一、适用问题
本教程针对GPT模型在处理用户反馈时的输出格式进行规范指导，旨在帮助用户清晰、准确地归纳和呈现反馈内容。
二、准备资料
用户需提供原始反馈文本，内容应包含具体问题、意见、建议及情绪倾向等信息。
三、具体步骤
1. 通读并理解原始反馈文本，识别关键信息。
2. 按类别划分反馈内容，如技术问题、用户体验、功能建议等。
3. 使用结构化格式整理反馈内容，确保逻辑清晰、层次分明。
4. 生成规范化的输出格式，包含分类、描述、示例及总结等部分。
四、虚构示例
原始输入：
用户反馈文本：
'该模型在回答技术问题时不够详细，建议增加更多示例和解释。此外，交互界面不够友好，部分功能操作复杂。'
完整提示词：
请根据以下原始输入，生成符合规范的GPT用户反馈归纳输出格式：
'该模型在回答技术问题时不够详细，建议增加更多示例和解释。此外，交互界面不够友好，部分功能操作复杂。'
示例结果：
用户反馈归纳输出格式：
1. 技术问题
- 问题描述：模型在回答技术问题时不够详细
- 建议：增加更多示例和解释
2. 用户体验
- 问题描述：交互界面不够友好
- 建议：优化界面设计，简化操作流程
3. 功能建议
- 问题描述：部分功能操作复杂
- 建议：简化功能操作步骤，提升使用便捷性
4. 总结：用户反馈主要集中在技术细节和用户体验方面，建议加强技术说明与界面优化。
五、核对清单
1. 是否包含分类、描述、建议等关键信息？
2. 是否按照逻辑顺序排列？
3. 是否使用结构化格式？
4. 是否包含总结部分？
5. 是否符合用户反馈的原始内容？
六、常见误区
1. 忽略用户情绪倾向，仅关注事实描述。
2. 未按类别划分反馈内容，导致信息混乱。
3. 输出格式不规范，影响阅读理解。
4. 忽略用户建议的完整性，遗漏重要反馈点。
5. 未进行整体总结，导致信息碎片化。