news 2026/9/24 3:06:23

从 1 万条用户反馈到结构化洞察：基于通义千问 API 的文本分析实战

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
从 1 万条用户反馈到结构化洞察：基于通义千问 API 的文本分析实战

目录

一、业务背景与问题拆解

（一）业务需求

（二）现实挑战

二、为什么选择大模型 API 做文本分析？

三、使用通义千问 API 完成单条反馈分类

（一）准备工作

（二）基础调用示例

（三）批量处理：从 Excel 到结构化输出

1. 处理思路

2. 示例代码

四、零编程基础如何完成同样的事情？

（一）通义灵码的定位

（二）典型使用流程

（三）具体操作演示

五、阿里云大模型 API 的工程价值

六、总结

参考与延伸阅读

干货分享，感谢您的阅读！

在产品运营与用户研究工作中，“用户反馈”几乎是最重要、同时也是最棘手的数据来源之一。
当反馈数量只有几十条时，人工阅读与归纳尚可应对；但当规模上升到上万条非结构化主观文本，且分析结果存在明确时效要求时，传统人工分析方法往往会迅速失效。

本文通过一个真实且高频的业务场景，系统性地介绍如何借助阿里云通义千问大模型 API，在极短时间内完成大规模文本分类任务，并讨论其在实际业务中的工程价值与延展空间。

一、业务背景与问题拆解

（一）业务需求

某产品计划发起一次用户调研，希望从用户主观反馈中回答一个核心问题：

用户认为产品哪些方面有待改进？

初步设定的分析维度包括但不限于：

  • 价格过高

  • 售后支持不足

  • 产品使用体验不佳

  • 其他原因

（二）现实挑战

  • 数据规模大：超过 1 万条文本反馈

  • 数据非结构化：全部为自然语言描述，表达风格高度分散

  • 时效性强：要求 1 天内完成分析并输出结论

  • 人力受限：难以组织多人进行统一标准的人工标注

在这样的约束条件下，引入大模型进行自动化文本理解与分类，几乎成为最优解。

二、为什么选择大模型 API 做文本分析？

与传统基于规则或关键词的文本分类方式相比，大语言模型在以下方面具有显著优势：

  1. 语义理解能力强：能识别“性价比不高”“不值这个价”“价格有点虚高”等多种隐性表达。

  2. 无需前期训练成本：不需要准备标注数据、训练模型，直接通过 Prompt 即可使用。

  3. 快速迭代：分类规则变更只需修改提示词，无需重构系统。

  4. 天然适合非结构化文本：对主观、情绪化、口语化表达具有更高鲁棒性。

三、使用通义千问 API 完成单条反馈分类

（一）准备工作

运行代码前需要安装依赖：

pip install langchain_community dashscope

同时需要先开通阿里云大模型服务平台百炼，然后在百炼上获取API Key用于调用通义千问 API，最后将API Key配置到环境变量。

申请API-Key后可以在主账号管理侧进行查看：

在macOS系统下将API Key配置到环境变量：

（二）基础调用示例

在本案例中，我们选用通义千问（qwen-max）模型，并借助langchain框架降低调用复杂度：

from langchain_community.llms import Tongyi llm = Tongyi(model_name='qwen-max') result = llm.invoke(""" 你需要对用户的反馈进行原因分类。 分类包括：价格过高、售后支持不足、产品使用体验不佳、其他。 回答格式为：分类结果：xx。 用户的问题是：性价比不高，我觉得不值这个价钱。 """) print(result)

模型会返回类似如下结果：

分类结果：价格过高

这一过程本质上是：将人类分析逻辑显式写入 Prompt，由大模型完成“类人判断”。

（三）批量处理：从 Excel 到结构化输出

1. 处理思路

面对 1 万条反馈，核心流程可以拆解为：

  • 从 Excel 中逐行读取用户反馈

  • 将每条反馈注入统一 Prompt

  • 调用通义千问 API 获取分类结果

  • 输出或存储分析结果

2. 示例代码

from openpyxl import load_workbook from langchain_community.llms import Tongyi llm = Tongyi(model_name='qwen-max') file_path_feedback = 'data/file_path_feedback.xlsx' wb = load_workbook(file_path_feedback) sheet = wb.active for row in sheet.iter_rows(values_only=True, min_row=2): feedback = row[0] result = llm.invoke(f""" 你需要对用户的反馈进行原因分类。 分类包括：价格过高、售后支持不足、产品使用体验不佳、其他。 回答格式为：分类结果：xx。 用户的问题是：{feedback} """) print(feedback, result)

