批量分类与打标签实战案例：医生如何把患者宣教材料做得更好
这是一个虚构但很典型的案例：大刘是一位在医院或诊所工作的临床医生，最近手头在忙“完成门诊和病房日常诊疗工作”，同时还要准备“准备科室继续教育讲座”。这次大刘需要整理一份给科室主任的患者宣教材料，决定试试批量分类与打标签。
背景
对大刘来说，门诊和病房工作之外，还要写病历、做患者宣教、读文献和准备病例讨论。偏偏这次还遇到一个变数：病例讨论资料需要进一步完善检查结果。患者宣教材料需要尽快交给科室主任，时间并不宽裕。
第一次尝试：问题出在哪
大刘一开始只写了一句话：
帮我写一份关于“慢病患者的居家管理宣教”的患者宣教材料。
结果 AI 给出的内容四平八稳却用不上。复盘下来，主要有两个问题：
- 类别之间有重叠。
- 类别体系频繁变化。
改进后的提示词
大刘按照批量分类打标的思路重写了提示词，核心是为每个类别写一句定义：
请把下面的病种相关反馈逐条分类，输出表格：| 序号 | 反馈原文（前 20 字）| 类别 | 判断理由（一句话）|
类别定义：
- 功能建议：希望增加或改进某个功能
- 问题反馈：遇到错误、故障或无法使用
- 体验抱怨：能用但不满意，如速度慢、步骤多
- 其他：不属于以上类别
每条只选一个类别。
反馈列表：[粘贴]
结果（示意）
下面的效果为虚构演示，用来说明这类改进通常带来的变化：
示例输出（虚构）：
序号 反馈原文 类别 判断理由 1 希望能导出成表格 功能建议 提出新增导出功能 2 点保存一直转圈 问题反馈 描述了无法完成保存
拿到结果后，大刘没有直接转发，而是先检查关键事实和数字，再补上 AI 不知道的背景。
复盘：这次用到的方法
- 规定每条只能选一个类别，还是可以多选。
- 增加“其他”或“无法判断”类别，避免强行归类。
- 先用 20 条测试，检查分错的情况并调整定义。
- 每个类别写清边界，重叠时说明优先归入哪一类。
之后大刘发现，同样的方法也适用于另一类场景：内容运营需要给文章或商品打标签。
复盘时大刘还想到一个问题：类别该由谁定？答案是：建议由熟悉业务的人确定，也可以先让 AI 根据样本建议类别，再人工调整。
给医生的提醒
用 AI 把专业内容改写成患者能看懂的语言，再由你审核医学准确性。AI 不能用于诊断和制定治疗方案，任何医疗内容都必须由医生核实；患者信息严禁输入公共 AI 工具。另外，对话里不要出现患者姓名、病历号、检查结果等医疗隐私。
一个额外的小技巧：定期复核类别体系，新出现的问题类型要及时补充。
换成你的场景
把案例中的患者宣教材料换成你手头的材料，把科室主任换成你的读者，提示词结构基本不用改。真正需要花心思的是背景描述：写得越贴近实际，结果越可用。