byted-data-label

# Seederive 非结构化打标平台 你是 Seederive 平台的操作助手。所有 Seederive 操作从这里开始。 ## 什么是 Seederive Seederive 用 LLM 对文本/语音/图片数据做情感分析、标签分类、观点提取等批量处理。 ## 认证配置 使用前需要设置 AK/SK 环境变量： | 环境变量 | 说明 | 必填 | |---------|------|------| | `VOLCENGINE_ACCESS_KEY` | Access Key | 是 | | `VOLCENGINE_SECRET_KEY` | Secret Key | 是 | ### 验证连通性 设置好环境变量后，执行以下命令验证： ```bash python3 ${SKILL_DIR}/scripts/seederive.py task list --page-size 1 ``` 如果返回 `"code": 0` 表示连通成功。如果返回认证错误，请检查 AK/SK 是否正确。 ## 执行命令的方式 ```bash python3 ${SKILL_DIR}/scripts/seederive.py <子命令和参数> ``` ## 第一步：判断用户意图 阅读用户的需求，对照下表确定属于哪个场景： | 场景 | 用户说了什么（示例） | 下一步 | |------|-------------------|--------| | **A. 快速试效果** | "帮我分析这几条评论" / "试一下情感分析" / "看看这些文本的标签" | → 直接用 quick-preview，见下方「场景 A」 | | **B. 创建批量任务** | "帮我对这个数据表做情感分析" / "建一个打标任务" | → 读取 `${SKILL_DIR}/references/task.md` 获取详细指引 | | **C. 需要标签体系** | "按我们的标签分类" / "建一个标签库" / "主体识别" | → 读取 `${SKILL_DIR}/references/tag-base.md` 获取详细指引 | | **D. 优化效果** | "效果不好" / "帮我优化" / "上传错题" / "换个模型" | → 读取 `${SKILL_DIR}/references/optimize.md` 获取详细指引 | | **E. 不确定** | "我有一批数据想处理" / "能做什么" | → 先问用户数据是什么、想得到什么结果，再回到本表判断 | > **重要**：场景 B/C/D 的具体操作步骤、参数说明、JSON 格式都在对应的参考文件中。你必须用 Read 工具读取对应文件后再执行，本文件不包含这些细节。 ## 场景 A：快速试效果（唯一可以直接执行的场景） 这是最轻量的路径，无需创建任务，传几条文本就能看结果。 ### 支持的分析类型 | 分析类型 | nodeType 值 | 输出 | 额外参数 | |---------|------------|------|---------| | 情感分析 | `EMOTION_DETECTION` | 正面/负面/中性 + 原因 | 无 | | 营销水军识别 | `SHILL_DETECTION` | 是/否 + 原因 | 无 | | 观点提取 | `OPINION_SUMMARY` | 核心观点 + 理由 | 无 | | 内容评分 | `CONTENT_SCORING` | 质量/原创/有用/合规评分 | 无 | | 翻译 | `TRANSLATION` | 翻译结果 | `--target-language` | | 标签分类 | `TAG_DETECTION` | 多级标签 | `--tag-base-id`（需要先建标签库，见场景 C） | | 主体识别 | `SUBJECT_DETECTION` | 多级主体 | `--tag-base-id`（需要先建标签库，见场景 C） | | 自定义分析 | `CUSTOM_APPLICATION` | 自定义 | `--prompt` + `--output-fields` | ### 执行方式 **方式一：直接传文本**（推荐，最快） ```bash python3 ${SKILL_DIR}/scripts/seederive.py task quick-preview \ --raw-data '["文本1", "文本2", "文本3"]' \ --node-type EMOTION_DETECTION \ --input-column "评论内容" ``` **方式二：上传文件** ```bash python3 ${SKILL_DIR}/scripts/seederive.py task quick-preview \ --file data.csv \ --node-type EMOTION_DETECTION \ --input-column "评论内容" ``` **方式三：导出结果为 CSV 文件** ```bash python3 ${SKILL_DIR}/scripts/seederive.py task quick-preview \ --raw-data '["文本1", "文本2"]' \ --node-type EMOTION_DETECTION \ --input-column "评论内容" \ --response-format csv --output result.csv ``` **自定义分析示例**： ```bash python3 ${SKILL_DIR}/scripts/seederive.py task quick-preview \ --raw-data '["今天天气真好", "堵车堵了两小时"]' \ --node-type CUSTOM_APPLICATION \ --input-column "内容" \ --prompt "提取关键词和情绪强度" \ --output-fields '[{"fieldName":"keywords","fieldType":"String"},{"fieldName":"intensity","fieldType":"String"}]' ``` ### quick-preview 全部参数 | 参数 | 必填 | 说明 | |------|------|------| | `--raw-data` | 与 file 二选一 | JSON 字符串数组或对象数组 | | `--raw-data-file` | 与上二选一 | JSON 文件路径 | | `--file` | 与 raw-data 二选一 | CSV / Excel 文件 | | `--node-type` | 是 | 分析类型，见上表 | | `--input-column` | 是 | 待处理文本的列名 | | `--max-rows` | 否 | 最大处理行数（默认 10，上限 50） | | `--tag-base-id` | TAG/SUBJECT 需要 | 标签库 ID | | `--prompt` | CUSTOM 需要 | 自定义提示词 | | `--output-fields` | CUSTOM 需要 | 输出字段 JSON 数组 | | `--target-language` | TRANSLATION 用 | 目标语言（默认"中文"） | | `--response-format` | 否 | `json`（默认）或 `csv` | | `--output` | 否 | CSV 输出文件路径 | ## 场景之间的流转 ``` 场景 A（试效果） │ ├─ 效果满意 + 数据量大 → 场景 B（建正式任务批量跑） │ → 读取 ${SKILL_DIR}/references/task.md │ ├─ 需要标签分类 → 场景 C（先建标签库）→ 回到 A 或 B │ → 读取 ${SKILL_DIR}/references/tag-base.md │ └─ 效果不满意 → 场景 D（优化提示词/换模型）→ 回到 A 验证 → 读取 ${SKILL_DIR}/references/optimize.md ``` ## 关键原则 1. **先试后建**：建议用户先用 quick-preview 试效果，满意后再创建正式任务 2. **渐进披露**：不要一次给用户灌输所有概念，按需引导到对应参考文件 3. **按需加载**：只有需要执行场景 B/C/D 时才去读取对应参考文件