在真实项目中，通常还会进一步：

  • 增加异常重试机制

  • 进行并发/异步调用提升吞吐

  • 将结果写回 Excel、数据库或数据仓库

上面的代码从路径为 data/file_path_feedback.xlsx 的 Excel 文件中逐行读取了用户的反馈，然后借助通义千问 API 得到分析结果，最终打印了出来。

四、零编程基础如何完成同样的事情？

并非每个产品或运营角色都具备 Python 编程经验。对此，阿里云提供了通义灵码作为辅助工具。

（一）通义灵码的定位

  • 将自然语言需求直接转化为可运行代码

  • 适合快速原型验证与低代码场景

  • 与阿里云函数计算（FC）深度集成

（二）典型使用流程

  • 通过模板快速创建函数计算应用

  • 在在线 IDE 中启用通义灵码

  • 用自然语言描述需求（如“读取 Excel 并调用通义千问进行分类”）

  • 根据生成代码微调并运行

在实践中，这种方式可以显著降低大模型技术的使用门槛，让非技术角色也能参与智能化改造。

（三）具体操作演示

首先请点击模板，然后参考下图选择【直接部署】，然后点击【创建并部署环境】。 ​

待环境创建完成后，单击函数进入编程环境。 ​

进入代码编辑器界面后，可以新建 main.py 文件。然后点击顶部的【Terminal > New Terminal】，并在命令行中输入 pip install -r requirements.txt 来安装相关依赖。 ​

接下来，你就可以使用通义灵码组件，输入提示词。 ​

输入的提示词：

请从当前文件夹中的data_analysis.xlsx 文件中逐行读取数据，并调用大模型分析用户的反馈原因分类。 分类包括：价格过高、售后支持不足、产品使用体验不佳、其他。 回答格式为：分类结果：xxx你可以参考下面代码调用同通义千问API来进行分析。 参考代码: ``` python import os from openai import OpenAI try: client = OpenAI( # 若没有配置环境变量，请用百炼API Key将下行替换为：api_key="sk-xxx", api_key="sk-xxxxxxxxx", base_url="https://dashscope.aliyuncs.com/compatible-mode/v1", ) completion = client.chat.completions.create( model="qwen-plus", # 模型列表：https://help.aliyun.com/zh/model-studio/getting-started/models messages=[ {'role': 'system', 'content': 'You are a helpful assistant.'}, {'role': 'user', 'content': '你是谁？'} ] ) print(completion.choices[0].message.content) except Exception as e: print(f"错误信息：{e}") print("请参考文档：https://help.aliyun.com/zh/model-studio/developer-reference/error-code" ```

由于训练数据时效性，通义灵码可能无法准确知晓最新的API，可以给到通义灵码一些代码参考，往往可以更好地达成目标。

通义灵码写好代码后，你可以将代码内容复制到 main.py 文件中。 ​然后记得将 api_key="sk-xxxx" 中的 sk-xxx 替换为你自己的API Key。 ​最后就可以在命令行中执行 python main.py 运行通义灵码输出的代码，查看运行结果。 ​

通义灵码输出的代码可能不会一次性有效，这时候可以调整提示词，多尝试几次。

五、阿里云大模型 API 的工程价值

从工程与业务角度看，通义千问 API 的优势主要体现在：

  • 按量付费，成本可控

  • 模型规格多样，可根据复杂度与预算选择

  • 无需运维模型基础设施

  • 易于与现有系统集成

此外，文本分析只是起点，还可以扩展到：

  • 客服通话 → 语音转文字 → 客服质检

  • 用户评论 → 情感分析 → 产品决策支持

  • 图像 + 文本 → 多模态业务理解

六、总结

通过本文的案例可以看到：

  • 大语言模型已经具备直接参与业务分析的能力

  • API 形式让模型能力真正“工程化、产品化”

  • 即便没有深厚编程背景，也能通过工具链完成复杂任务

在未来的系统设计中，大模型不再只是“外挂能力”，而是可以作为核心智能组件，深度嵌入业务流程，持续提升组织效率。

参考与延伸阅读

  1. 阿里云大模型工程师ACA认证免费课程https://edu.aliyun.com/course/3126500/lesson/342510133

  2. 阿里云百炼大模型服务平台官方文档
    https://help.aliyun.com/product/261887.html

  3. 通义千问（Qwen）模型官方介绍
    https://www.aliyun.com/product/tongyi

  4. 通义千问 API 调用说明（百炼平台）
    https://help.aliyun.com/document_detail/2843101.html

  5. 百炼平台模型调用总览（模型列表与参数说明）
    https://help.aliyun.com/document_detail/2843124.html

