日志分析里有个常见痛点：明明错误码一样，但有的平台用户就是复现不了，有的群体却频频踩坑。要精准定位，就必须在整理日志时自动识别平台类型（iOS/Android/Web/小程序）和用户人群（VIP/新用户/海外用户等），然后按这些维度筛选、归类、标注异常——而不是笼统地说“按平台和人群分类”。下面这几步，能把模糊要求变成可执行的指令。

明确声明平台与人群的枚举值

在提示词开头直接定义可用值，避免模型自由发挥。例如：“平台仅限：iOS、Android、Web、小程序；人群仅限：新用户（注册≤3天）、普通用户、VIP用户、海外用户（country_code非CN）”。这一步必须写死，否则ChatGPT会生成“PC端”“老年用户”等未授权分类，导致后续过滤失效。

用结构化指令绑定字段提取逻辑

方法一：要求模型先定位日志中的关键字段位置。输入示例：“每条日志以JSON格式给出，其中必含platform字段（值为iOS/Android/Web/小程序）和user_type字段（值为new/normal/vip/overseas）；若字段缺失或值不在枚举范围内，整条日志标为【异常-字段缺失】。”

方法二：强制字段校验后才进入分析。在提示词中加一句：“只有platform和user_type均符合上述枚举值的日志，才参与后续的错误聚类与高频路径分析。”【字段校验失败的日志不进入统计，也不出现在最终汇总表中】

分步骤限定输出格式与分组维度

第一步：生成带标签的原始列表。要求输出为表格，列名为“日志ID｜platform｜user_type｜error_code｜context_snippet”，且platform/user_type列必须与开头枚举值完全一致（大小写敏感，不可缩写）。

第二步：按双维度交叉聚合。指令写成：“统计每个platform × user_type组合下的error_code出现频次，只保留频次≥3的组合，排序依据为总错误数降序→同数量时按platform字母序→再按user_type字母序。”

第三步：为高危组合添加人工核查标记。例如：“若组合为[iOS + 新用户]且error_code为‘token_expired’，在该行末尾追加【需优先验证登录态同步逻辑】。”