廣東
背景：新品發布期的用戶聲音亟待結構化洞察
2025 年 10 月，華為正式發布 Mate 80 系列旗艦手機，涵蓋 Mate 80、Mate 80 Pro、Mate 80 RS 以及延續經典的 Mate X2 折疊屏機型。作為國產高端智能手機的代表，該系列一經亮相便在全球科技圈引發熱議。我們團隊通過 YouTube Data API 采集了與“Mate 80”相關的數百個熱門視頻下的全部評論數據。
初步統計顯示，僅一周內就收集到 超過 2.1 萬條原始評論，內容涵蓋產品功能評價、價格討論、競品對比、購買意向等豐富維度。然而，這些數據高度非結構化：語言混雜（中英夾雜）、表達隨意（如“M80P太頂了！”、“mate80pro衛星通話救命”）、情緒隱晦（如“等第一批用戶踩雷”實為觀望態度）。更關鍵的是，大量評論與 Mate 80 無關——例如討論 iPhone 16、榮耀 Magic7，甚至與手機完全無關的廣告或表情包。
面對海量噪聲數據，傳統人工閱讀或通用 NLP 工具已無法滿足高效、精準的分析需求。我們需要一個能自動識別具體機型、準確判斷情感傾向、提煉核心關注點的智能系統，并在極低成本下快速落地。
目標定義：構建輕量級、高精度的輿情分析流水線
基于業務訴求，我們明確了三大核心目標：
精準過濾：僅保留明確提及 Mate 80 系列（含 Pro/RS/X2 等子型號）的評論；
細粒度分析：區分不同機型的情感分布與功能關注點；
結構化輸出：生成可直接用于匯報的中文分析報告，包含情感比例、典型語句、熱門維度及各型號聲量。
技術選型：為什么選擇 LazyLLM？
在評估多個方案后，我們決定采用 LazyLLM + DeepSeek 大模型 的組合。原因如下：
開發效率高：LazyLLM 提供統一接口封裝主流大模型（包括 DeepSeek），無需處理認證、重試、流式響應等底層細節；
靈活性強：支持自定義 Prompt，可精確引導模型輸出所需 JSON 結構；
成本可控：結合本地預處理，實現“一次調用、全局分析”的批處理模式。
這一架構完美契合我們的“輕量、精準、低成本”原則。
落地過程：從數據清洗到智能洞察 第一階段：本地規則引擎實現精準過濾
我們首先構建了一個本地型號識別模塊。考慮到用戶寫法多樣（如 “Mate80Pro”、“Mate 80 Pro”、“m80 rs”），我們采用“標準化+最長匹配”策略：
定義標準型號列表：["Mate 80 RS", "Mate 80 Pro", "Mate 80", "Mate X2"]；
將評論和型號均去除空格并轉小寫；
按型號長度降序匹配，確保“Mate 80 Pro”不會被誤判為“Mate 80”。
大量評論與 Mate 80 無關——例如討論 iPhone 16、榮耀 Magic7，甚至與手機完全無關的廣告或表情包等（如下圖）
真正聚焦于 Mate 80 系列的評論散落在海量噪聲之中，且表達形式高度非結構化，因此，我們統一提取所有明確提及 Mate 80 及其子型號（如 Pro、RS、X2）的評論進行分析。
核心代碼如下：
return found if found else ["Unknown"]隨后，我們在主流程中調用該函數進行批量篩選：
return entries該模塊在本地運行，不依賴任何外部 API，2.1 萬條評論僅需 3 秒即可完成過濾。最終，系統從 21,451 條原始評論中精準提取出 274 條有效評論，過濾率達 98.7%。
第二階段：設計結構化 Prompt 引導大模型輸出
我們將 274 條評論截取前 200 條（兼顧代表性與 token 限制），拼接成一段上下文，并精心設計中文 Prompt，明確要求模型：
統計正面/負面/中性情感數量及占比；
為每類情感提供 2 條原始評論示例；
從預設維度（如衛星通信、操作系統、價格等）中選出熱度最高的 5 項；
分別統計各具體機型的提及次數；
所有輸出字段必須為簡體中文，且為標準 JSON 格式。
這一設計確保了 LLM 的輸出可直接解析，無需后處理。
Prompt 構建代碼如下：
return prompt第三階段：單次調用完成全局分析
通過 LazyLLM 的 OnlineChatModule，我們僅用一行代碼完成 DeepSeek 調用：
raw_output = llm(prompt)為確保結果可靠，我們還加入了安全解析邏輯：
result = {"原始LLM輸出": raw_output}整個過程耗時約 4 秒，消耗約 10,000 tokens，成本僅為 ￥0.0015（約 0.15 分錢）如下圖（0.23包含其他請求）
第四階段：結果驗證與業務賦能
系統輸出清晰展示了關鍵洞察：
Mate X2 是絕對討論焦點，占相關評論的 98%（196/200），Mate 80 系列幾乎未被提及。
正面情緒為主（62.5%），用戶稱贊其“無折痕折疊設計”和“硬件領先三星”。
負面主要集中在價格與生態：高價（約 $2700）、無 Google 服務、不支持手寫筆和防水，被指“性價比低”。
中性評論多為混淆或詢問，如誤問“Mate 80 Pro 尺寸”，反映新品認知度不足。
高頻維度：折疊屏、價格、系統、設計、相機——聚焦硬件形態與生態短板，Mate 80 新特性尚未進入海外討論視野。
最終生成的 JSON 報告示例如下：
}價值總結：小投入撬動大洞察
本次項目從需求提出到完成僅用 1 日，卻實現了傳統方式難以企及的分析深度與速度。更重要的是，它驗證了一種可復用的輕量化大模型應用范式：本地規則做“減法”，大模型做“加法”，用規則過濾噪聲，用智能提煉價值。
未來，該框架將擴展至 Pura 系列、平板、穿戴設備等產品線，成為我們用戶聲音監測的標準化工具。而這一切的起點，正是 LazyLLM 所提供的極簡開發體驗與強大問題解決能力。
版權聲明：本文作者@Y
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