  6. LangChain 官方文档（LLM 集成与调用）
    https://python.langchain.com/docs/get_started/introduction

  7. LangChain Community LLMs（含 Tongyi 支持）
    https://python.langchain.com/docs/integrations/llms/

  8. DashScope（阿里云大模型 SDK）官方文档
    https://help.aliyun.com/product/2843100.html

  9. 阿里云函数计算 FC 官方文档
    https://help.aliyun.com/product/50980.html

  10. 通义灵码官方介绍
    https://www.aliyun.com/product/tongyi/lingma

  11. 通义灵码使用指南（IDE 与云端场景）
    https://help.aliyun.com/document_detail/2628946.html

  12. Prompt Engineering 官方指南（OpenAI）
    https://platform.openai.com/docs/guides/prompt-engineering

  13. 大语言模型在文本分类中的应用综述（Hugging Face）
    https://huggingface.co/tasks/text-classification

  14. 非结构化文本分析工程实践（AWS 架构博客）
    https://aws.amazon.com/blogs/machine-learning/

  15. 企业级大模型落地常见架构模式（阿里云开发者社区）
    https://developer.aliyun.com/topic/ai

版权声明: 本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若内容造成侵权/违法违规/事实不符，请联系邮箱：809451989@qq.com进行投诉反馈，一经查实，立即删除！
网站建设 2026/9/20 17:28:45

【接口测试】2_持续集成 _Git与Gitee

文章目录一、Git1.1 Git下载和安装1.2 Git简介1.3 Git功能二、Gitee2.1 注册 Gitee 码云账号2.2 新建远程仓库2.3 修改仓库 ”私有“ 变为 ”开源“三、PyCharm 配置 Gitee 插件四、Pycharm使用Gitee 插件4.1 将 Gitee的项目 Checkout到 Pycharm中4.2 推送 PyCharm 新项目到 Gi…

作者头像 李华
网站建设 2026/9/20 17:33:54

BetterGI原神自动化工具完整使用指南：从入门到精通

BetterGI原神自动化工具完整使用指南：从入门到精通 【免费下载链接】better-genshin-impact 🍨BetterGI 更好的原神 - 自动拾取 | 自动剧情 | 全自动钓鱼(AI) | 全自动七圣召唤 | 自动伐木 | 自动派遣 | 一键强化 - UI Automation Testing Tools For Ge…

作者头像 李华
网站建设 2026/9/21 21:55:50

WeChatPad技术解密：安卓微信多设备并行登录实战指南

WeChatPad技术解密：安卓微信多设备并行登录实战指南 【免费下载链接】WeChatPad 强制使用微信平板模式 项目地址: https://gitcode.com/gh_mirrors/we/WeChatPad 你是否曾经遇到过这样的困扰：在手机上使用微信时，平板设备却无法同时登…

作者头像 李华
网站建设 2026/9/20 6:17:31

5步掌握DLSS Swapper：轻松升级游戏画质与性能

5步掌握DLSS Swapper：轻松升级游戏画质与性能 【免费下载链接】dlss-swapper 项目地址: https://gitcode.com/GitHub_Trending/dl/dlss-swapper 想要提升游戏画质却不知从何入手？DLSS Swapper作为专业的DLSS版本管理工具，让普通玩家也…

作者头像 李华
网站建设 2026/9/22 1:24:17

如何利用RePKG解锁Wallpaper Engine资源管理新境界？

如何利用RePKG解锁Wallpaper Engine资源管理新境界？ 【免费下载链接】repkg Wallpaper engine PKG extractor/TEX to image converter 项目地址: https://gitcode.com/gh_mirrors/re/repkg 你是否曾为Wallpaper Engine中精美的壁纸资源无法直接使用而苦恼&am…

作者头像 李华
网站建设 2026/9/20 19:24:59

TCC-G15完整指南：Dell游戏本散热控制的终极解决方案

TCC-G15完整指南：Dell游戏本散热控制的终极解决方案 【免费下载链接】tcc-g15 Thermal Control Center for Dell G15 - open source alternative to AWCC 项目地址: https://gitcode.com/gh_mirrors/tc/tcc-g15 TCC-G15是专为Dell G15游戏笔记本电脑设计的开…

作者头像 李华