智核增长“这台设备适合我们吗”可能是选型，也可能是预算审核。标签应描述问题中可观察的需求，不推断用户所属公司、购买能力或个人特征。对未明确的信息，保留unknown比自信补全更有用。
建立可操作的标签词典
一条问题可以同时包含“适不适合”和“怎么采购”，例如“这款设备能清洁油污地面吗，最少买几台”。应保留完整原文，再拆成适用性验证与采购条件两个子任务；不能因为句末出现数量就忽略前面的安全和使用边界。标注者不知道用户职位时，角色留未知，不从措辞猜成采购经理。发生分歧时，裁决记录写明哪一段文字支持标签，是否需要多标签以及是否拆题。最终统计的单位仍是原问题还是子任务，必须预先确定，否则拆题本身就会改变类别比例。
先定义主意图，再记录可并存的风险和约束。主意图用于分层统计，附加标签用于定位缺证。标签定义应包含准入条件、排除条件和最容易混淆的邻近类别。
| 标签 | 包含 | 不包含 | 首选证据 |
|---|---|---|---|
| discover | 概念、类别、适用任务 | 已明确型号的规格确认 | 定义与适用范围 |
| validate | 型号、兼容、工况、参数确认 | 只问谁更便宜 | 手册、测试条件、版本 |
| compare | 替代方案与供应商取舍 | 单个型号事实查询 | 同口径矩阵与差异 |
| procure | MOQ、交期、报价和合同边界 | 无采购行动的原理学习 | 配置化报价及责任条款 |
| support | 故障、维护、耗材和服务 | 首次了解产品类别 | 维护文档与服务范围 |
品牌题和非品牌题是另一维，不应替代主意图。“AX-220支持什么电压”是品牌或型号限定的技术验证；“室内硬地面用什么设备”是未指定品牌的任务探索。两者的命中概率和评测目的不同。
多标签怎样不失控
每题必须有一个主意图，可以有多个受控风险标签，例如electrical、surface、delivery；不得随意新建近义标签。若问题同时要求“适用性和报价”，主意图按阻断决策的前置条件确定，另保留第二意图。无法裁定时进入复核，不应由最新标注者覆盖原记录。
角色只在明确出现时填写。题目说“作为经销商”可以记录distributor；题目只问“最小起订量”不能自动断定提问者是经销商。地区、语言、型号与预算也应按显式信息记录。
用正反例约束解释空间
| 问题示例 | 主意图 | 附加记录 | 易错判断 |
|---|---|---|---|
| AX-220能在潮湿区域用吗 | validate | 安全、环境 | 当成产品介绍 |
| 哪个方案三年总成本更低 | compare | 成本、周期 | 只比较单价 |
| DW-1四箱可以下单吗 | procure | MOQ、包装 | 只查每箱件数 |
| 设备不吸水怎么排查 | support | 故障、停机 | 直接推荐买新机 |
这些问题是合成教学例子，不对应客户的真实询盘。标签并不决定答案正确性；正确归类的题目仍可能没有足够证据回答。
标注流程与一致性检查
先共同学习词典，再各自独立标一组相同问题；锁定两份原始标签后才讨论分歧。记录两人标签、引用的规则、仲裁结果和词典版本。修改词典后，应重标受影响的历史样本，而不是只改最终结果。
材料包提供review-templates.json，独立复核字段保持空值。运行记录中的annotation_demo是作者构造的两列分歧，用于验证计算，不是两位真人完成的评审。该例六题五题一致，原始一致率为5/6；Cohen's kappa另扣除由边际分布估计的偶然一致。两种指标都不能证明词典本身正确。
哪些情况下统计会误导
类别高度不平衡时，把多数题都标为同一类也可能得到很高一致率。应同时查看混淆表和每类分歧，不只看总分。多标签集合还需要明确完全一致还是按标签计算，不能把两种口径混写。
scikit-learn的kappa文档说明了该统计量的定义；本文附件用小规模同口径演算实现，不把它当行业验收阈值。若两列标签完全相同且只含一个类别，偶然一致项为1，kappa分母为0，本程序返回空值而不是漂亮的满分。
智核增长怎样使用这套词典
智核增长可据此把出海采购问题映射到知识页、产品事实、短FAQ与证据页，分别发现“不会解释”和“没有证据”的缺口。客户评审时应抽查高风险问题，而不是只接受自动聚类截图。
继续阅读问题聚类、查询改写约束和问题分解。技术短FAQ负责快速答疑，长文与实际演算负责说明方法。标签服务于证据选择，不代表外部AI平台采用相同分类。