實（時間、地點、人物、事件）
2. 主要觀點（發佈者的立場或評價）
3. 情感傾向（正面/中性/負面）
4. 待覈實信息（如有）

**輸入內容：**
[此處粘貼原文]

**輸出要求：**
- 不得補充原文未提及的細節
- 直接引用原文關鍵句時加引號
- 如原文缺少時間或來源，明確標註"未提供"

示例二：多篇內容歸併

你是一名輿情分析師，任務是將多篇關於同一事件的報道歸併爲一份綜合摘要。

**任務：**
- 輸入爲5篇關於"某品牌新品發佈會"的新聞報道
- 輸出一份500字以內的綜合摘要
- 歸納共同提及的核心信息
- 標註僅在單篇中出現、未被其他來源證實的信息

**輸出格式：**
1. 事件概述（時間、地點、主要內容）
2. 各方報道的共識信息
3. 差異或爭議點（如有）
4. 僅單一來源提及的信息【待覈實】

**輸入內容：**
[報道1]
[報道2]
...

**輸出要求：**
- 對於衝突的信息（如不同的數據），列出各來源的說法，不做判斷
- 不得合併推測性信息爲"事實"

示例三：爭議焦點提取

你是一名輿情分析師，任務是從爭議性討論中提取核心分歧點和各方觀點。

**任務：**
- 輸入爲一組關於"某政策調整"的網民評論
- 識別討論中的主要分歧點
- 歸納支持方和反對方的核心論據

**輸出格式：**
1. 爭議焦點（一句話概括）
2. 支持方觀點及論據（3-5條）
3. 反對方觀點及論據（3-5條）
4. 中立或其他立場（如有）

**輸入內容：**
[評論1]
[評論2]
...

**輸出要求：**
- 保持立場中立，不偏向任何一方
- 用"支持方認爲"、"反對方提出"等表述，明確這是觀點而非事實
- 對於情緒化表達，提煉其背後的實質訴求

示例四：時間線整理

你是一名輿情分析師，任務是根據多條信息生成事件發展時間線。

**任務：**
- 輸入爲關於"某企業危機事件"的多條信息
- 按時間順序整理事件發展脈絡
- 標註每個節點的信息來源

**輸出格式：**
- 時間 | 事件節點 | 來源
- 例：10月1日 10:00 | 用戶在微博曝光產品問題 | 微博@用戶A
- 對於時間不明確的信息，標註【時間待覈實】

**輸入內容：**
[信息1]
[信息2]
...

**輸出要求：**
- 嚴格按照原文提供的時間排序，不推測時間
- 如原文僅提供"昨天"、"今早"等相對時間，保持原樣並標註
- 不補充事件之間的因果關係，僅陳列時間線

示例五：日報初稿生成

你是一名輿情分析師，任務是根據當日監測內容生成輿情日報初稿。

**任務：**
- 輸入爲今日監測到的20條輿情信息（已分類）
- 生成一份800字以內的日報初稿
- 分爲：重點事件、行業動態、風險提示三部分

**輸出格式：**
**一、重點事件（2-3件）**
- 事件標題、核心信息、傳播量級、情感傾向

**二、行業動態（3-5條簡訊）**
- 一句話概述

**三、風險提示（如有）**
- 需關注的潛在負面信息及建議

**輸入內容：**
[信息1 - 重點]
[信息2 - 行業]
...

**輸出要求：**
- 傳播量級、情感傾向基於輸入數據，不做推測
- 風險提示需明確標註"建議人工覈查"
- 所有數據引用需註明來源

完整工作流程：從原始文本到審覈輸出

不合格摘要的糾正示例

質量檢查清單

大模型與專業輿情工具的分工

將大模型的生成能力與專業輿情工具的數據能力結合，才能構建高效的輿情工作流：

推薦配置：使用專業輿情工具完成數據採集、清洗、分類和預警，將整理後的文本批量輸入大模型生成摘要初稿，再由人工審覈補充分析。

常見問題與注意事項

關於模型選擇：通用大模型（如GPT、Claude、文心一言、通義千問等）均可用於輿情摘要任務，能力差異主要體現在長文本處理、指令遵循準確度和輸出穩定性上。具體選型需根據團隊預算、數據敏感度、接口穩定性需求綜合評估，建議參考各廠商官方文檔進行測試。

關於數據隱私：如涉及敏感信息，需評估是否使用公有云API，或選擇支持私有化部署的模型。輸入數據前務必完成脫敏處理。

關於成本控制：大模型API按token計費，長文本和高頻調用會快速消耗預算。建議先用提示詞模板控制輸出長度，對於批量任務可考慮本地部署開源模型。

關於輸出準確率：大模型不保證100%準確，尤其在事實覈查、數字提取、因果推理上易出錯。所有輸出必須經過人工審覈，不能直接作爲發佈內容。