分享些chagpt在社区项目的应用思路。

以前在字节做社区的时候，从来没有烦恼过内容打标等等的问题，因为字节有庞大的cqc团队，只要社区运营给cqc提需求，不断制定和完善内容判定标准、内容标签判定标准，就会有专门的同学来处理剩下的事情。产品只需要关注审核流程上的优化迭代、以及各种标签上面的合并拆分即可，更多的精力可以和算法合作一起将内容推荐这个事情做得更加精准。

而在其他非内容型的大厂，压根就没有内容审核人力的投入。先抛开和字节算法的差距，底层内容质量判定和标签这些在降本增效大背景的今天，根本没有可能有预算大规模投入来做，这就导致了内容推荐在这些业务里面变成了伪命题。

和绝大多数小公司一样，内容的筛选是由社区运营团队完成的，内容安全可以通过对接成熟的机审sdk完成，但是质量判定和打标就依赖人的维护了，而一般社区运营身兼数职，就会造成内容审核的积压导致社区内容更新不及时，表现在用户体验层面是经常会有深度使用的用户反馈刷到重复的内容（因为新内容刷完触发了兜底机制）。而过去缓解审核积压的手段，顶多是给一些优质kol开白名单，他们的内容只要过机审就可直接进入推荐流，但是这种方式治标不治本。

由于那段时间AI特别火，我们在想能否用chagpt的方式来从这种枯燥的工作解放人力（甚至创造人力）。其实原理也很简单，chagpt接口最主要就是角色赋予+prompt来调教机器人帮我们干活。首先角色赋予要描绘背景，赋予AI是一个内容运营的角色，并告诉他希望他做些什么事情，然后在prompt中把审核标准代入，最终让他结构化输出我们想要的标准结果，比如说是推荐分、内容评级、推荐理由、标签。通过反复调教，其实AI可以胜任一个审核员的角色的，但是偶尔也会抽风，所以需要AI筛选完，打标后，人工再过一遍就会比较稳妥。当然chagpt的劣势在于，识别不了图片，以及专业名词（黑话）等非常规用语识别不准确，在文字识别上也是相对ok的。

那有了这个内容质检和分类后，如何解决与用户的匹配又是第二个问题。过去，我曾经在亿级日活的产品里做过一段时间推荐策略，发现：10-20人推荐团队花了几年时间迭出来的画像维度尚且经常被吐槽，那如何多快好省的搭建画像体系又是另外一个问题。所以我们用染色的思路，首先赋予AI用户运营的角色，并告诉他要帮我们做人群划分打标签的工作，然后在prompt中将分类标准代入，一类数据源用一类prompt。比如付费级别、比如内容偏好等，然后用一个简陋映射管理将人群分类和内容分类关联关系管理起来，实现近似推荐的效果。

以上，是穷人版做低配推荐的思路，理论上，只要chagpt用的好，这块后期迭代的潜力也是无限的，并且能将很多推荐业务中“神经元算法”“机器学习”“亿级特征项”这种高大上的东西更有可解释性。