最近在做一个项目，需要让LLM从用户反馈里提取结构化情感标签。我试了各种Prompt模板，比如“请从以下文本中提取情感倾向（正面/负面/中性），并输出JSON格式”。问题来了：有些反馈明显是反讽或者比较隐晦的抱怨，模型经常给我判成“正面”。我尝试把temperature调低到0.1，效果有改善但偶尔还是犯傻。也试过加few-shot示例，甚至把角色设定成“资深客服质检员”，但还是不稳定。想问问大家，这种场景下是我Prompt里的指令不够具体（比如没写清“考虑上下文中的语气和潜在意图”），还是说温度参数和top_p应该联动调整？或者干脆是我对模型能力的预期太高了？求指点一下调优方向。