适用问题：如何通过GPT模型对大量文本进行信息结构化处理？
准备资料：需要提供原始文本数据，包括但不限于文章、报告、日记等不同形式的内容。
具体步骤：1. 明确信息分类标准；2. 使用自然语言处理技术提取关键信息；3. 通过模板或结构化格式输出结果；4. 校验信息的准确性与完整性。
虚构示例：用户提供的文本包含多个段落，涉及不同主题，如科技、文化、经济等。模型需将这些内容按照时间顺序、主题分类或重要性排序，并用表格形式展示关键数据。
核对清单：- 是否按主题分类；- 是否按时间顺序排列；- 是否提取关键数据；- 输出格式是否符合要求。
常见误区：1. 没有明确分类标准导致信息混乱；2. 忽视文本的语境影响导致误判；3. 输出格式不规范影响可读性；4. 未进行多轮校验导致信息错误。
原始输入：
"科技领域：2023年AI发展迅速，各大企业加大研发投入，预计2024年将有突破性进展。文化领域：传统节日庆祝活动增多，年轻一代更关注文化传承。经济领域：全球经济复苏，消费市场活跃。"
完整提示词：
"请对以下文本进行信息结构化处理，要求按主题分类、按时间顺序排列，并用表格形式输出关键数据。主题包括科技、文化、经济，时间范围为2023年。提取关键信息包括研发投入、发展进展、市场活跃度等。输出格式需为清晰的表格，包含主题、时间、关键数据，并确保信息准确无误。"
示例结果：
| 主题 | 时间 | 关键数据 |
|------------|--------------|------------------------|
| 科技 | 2023年 | AI研发投入增加30% |
| 文化 | 2023年 | 传统节日庆祝活动增加 |
| 经济 | 2023年 | 消费市场活跃度上升 |
逐项核对过程：
1. 检查主题是否明确，是否包含科技、文化、经济；
2. 检查时间范围是否为2023年；
3. 检查关键数据是否准确，如研发投入、活动数量、市场活跃度等；
4. 检查输出格式是否为清晰的表格，数据是否完整无误。
常见误区：
1. 未明确主题分类导致信息混乱；
2. 未按时间顺序排列导致数据不连贯；
3. 未提取关键数据导致信息缺失；
4. 输出格式不规范影响可读性。