在明确启用时生成分类、摘要、用户需求和产品建议初稿，加速从大量反馈里提炼问题。
Web 端 DeepSeek 已启用，用户勾选后才发送反馈文本。反馈分诊后台
把用户反馈 CSV 整理成问题分类、优先级、人工复核队列、问题卡片、QA 报告和 run log。
核心架构
三层质控链
每条反馈先形成可解释初稿，再由确定性规则复核，最后把高风险和不确定样本交给人工判断。
本地规则负责字段校验、关键词证据、优先级和 fallback，保证没有模型时也能稳定产出。
LLM 与规则分歧、低置信度和多问题命中都会保留证据，不静默覆盖。P0、低置信度、多问题和规则分歧样本进入复核队列，Demo 不把高风险反馈自动闭环。
复核通过 review_decisions.csv 回写到独立结果，原始分诊文件保留。公开演示数据边界：请不要上传敏感、真实用户隐私或商业保密数据；上传 CSV 和本轮输出会临时保存在运行目录中，默认约 24 小时后清理。
固定流程
本地反馈分诊工作台
选择数据源后运行固定分诊流程。LLM 初稿、规则兜底、QA 检查和人工复核边界仍由原有代码负责。
读取
校验
分类
复核
卡片
QA
导出
输入要求
输入与输出
- 输入字段
- id, source, app_name, review_text, rating
- 输出文件
- 标准化输入、问题卡片、QA 报告、运行日志、结构化结果、人工复核模板、HTML 报告
读取内置样例、AI 应用评论数据；Ask 也可标准化常见外部评论 CSV。
字段检查、分类、优先级、复核识别、问题卡片、QA 和导出保持原流程。
P0、低置信度、多问题命中样本不会被页面自动判定为完成。